Viele Teams investieren stark in RAG-Systeme (Retrieval-Augmented Generation), um ihre Dokumentation durchsuchbar und per KI beantwortbar zu machen. Wie dieser Artikel jedoch betont, zeichnet sich RAG durch das Abrufen aus, versagt aber bei der Wissensbewahrung. Es kann relevante Dokumente finden, aber nicht die nuancierten Urteile und Kontexte erfassen, die Teams im Laufe der Zeit entwickeln. Der Autor plädiert für einen LLM-Wiki-Ansatz, bei dem Teams Wissen mit KI-Unterstützung aktiv kuratieren und strukturieren und so ein lebendiges Dokument erstellen, das sich mit dem Verständnis des Teams weiterentwickelt. Dieses Hybridmodell kombiniert die besten Aspekte von Abruf und Kuratierung und stellt sicher, dass wertvolle Erkenntnisse nicht verloren gehen. Für technische Führungskräfte und technische Gründer ist dies eine entscheidende Unterscheidung: Aufbau eines Wissenssystems, das Kontext lernt und bewahrt, nicht nur eines, das Daten abruft.
Eine Analyse, warum reine RAG-Wissenssysteme unzureichend sind und wie ein LLM-Wiki-Ansatz Teams helfen kann, kontextuelles Wissen zu erfassen und wiederzuverwenden.