KI-Wissensdatenbank für Mitarbeiter: Antworten aus Dokumenten

  • Startseite
  • KI-Wissensdatenbank für Mitarbeiter: Antworten aus Dokumenten
KI-Wissensdatenbank für Mitarbeiter: Antworten aus Dokumenten

Eine KI-Wissensdatenbank ist eine interne Suche. Mitarbeiter stellen ihre Frage in eigenen Worten, und das System antwortet auf Basis der firmeneigenen Abläufe, Verträge und Anleitungen. Dabei zeigt es sofort, aus welchem Dokument die Antwort stammt.

Statt einer Liste von Dateien, die man durchsuchen muss, gibt es eine fertige Antwort mit Verweis auf die konkrete Textstelle. Das Problem dahinter kennt wohl jedes Unternehmen: Das Wissen liegt im Intranet, auf Netzlaufwerken und in den Postfächern einzelner Kollegen. Und die Leute fragen lieber den Kollegen am Nachbartisch, als selbst zu suchen. Im Folgenden zeigen wir, wie eine gute Einführung aussieht, was Sie den Anbieter fragen sollten und womit Sie anfangen.

Was unterscheidet eine KI-Wissensdatenbank von einer normalen Intranet-Suche?

Eine klassische Suche gleicht Wörter ab. Eine KI-Wissensdatenbank versteht, wonach Sie fragen, und setzt die Antwort aus Dokumentfragmenten zusammen. Dahinter steckt semantische Suche, die laut der Dokumentation zur Retrieval API von OpenAI passende Ergebnisse auch dann findet, wenn diese kaum Wörter mit der Anfrage gemeinsam haben. Die Grundlage ist das Embedding, also die Darstellung der Bedeutung eines Textes als Zahlenfolge. Es wird in einem Vektorindex gespeichert, und der erlaubt es, Inhalte nach ihrem Sinn statt nach Buchstaben zu vergleichen.

Ein Beispiel direkt aus dem Büroalltag. Jemand fragt nach der Spesenerstattung, die Richtlinie spricht aber nur von der Reisekostenabrechnung. Eine Dokumentensuche, die auf Schlüsselwörtern basiert, bringt das nicht zusammen. Ein semantisches Modell schon. Wen die technische Seite interessiert, dem empfehle ich einen eigenen Beitrag darüber, wie die RAG-Architektur funktioniert.

So läuft die Einführung von RAG im Unternehmen Schritt für Schritt

Die Einführung von RAG im Unternehmen beginnt mit den Dokumenten und einem einzigen Team. Nicht mit der Wahl des Sprachmodells. Das Modell lässt sich jederzeit austauschen, Unordnung in den Quellen landet dagegen direkt in den Antworten (daran ändert auch das beste Modell nichts). Der typische Ablauf:

  1. Bestandsaufnahme der Quellen - Intranet, Abläufe, Verträge, Arbeitsanweisungen, Regelwerke.
  2. Ordnung und Verantwortliche für Inhalte - jede Dokumentensammlung hat eine Person, die für ihre Aktualität zuständig ist.
  3. Aufteilung in Fragmente und Indexierung - Dokumente werden in logische Abschnitte zerlegt, die das System später in der Antwort benennen kann.
  4. Abbildung der Berechtigungen - es wird nachgebildet, wer heute Zugriff auf welche Dateien hat.
  5. Pilotphase - eine Gruppe von Mitarbeitern stellt echte Fragen, und das Team sammelt sie zusammen mit einer Bewertung der Antworten.
  6. Nachbesserung und Ausweitung - nach der Feinabstimmung kommen weitere Abteilungen hinzu.

Zur Feinabstimmung gehören unter anderem das Umschreiben von Anfragen, also die automatische Umwandlung einer locker formulierten Frage in eine knappe Suchphrase, und Relevanzschwellen, die Fragmente aussortieren, die zu schwach zur Frage passen. So bauen wir eine Wissensdatenbank auf Firmendokumenten: zuerst Quellen und Pilotphase, die Skalierung danach.

Zugriffsrechte auf Dokumente: Wer sieht welche Antwort

Hier gibt es keinen Spielraum für Kompromisse. Das System muss die Dokumente nach den Berechtigungen des Nutzers filtern, bevor es eine Antwort erzeugt. Sonst fasst der Assistent einen Vertrag für jemanden zusammen, der ihn gar nicht kennen dürfte. Bewährt hat sich das Filtern nach Dokumentattributen (Abteilung, Datum, Dateityp), und zwar noch vor der semantischen Suche. Die einfache Regel: Das Modell kann nichts zusammenfassen, was es nie gesehen hat.

Aktuelle Inhalte und Quellenangaben, oder woher Mitarbeiter wissen, dass die Antwort stimmt

Jede Antwort soll das Dokument und die Textstelle nennen, aus der sie stammt. Und der Index muss mit Änderungen an den Abläufen Schritt halten. Wer die Quelle mit einem Klick öffnen kann, prüft den Inhalt selbst und fasst schneller Vertrauen in das Werkzeug. Deshalb braucht ein KI-Assistent für Abläufe und Anleitungen eine automatische Synchronisation mit Intranet und Laufwerken sowie einen Mechanismus, der alte Dateiversionen zurückzieht.

Der zweite Punkt ist meiner Meinung nach genauso wichtig: Was macht das System, wenn es die Antwort nicht kennt? Steht sie nicht in den Dokumenten, soll es das offen sagen. Ohne Raten aus dem allgemeinen Wissen des Modells. Typische Pannen dieser Art, von Halluzinationen bis zum Zitieren veralteter Versionen, beschreiben wir im Beitrag über die häufigsten Fehler von Chatbots auf Dokumentenbasis.

Welche Fragen sollten Sie dem Anbieter einer KI-Wissensdatenbank stellen?

Ein guter Anbieter antwortet konkret, wenn Sie nach Berechtigungen, Aktualisierung, Quellen und Speicherort der Daten fragen. Sie überlegen, wie Sie den Anbieter für eine KI-Wissensdatenbank auswählen? Gehen Sie mit ihm diese Liste durch:

  • Woher bezieht das System die Dokumente und wie oft aktualisiert es sie?
  • Wie bildet es die Berechtigungen ab, die Mitarbeiter heute haben?
  • Enthält jede Antwort einen Link zum Quelldokument?
  • Wo werden die Daten gespeichert und wer hat Zugriff darauf?
  • Wie wird die Qualität der Antworten in der Pilotphase gemessen?
  • Was passiert mit dem Index, wenn ein Dokument gelöscht wird?

Ein Warnsignal? Versprechen fertiger Ergebnisse ohne Pilotphase mit Ihren Dokumenten. Und ausweichende Antworten zum Thema Berechtigungen. Genau das sind die zwei Bereiche, in denen ein Fehler am meisten kostet.

Womit anfangen: fertiges Produkt oder Lösung nach Maß

Bei typischen Dokumenten reicht eine fertige Plattform völlig aus. Bei ungewöhnlichen Quellen und komplexen Berechtigungen schneidet eine maßgeschneiderte Lösung besser ab. Eine fertige RAG-Plattform ist zum Beispiel unser Ragable, das man nutzt, ohne ein System von Grund auf zu bauen. Ein eigener Chatbot auf Firmendokumenten für Mitarbeiter lohnt sich dann, wenn das Wissen in mehreren Systemen steckt und der Zugriff darauf von vielen Rollen abhängt.

So oder so ist der erste Schritt derselbe. Eine Abteilung, ein Dokumentensatz und eine Liste der Fragen, die Mitarbeiter am häufigsten stellen. Dieses Material zeigt dem Anbieter den tatsächlichen Bedarf und gibt Ihnen einen Maßstab, an dem Sie die Pilotphase messen.

Kurz gesagt: Eine KI-Wissensdatenbank funktioniert gut, wenn sie geordnete Quellen, sauber abgebildete Berechtigungen und Quellenangaben bei jeder Antwort hat. Die Wahl des Modells ist zweitrangig. Web Systems, ein Softwarehaus aus Łódź, plant und setzt solche Systeme um, von der Bestandsaufnahme der Dokumente bis zur Ausweitung auf weitere Abteilungen. Sie möchten prüfen, wie eine solche Datenbank bei Ihnen funktionieren würde? Sehen Sie sich an, wie wir Wissensdatenbanken auf Firmendokumenten aufbauen, und vereinbaren Sie eine kostenlose Beratung.

Häufige Fragen

Kann eine KI-Wissensdatenbank Dokumente aus dem Intranet und von Netzlaufwerken nutzen?

Ja. Das System verbindet sich mit Quellen wie dem Intranet oder Netzlaufwerken und synchronisiert deren Inhalt regelmäßig. Neue Versionen von Abläufen landen so im Index, ohne dass jemand Dateien manuell verschieben muss.

Sieht ein Mitarbeiter Dokumente, auf die er keinen Zugriff hat?

Nein, sofern die Lösung die Ergebnisse vor dem Erzeugen der Antwort nach Berechtigungen filtert. Der Assistent nutzt dann nur Fragmente, die die jeweilige Person auch selbst öffnen könnte. In der Praxis lohnt es sich, das in der Pilotphase mit Konten verschiedener Rollen zu prüfen.

Wie lange dauert die Einführung von RAG im Unternehmen?

Das hängt von der Zahl der Quellen, dem Zustand der Dokumente und davon ab, wie komplex die Berechtigungen sind. Am schnellsten startet eine Pilotphase in einer Abteilung mit einem begrenzten Satz von Dateien. Der Rest kommt schrittweise hinzu, sobald sich die Qualität der Antworten an echten Fragen der Mitarbeiter bestätigt.

Kostenlose Beratung buchen

Geben Sie Ihre Telefonnummer an oder vereinbaren Sie einen Termin