Viele Unternehmen haben eine starke Datenbasis mit viel Fachwissen. Doch dessen Potenzial bleibt oft ungenutzt, weil Mitarbeitende oder Kunden nicht schnell und gezielt darauf zugreifen können.
Mit KI-basierten Wissenssystemen ermöglichen wir genau das: Direkten Zugang zu komplexem Fachwissen per Chat, Web-Interface oder App.
Die Technologie dahinter
Wir setzen auf eine Kombination aus Large Language Models (LLMs) wie GPT und dem Ansatz der Retriever-Augmented Generation (RAG). Dabei übernehmen beide Technologien unterschiedliche Rollen:
-
RAG (Retriever-Augmented Generation):
Zuerst durchsucht ein intelligenter Retriever die Unternehmenseigene Datenbank. Er filtert die Informationen vor und wählt nur die wirklich relevanten Inhalte zur Beantwortung der Nutzerfrage aus. Der große Vorteil: komplette Datenbank wird nicht an externe Systeme wie GPT übermittelt. Nur die tatsächlich benötigten Textausschnitte werden temporär weitergegeben. Das reduziert Risiken, schützt sensible Inhalte und sichert die Datenhoheit. -
LLMs (Large Language Models):
Das Sprachmodell (z.B. GPT) dient als Vermittler. Es formuliert auf Basis der gelieferten Inhalte eine verständliche, sprachlich saubere Antwort, ähnlich wie ein fachlich versierter Chatbot. Wichtig: GPT „erfindet“ keine Inhalte, es arbeitet ausschließlich mit den geprüften Daten, die wir ihm bereitstellen.
Typische Einsatzbereiche
- Interne Nutzung: Mitarbeitende erhalten schnellen Zugriff auf technisches Know-how, Richtlinien oder Prozesse, z. B. Vertriebler im Außendienst, Lehrer in Bildungseinrichtungen oder Servicekräfte im Support.
- Externe Nutzung: Kunden oder Partner können rund um die Uhr auf komplexes Fachwissen zugreifen, etwa bei Gesundheitsfragen in Apotheken oder bei Produktinformationen auf Websites.
Voraussetzungen für den Einsatz
Damit ein KI-Wissenssystem zuverlässig funktioniert, braucht es eine saubere Datenbasis. Die wichtigsten Voraussetzungen:
- Strukturierte Inhalte: Die Informationen sollten digital vorliegen, z. B. als PDF, HTML, Datenbank oder CMS-Inhalt.
- Datenaufbereitung & Tagging: Wir sorgen dafür, dass relevante Inhalte sinnvoll gekennzeichnet, gegliedert und für den Zugriff vorbereitet sind. So erhält der Nutzer nicht irgendeine, sondern die richtige Antwort.
- Quellenangabe bei kritischen Inhalten: In Bereichen wie Recht, Medizin oder Finanzen ist Transparenz essenziell. Deshalb können Antworten mit konkreten Belegen oder Originaltextstellen verlinkt werden.