Interner KI Wissensassistent für Antworten aus Ihrem Unternehmenswissen

Ein interner KI-Wissensassistent verbindet eine Frage mit passenden Inhalten aus einer festgelegten Wissensbasis. Bei einer Architektur mit Retrieval Augmented Generation, kurz RAG, werden relevante Inhalte gesucht und dem Sprachmodell für die Antwort bereitgestellt. Die Antwort kann Quellenverweise enthalten. Eine Quellenangabe ersetzt die fachliche Prüfung nicht.

Die Begriffe Unternehmens-GPT und unternehmensinterne KI werden häufig für ähnliche Anwendungen verwendet. Für die Einführung zählen die tatsächlichen Datenflüsse, Zugriffe und Qualitätsregeln. Eine Chatoberfläche allein klärt diese Fragen nicht.

Technische Grundlage: Microsoft zur Funktionsweise und zu Grenzen von RAG.

Wer ein Dokument nicht lesen darf, soll dessen Inhalte auch nicht über den Assistenten erhalten. Deshalb werden zulässige Quellen und Nutzergruppen vor der Einführung festgelegt. Die Beschränkung muss beim Informationsabruf technisch durchgesetzt und mit unterschiedlichen Rollen getestet werden. Ein allgemeiner Hinweis im Prompt reicht als Berechtigungskonzept nicht aus.

Microsoft beschreibt Ansätze zur Zugriffskontrolle auf Dokumentebene. Welche Architektur für Ihr Unternehmen passt, wird im Projekt geprüft.

1. Wissensbereich eingrenzen. Zum Beispiel eine interne Prozesssammlung mit klaren Verantwortlichen auswählen.
2. Quellen prüfen. Gültige Versionen, Rechte und Aktualisierung erfassen. Widersprüche vor der Anbindung klären.
3. Testfragen vorbereiten. Erwartete Antworten, gültige Quellen und zulässige Rollen dokumentieren.
4. Antworten und Zugriffe testen. Auch fehlendes Wissen, widersprüchliche Quellen und unzulässige Anfragen prüfen.
5. Ergebnis fachlich bewerten. Offene Fehler und Nacharbeit dokumentieren. Erst danach über Einführung oder Erweiterung entscheiden.

Die kostenlose Datencheck- und Pilotvorlage führt durch diese Vorbereitung. Sie enthält ein Quelleninventar, Kriterien und ein Testfragenblatt.

Eine fachlich verantwortliche Person bewertet, ob die Antwort richtig und durch die zugelassene Quelle gedeckt ist. Zusätzlich wird geprüft, ob der Dokumentstand stimmt und der Assistent bei fehlender Information angemessen reagiert. Fragen ohne Antwortgrundlage gehören bewusst zum Test.

Messwerte sollten jeweils mit Testmenge und Bewertungsregel dokumentiert werden. Eine kleine Testquote ist kein allgemeines Zuverlässigkeitsversprechen. Für den Betrieb braucht es außerdem Verantwortliche für Quellenpflege, Fehlermeldungen und erneute Prüfungen nach Änderungen.

Wenn Unterlagen widersprüchlich sind, niemand für ihre Aktualität verantwortlich ist oder Zugriffe nicht nachvollziehbar sind, sollten diese Punkte vor der Einführung geklärt werden. Der Datencheck hilft dabei, offene Voraussetzungen sichtbar zu machen. Ein Gesamtscore würde kritische Einzellücken verdecken, deshalb wird jedes Kriterium separat beurteilt.

Wichtige Faktoren sind Quellenaufbereitung, Schnittstellen, Berechtigungsmodell, Antwortprüfung und laufende Aktualisierung. Auch Modellnutzung, Hosting und Nutzungsvolumen beeinflussen den Betrieb. Ein Angebot braucht deshalb einen klaren Wissensbereich und die geplante Nutzung. Pauschale Preis- oder Einsparungsangaben wären ohne diese Grundlage wenig hilfreich.

Welche Fragen wiederholen sich in Ihrem Team? Wo liegen die passenden Informationen? Wer verantwortet die Quellen? Mit diesen Angaben können wir den nächsten Schritt einordnen. Die Pilotvorlage hilft Ihnen, die offenen Punkte vorzubereiten.