Was ist ein Company Brain? Wissensgraph, Funktionsweise und Abgrenzung

Ein Company Brain ist ein Wissensgraph über das eigene Unternehmen: Er wird automatisch aus Ablagen, Mails und Fachsystemen gebaut und hält fest, welche Kunden, Projekte, Personen und Dokumente es gibt und wie sie zusammenhängen. Anders als eine Suche findet er nicht nur Textstellen, sondern kann Fragen über Zusammenhänge beantworten. Dabei nennt er zu jeder Aussage das Dokument, aus dem sie stammt. Wie gut das funktioniert, hängt weniger vom Sprachmodell ab als davon, ob das System dieselbe Firma in hundert Mails zuverlässig als dieselbe Firma erkennt.

Kurz gesagt

• Begriff: „Company Brain“ ist kein Normbegriff, sondern eine Bezeichnung aus der Praxis. Technisch steckt fast immer ein Wissensgraph dahinter, also Knoten für Dinge und Kanten für ihre Beziehungen ^[1].
• Unterschied zur Suche: Eine Suche oder ein RAG-System sucht zu einer Frage passende Textabschnitte. Ein Graph kennt die Dinge selbst und kann deshalb auch Fragen über einen ganzen Bestand beantworten, etwa „Für welche Kunden haben wir diese Methode schon eingesetzt?“ ^[3], ^[4].
• Grenzen: Ein Company Brain findet nur, was irgendwo steht. Seine Zuordnungen sind maschinell und können falsch sein. Und es übernimmt die Zugriffsrechte, wie sie in den Quellsystemen gepflegt sind.

Woher der Begriff kommt

Hinter „Company Brain“ steht eine ältere Idee aus der Informatik. Hogan und Kollegen definieren einen Wissensgraphen als „a graph of data intended to accumulate and convey knowledge of the real world, whose nodes represent entities of interest and whose edges represent relations between these entities“ ^[1]. Gemeint ist also ein Datengraph, der Wissen über die reale Welt sammelt und weitergibt. Seine Knoten stehen für die Dinge, um die es geht, seine Kanten für deren Beziehungen.

Bekannt wurde die Idee 2012 mit Googles Knowledge Graph. Google beschrieb ihn mit der Formel „things, not strings“, also Dinge statt Zeichenketten. Zum Start umfasste er nach Googles Angaben über 500 Millionen Objekte und mehr als 3,5 Milliarden Fakten über diese Objekte und ihre Beziehungen ^[2].

Ein Company Brain überträgt diese Idee auf ein einzelnes Unternehmen. Die Dinge sind hier Kunden, Lieferanten, Behörden, Projekte, Angebote, Methoden und Personen. Die Fakten stehen in Angeboten, Protokollen, Mail-Verläufen, CRM-Einträgen und Tabellen.

Wie ein Company Brain entsteht

Ein Wiki muss jemand schreiben. Ein Company Brain dagegen wird aus dem gebaut, was ohnehin da ist. Die Schritte unterscheiden sich je nach Anbieter im Detail, folgen aber fast immer demselben Muster.

1. Quellen anbinden. Typische Quellen sind SharePoint, OneDrive, Google Drive, Postfächer, Teams- oder Slack-Kanäle, CRM und Projektmanagement. Schon hier fällt die wichtigste Entscheidung: welche Bestände ins gemeinsame Wissen gehören und welche nicht.

2. Lesen und herausziehen. Ein Sprachmodell liest jedes Dokument und hält fest, wer und was darin vorkommt und in welcher Beziehung. Aus der Mail „Anbei unser Angebot zur Gemeinkostenanalyse, Start im März, Projektleitung Frau K.“ werden zum Beispiel ein Kunde, ein Projekt, ein Angebot und eine Person. Dazu kommen die Kanten „beauftragt“, „arbeitet an“ und „beschrieben in“.

3. Zusammenführen. Das ist der schwierigste Schritt. In einer Mail heißt der Kunde „Stadtwerke Musterstadt GmbH“, in der nächsten „SWM“, im Angebot „Stadtwerk Musterstadt“, und die Absenderdomain lautet „swm-beispiel.de“. Ein brauchbares Company Brain muss erkennen, dass das ein und derselbe Kunde ist. Umgekehrt darf es zwei verschiedene Firmen mit ähnlichem Namen nicht zusammenwerfen. Fehler in diesem Schritt sieht man später überall: als doppelte Kunden, als Projekte ohne Kunden oder als Person, die scheinbar bei zwei Firmen arbeitet.

4. Einordnen. Ist eine Organisation Kunde, Interessent, Dienstleister, Partner oder Behörde? Das ergibt sich selten aus einem einzelnen Dokument. Ein Auftrag oder eine Rechnung spricht für einen Kunden, eine einzelne Anfrage nur für einen Interessenten.

5. Belege behalten. Jeder Knoten und jede Kante verweist auf die Dokumente, aus denen sie stammen. Nur so lässt sich eine Antwort prüfen, bevor sie in ein Angebot oder eine Präsentation wandert.

6. Aktuell und stabil halten. Neue Dokumente kommen laufend hinzu. Ein gutes System baut den Graphen dabei nicht jedes Mal von vorn und anders auf, sondern ergänzt ihn. Sonst heißt dasselbe Projekt nächste Woche anders und Verweise darauf brechen.

7. Korrigieren lassen. Maschinelle Zuordnungen bleiben fehlbar. Deshalb braucht es eine Möglichkeit, einen Knoten von Hand umzuordnen oder zwei Dubletten zusammenzuführen. Diese Korrektur muss auch den nächsten Neuaufbau überstehen.

Abgrenzung: Wiki, Intranet, Enterprise Search, RAG

Die Begriffe werden oft durcheinander verwendet. Die Unterschiede liegen darin, was gespeichert wird und wer die Arbeit macht.

Wiki und Intranet bleiben sinnvoll für Wissen, das jemand bewusst formuliert und freigegeben hat: Prozesse, Richtlinien, Methodenbeschreibungen. Ein Company Brain ersetzt sie nicht. Es kann aber auf sie verweisen und sie mitlesen.

Enterprise Search findet Dokumente zu Suchbegriffen, oft über mehrere Systeme hinweg. Die Antwort ist eine Trefferliste. Welches Angebot zu welchem Kunden gehörte und wer daran gearbeitet hat, müssen Sie selbst aus den Treffern zusammensetzen.

RAG (Retrieval-Augmented Generation) verbindet ein Sprachmodell mit einem durchsuchbaren Textbestand. Lewis und Kollegen haben das Verfahren 2020 beschrieben. Den Ausgangspunkt nennen sie ausdrücklich: Bei reinen Sprachmodellen blieben Herkunftsnachweise für Antworten und die Aktualisierung ihres Wissens offene Probleme ^[3]. RAG löst beides für viele Fragen gut. Schwach wird es bei Fragen, die sich an den ganzen Bestand richten. Forscher von Microsoft zeigen, dass herkömmliches RAG an solchen „globalen“ Fragen scheitert. Ihr Ansatz baut zuerst einen Graphen aus Entitäten auf und fasst eng verbundene Gruppen vorab zusammen. Auf Datensätzen von rund einer Million Tokens lieferte das deutlich umfassendere und vielfältigere Antworten ^[4].

Praktisch kombinieren viele Systeme beides: den Graphen für Zusammenhänge und die Ähnlichkeitssuche für den Wortlaut einzelner Dokumente.

Company Brain, Wissensmanagement-System, Wissensmanagement-Software

Ein Wissensmanagement-System im engeren Sinn ist mehr als Software. Dazu gehören Zuständigkeiten, Abläufe (etwa ein kurzer Projektabschluss), Regeln zur Vertraulichkeit und eine Kultur, in der Wissen geteilt wird. Wissensmanagement-Software ist das Werkzeug darin: Wiki, Dokumentenablage, Suche, Expertenverzeichnis oder eben ein Company Brain.

Das Company Brain unterscheidet sich von klassischer Wissensmanagement-Software vor allem in einem Punkt: Niemand muss Wissen eigens eintragen. Das löst ein bekanntes Problem. Wissensdatenbanken werden befüllt, aber kaum genutzt, und Dokumentation, die zusätzlich entstehen muss, entsteht unter Zeitdruck oder gar nicht. Warum das gerade in Beratungen so ist, beschreibt unser Beitrag Warum Wissensmanagement in Beratungen scheitert.

Das Thema ist in Unternehmen angekommen: Laut Bitkom setzen 22 Prozent der Unternehmen KI im internen Wissensmanagement ein, nach 11 Prozent im Jahr 2025 ^[5].

Was ein Company Brain nicht kann

• Es findet nur, was irgendwo steht. Warum eine Annahme im Modell wackelig war oder wer beim Kunden wirklich entscheidet, steht selten in einem Dokument. Ein Company Brain zeigt aber, wer beteiligt war und wen Sie fragen können.
• Zuordnungen können falsch sein. Ähnliche Projektkürzel, zwei Personen mit gleichem Namen oder ein Kunde, der umfirmiert hat: Hier liegt die Maschine manchmal daneben. Prüfen Sie deshalb die Fundstelle, bevor etwas nach außen geht.
• Es übernimmt die Rechte, wie sie sind. Ist ein Ordner zu weit freigegeben, gilt das auch im Company Brain.
• Es entscheidet nicht über Vertraulichkeit. Ob Wissen aus einem Mandat in einem anderen verwendet werden darf, beurteilt ein Mensch.
• Viele Fassungen bleiben viele Fassungen. Liegen zehn Versionen einer Präsentation in der Ablage, kann eine Antwort auf eine ältere verweisen. Datum und Ablageort an der Fundstelle helfen bei der Prüfung.

Was das für die Praxis heißt

Wenn Sie ein Company Brain auswählen oder einführen, helfen diese Fragen:

1. Nennt jede Antwort ihre Fundstelle? Ohne Beleg lässt sich nichts prüfen, und ungeprüftes Wissen gehört nicht in ein Angebot.
2. Wie erkennt das System dieselbe Firma unter verschiedenen Namen? Lassen Sie sich an Ihren eigenen Daten zeigen, wie viele Dubletten und Fehlzuordnungen bei Kunden und Projekten entstehen.
3. Lassen sich Fehler korrigieren, und bleibt die Korrektur erhalten? Eine Korrektur, die beim nächsten Neuaufbau verschwindet, ist nutzlos.
4. Gelten die Rechte der Quellsysteme? Und: Gibt es einen persönlichen Bereich, den der Arbeitgeber nicht einsehen kann, getrennt vom gemeinsamen Wissen?
5. Was wird angebunden? Legen Sie vorher fest, welche Bestände ins gemeinsame Wissen gehören. Binden Sie Datenschutzbeauftragte und, bei Postfächern, den Betriebsrat früh ein.
6. Wo liegen die Daten, und welche Modelle verarbeiten sie? Graph, Vektoren und Sicherungen enthalten Ihr gesamtes Projektwissen. Sie brauchen einen Auftragsverarbeitungsvertrag und einen bekannten Verarbeitungsort.
7. Klein anfangen. Ein Bereich mit klarer Frage, etwa „vergleichbare Projekte für Angebote“, zeigt schneller als ein Komplettanschluss, ob die Zuordnungen tragen.

Wie das Company Brain von enter ai arbeitet

Bei enter ai liest das Company Brain Dokumente, Mails, Tabellen, Folien und Diagramme aus den Systemen, die Sie verbinden. Es ordnet sie nach Kunden, Dienstleistern, Behörden und Team, jeweils mit Projekten, Angeboten und Methoden. Es gibt zwei Ebenen: das Org Brain für alle und ein Personal Brain je Nutzer. Was jemand im Personal Brain anlegt, kann der Arbeitgeber nicht einsehen. Die Zugriffsrechte der Quellsysteme gelten weiter, und Antworten nennen ihre Fundstellen. Beim Neuaufbau orientiert sich das System am bisherigen Stand, damit Kunden und Projekte ihre Zuordnung behalten. Klare neue Belege setzen sich trotzdem durch. Falsche Zuordnungen lassen sich direkt im Graphen korrigieren, im Org Brain durch die Administration, im Personal Brain durch den Nutzer selbst: Kategorie ändern, Dubletten zusammenführen, Knoten ausblenden. Diese Korrekturen bleiben auch nach dem nächsten Neuaufbau erhalten. Die Daten liegen auf Servern in Deutschland, die Sprachmodelle laufen über Rechenzentren in der EU. Ablauf, Beispiel und Grenzen beschreibt der Anwendungsfall Wissensmanagement mit dem Company Brain.

Zuletzt aktualisiert am 10. November 2026.