In nahezu jeder Organisation, die sich heute als „vernetzt“ versteht, existiert eine Plattform. Ein Datenraum. Ein Wissenshub. Die technischen Lösungen sind leistungsfähig, skalierbar, cloudbasiert. Und doch bleibt der erhoffte Effekt häufig aus. Inhalte veralten, Daten fragmentieren, Beteiligung nimmt ab. Das Narrativ lautet dann: Wir brauchen ein besseres Tool.

Ich halte das für eine Fehlanalyse. Wissensnetzwerke scheitern selten an Technologie. Sie scheitern an fehlender kuratorischer Verantwortung, unklarer Datenhoheit und falschen Anreizsystemen. Anders formuliert: Sie scheitern nicht an IT, sondern an institutionellem Design.
Erfolgreiche digitale Ökosysteme funktionieren nicht deshalb, weil sie Daten speichern können. Das können viele. Sie funktionieren, weil sie klare Regeln haben: Wer darf beitragen? Wer kuratiert? Wer entscheidet über Qualität? Welche Reputationsmechanismen greifen? Es gibt Governance, Rollen, Eskalationspfade – kurz: eine Architektur des Gemeinsamen.

In Organisationen hingegen behandeln wir Wissensvernetzung oft als Infrastrukturprojekt. Wir implementieren ein System, definieren Rollen – und hoffen, dass daraus automatisch ein funktionierendes Ökosystem entsteht. Doch Daten aggregieren sich nicht zu Wissen, nur weil sie technisch verbunden sind. Sie benötigen Kontext, Priorisierung, Pflege. Und vor allem: Verantwortung.

Ich habe mehrfach erlebt, wie ambitionierte Plattformen nach anfänglicher Euphorie in schleichende Irrelevanz übergingen. Inhalte wurden nicht aktualisiert, Metadaten unzureichend gepflegt, Schnittstellen inkonsistent genutzt. Technisch funktionierte alles. Hier liegt der erste strukturelle Fehler:
Kuratierung wird als Nebenaufgabe verstanden. Tatsächlich ist sie eine Schlüsselrolle. Es braucht Instanzen, die das Gemeinsame aktiv gestalten – nicht als Zensurorgan, sondern als Qualitätsgarant. Ohne diese Funktion entsteht ein Datenarchiv – aber kein Wissensraum.
Der zweite blinde Fleck betrifft die Datenverantwortung. In vielen Netzwerken wird „Teilen“ normativ eingefordert, ohne Ownership sauber zu klären. Wer haftet für fehlerhafte Daten? Wer entscheidet über die Aktualisierung? Wer priorisiert kritische Informationsflüsse? Ohne klare Zuständigkeiten entsteht Unsicherheit – und Unsicherheit führt zu Zurückhaltung.

Der dritte Faktor ist die Incentivierung. Wissensbeiträge entstehen nicht im luftleeren Raum. Karrieren werden an Projektergebnissen oder Umsätzen gemessen – selten an der Qualität des geteilten Wissens. Wer dokumentiert, strukturiert oder moderiert, investiert oft zusätzlich zur eigentlichen Leistungslogik. Das System honoriert individuelle Exzellenz stärker als eine kollektive Wissensarchitektur.
Und nun kommt Künstliche Intelligenz ins Spiel. Plötzlich scheint das Kurationsproblem technisch lösbar. Algorithmen priorisieren Inhalte, fassen Dokumente zusammen, identifizieren Redundanzen, schlagen Verbindungen vor. Die Verheißung lautet: automatisierte Kuratierung.

Kuratiert KI wirklich neutral? Sie folgt Trainingsdaten, Gewichtungen und impliziten Annahmen – und entscheidet damit, was sichtbar wird. Die Frage verschwindet nicht, sie verlagert sich: Wer definiert die Qualitätskriterien, prüft Verzerrungen und trägt Verantwortung?

KI kann Wissensökosysteme effizienter machen, ersetzt jedoch keine Governance. Je unsichtbarer algorithmische Entscheidungen sind, desto klarer müssen sie institutionell gerahmt werden. Netzwerke leben von Vertrauen. Vertrauen entsteht durch Berechenbarkeit. Wenn Beiträge bewertet, Verantwortlichkeiten geklärt und Regeln transparent sind, entsteht Stabilität. Fehlen diese Strukturen, bleibt Vernetzung symbolisch. Dann existiert eine Plattform – aber kein Ökosystem. Daten vernetzen sich nicht selbst. Und KI übernimmt keine Verantwortung, aber sie kann Struktur liefern.