Stellen Sie sich vor: Ein Mitarbeiter braucht eine Information zu einer Gefahrgutvorschrift. Er weiß, dass die Antwort irgendwo in einem der zwanzig Handbücher steckt, aber in welchem? Und in welcher Version? Bis er die richtige Stelle gefunden hat, sind 15 Minuten vergangen. Täglich. Bei jedem Mitarbeiter. Bei jeder Frage dieser Art.

Genau hier setzt ein Expertensystem an. Es macht Wissen zugänglich, das im Unternehmen längst vorhanden ist, aber bislang schwer erreichbar war.

Ein Expertensystem ist ein KI-System, das menschliches Fachwissen in einem klar definierten Themenbereich abbildet und anwendbar macht. Es beantwortet Fragen, trifft Entscheidungen und gibt Handlungsempfehlungen, für die sonst ein menschlicher Experte gefragt wäre.

Der Begriff stammt aus den frühen Phasen der KI-Forschung. Klassische Expertensysteme arbeiteten regelbasiert: Wenn Bedingung A zutrifft, folgt Reaktion B. Für eng begrenzte Aufgaben funktionierte das gut. Für den Arbeitsalltag mit komplexen, verteilten Informationen stieß es schnell an Grenzen. (Quelle: Borkowski, „Expertensysteme im Kontext von KI“, 2024)

Heute sieht das anders aus. Moderne Expertensysteme verbinden eine strukturierte Wissensbasis mit einer Inferenzmaschine und einer Schnittstelle für natürliche Sprache. Sie verstehen Zusammenhänge über mehrere Dokumente hinweg, liefern nachvollziehbare Antworten mit Quellenangaben und lassen sich direkt in bestehende Systeme einbetten. (Quelle: Shadecoder, „Expert System: A Comprehensive Guide for 2025“, 2025)

Ein konkretes Beispiel ist die octonomy KI-Plattform. octonomy wurde speziell für den Mittelstand entwickelt und ermöglicht Unternehmen, komplexes Wissen mit der Präzision menschlicher Expertise zu verarbeiten. Spezialisierte KI-Agenten arbeiten arbeitsteilig zusammen, um Aufgaben zu automatisieren, die bislang menschliches Urteilsvermögen erforderten. Die Plattform integriert sich in bestehende Systeme wie SharePoint, Confluence, CRM oder ERP, erfordert keine Programmierkenntnisse und ist in unter 20 Tagen produktiv.

Egal wie komplex ein KI-Expertensystem wirkt: Im Kern besteht es aus drei Schichten:

• Die Wissensbasis (oder auch: Knowledge Base) ist das Fundament. Hier liegt das kuratierte Wissen eines Unternehmens, Handbücher, Richtlinien, Produktdokumentationen, regulatorische Vorgaben. Sie ist stabil und wird gezielt gepflegt.
• Die Inferenzmaschine ist die Logikebene. Sie entscheidet, welche Inhalte der Wissensbasis für eine Anfrage relevant sind, wie Informationen aus verschiedenen Quellen zusammengeführt werden und welche Antwort daraus folgt. Moderne Systeme nutzen dafür Sprachmodelle, die Kontext verstehen, nicht nur Stichwörter abgleichen.
• Die Nutzerschnittstelle macht das System im Alltag zugänglich. In der Praxis ist das meist ein Chat-Interface in natürlicher Sprache, direkt eingebettet in ein Intranet, ein Ticketsystem oder ein CRM.

Die drei Kernkomponenten eines KI-Expertensystems

Die beiden Begriffe begegnen einem heute häufig zusammen, und das hat einen Grund: Moderne Expertensysteme werden zunehmend als KI-Agenten implementiert.

Ein KI-Agent geht einen Schritt weiter als ein klassisches KI-Expertensystem. Er antwortet nicht nur, er handelt. Er analysiert eine Anfrage, durchsucht selbstständig die Wissensbasis, ruft bei Bedarf externe Tools auf und generiert einen strukturierten Output. Der entscheidende Unterschied liegt in der Autonomie. Statt vordefinierten Regeln folgt der KI-Agent einem strukturierten Reasoning-Prozess: erst Kontext erfassen, dann Wissensquellen gezielt durchsuchen, dann eine fundierte Antwort erstellen.

Bei octonomy arbeiten spezialisierte KI-Agenten arbeitsteilig: ein Recherche-Agent durchsucht die Wissensbasis, ein Analyse-Agent bewertet die Ergebnisse, ein Automations-Agent führt Folgeschritte aus und ein Validierungs-Agent prüft den Output auf Qualität und Compliance. Das Ergebnis ist ein Expertensystem, das nicht nur berät, sondern handelt

Die Verwechslung passiert häufig, aber der Unterschied ist grundlegend. Ein klassischer Chatbot arbeitet mit vordefinierten Antworten auf erwartete Fragen. Er scheitert, sobald eine Frage vom Skript abweicht oder mehrere Informationsquellen kombiniert werden müssen.

Ein Expertensystem dagegen versteht die Frage, sucht aktiv in der Wissensbasis, erkennt Zusammenhänge zwischen Dokumenten und liefert eine vollständige Antwort mit präziser Quellenangabe. Es kann begründen, warum eine Antwort so lautet. Gerade in regulatorischen und sicherheitskritischen Umgebungen ist genau das entscheidend.

Wachsende Belegschaften, steigende regulatorische Anforderungen, zunehmendes Wissen, das über viele Dokumente verteilt ist. Wer kennt das nicht? Und trotzdem werden Informationen in vielen Unternehmen noch immer über klassische Dokumentenablagen geteilt.

Das Problem ist bekannt: PDFs bieten keine Kontextualisierung, keine automatische Verknüpfung von Wissen aus mehreren Quellen und keine sprachübergreifende Zugänglichkeit. Der Aufwand liegt bei den Mitarbeitenden, die suchen müssen.

Ein Expertensystem übernimmt diese Arbeit. Es erschließt Wissen, das bereits vorhanden ist, und macht es für alle zugänglich, schnell, vollständig und verlässlich, ohne dass dafür zusätzliche Ressourcen notwendig werden.

Die Emons Spedition ist ein international tätiges Logistikunternehmen mit Sitz in Köln. Das Unternehmen arbeitet täglich mit mehr als 20 operativen Handbüchern zu Gefahrgut, Prozessen, Spedition und Compliance. Eine einzelne Anfrage zu Gefahrgutvorschriften dauerte bis zu 15 Minuten, war fehleranfällig und funktionierte besonders schlecht, wenn die Antwort über mehrere Handbücher verteilt war.

Emons hat das interne Wissensmanagement mit dem octonomy Expertensystem erweitert. Der KI Agent versteht alle angebundenen Handbücher aus SharePoint, erkennt Zusammenhänge zwischen Dokumenten und liefert Antworten mit Kapitel- und Versionsnummer in Sekunden. Direkt im Intranet, in der Tonalität und im Corporate Design von Emons. Vom Kick-off bis zum Go-Live vergingen drei Wochen. Die verifizierten Ergebnisse: eine Antwortqualität von über 95 Prozent, weniger Fehler bei Gefahrgutregelungen und ein einheitlicher Wissensstand im gesamten Netzwerk.

Tilo Hergarten, Managing Director bei Emons Digital: „Mit octonomy haben unsere Mitarbeiter in Sekunden Zugriff auf Informationen, für die sie vorher wertvolle Minuten gesucht haben. Das beschleunigt Prozesse spürbar.“

Alle Details zur Umsetzung, Architektur und den Ergebnissen finden Sie in der vollständigen Case Study auf https://www.octonomy.ai/kunde/emons-spedition/

Nicht jedes System, das sich Expertensystem nennt, hält in der Praxis, was es verspricht. Aus dem Einsatz im Mittelstand zeigen sich vier Anforderungen, die wirklich entscheidend sind.

Quellenbasierte Antworten sind nicht optional. In regulatorischen Umgebungen muss jede Antwort klar ausweisen, woher sie stammt. Versionsnummern, Kapitelangaben, konkrete Dokumente. Nur so entsteht echte Nachvollziehbarkeit. (Quelle: StudySmarter, „Expertensysteme: Definition und Funktionen“)

Quellenübergreifendes Reasoning ist die eigentliche Kernkompetenz. Ein System, das nur innerhalb eines einzigen Dokuments sucht, ist eine bessere Stichwortsuche. Ein Expertensystem verbindet Wissen aus mehreren Quellen und liefert vollständige Antworten, auch wenn die Information verteilt ist.

Nahtlose Integration ist der entscheidende Faktor für den tatsächlichen Einsatz im Alltag. Ein System, das einen neuen Login und eine separate Schulung erfordert, wird nicht genutzt. Es muss dort eingebettet sein, wo die Arbeit stattfindet.

Skalierbarkeit ohne linearen Ressourcenanstieg ist der eigentliche Wert. Neue Handbücher, neue Teams, neue Sprachen und neue Anwendungsfälle lassen sich Schritt für Schritt ergänzen, ohne dass der Schulungsaufwand proportional wächst.

Die Expertensysteme von heute haben mit den regelbasierten Systemen der 1990er Jahre wenig gemein. Statt starrer If-Then-Logik kombinieren sie strukturiertes Wissen, aus Ontologien, Entscheidungsbäumen und kuratierten Dokumentensammlungen, mit lernfähigen Sprachmodellen. Diese Hybrid-Architekturen verbinden Verlässlichkeit mit Flexibilität.

Das bedeutet in der Praxis: Das Expertensystem versteht natürliche Sprache, interpretiert Kontext und bleibt dabei an seine Wissensbasis gebunden. Es erfindet nichts. Es interpretiert und kombiniert, was tatsächlich vorhanden ist.

Besonders relevant ist die Entwicklung hin zu Multi-Agenten-Systemen. Statt eines generalistischen KI-Agenten arbeiten spezialisierte KI-Agenten arbeitsteilig zusammen, jeder für einen klar definierten Bereich optimiert. Das erhöht die Antwortqualität und reduziert gleichzeitig den Ressourcenverbrauch pro Anfrage.

Für Unternehmen bedeutet das einen praktischen Vorteil: Expertenwissen muss nicht mehr aufwändig in Regelstrukturen überführt werden. Bestehende Dokumente werden direkt zur Wissensquelle.

Expertensysteme sind heute einsetzbar, messbar und wartbar. Sie setzen voraus, dass Wissen im Unternehmen vorhanden ist, und erschließen dieses Wissen für alle, die es brauchen. Schnell, vollständig und nachvollziehbar.

Die Frage ist nicht, ob Ihr Unternehmen von einem Expertensystem profitiert. Die Frage ist, welcher Anwendungsfall den größten Hebel hat. Komplexe Regelwerke, sicherheitskritische Prozesse, mehrsprachige Teams, regulatorische Anforderungen. Überall dort, wo Wissen vorhanden, aber schwer zugänglich ist, entfaltet ein Expertensystem seinen Wert.