Was bedeutet KI mit Unternehmenswissen?
Ein KI-Wissenssystem sucht zu einer Frage passende Stellen in freigegebenen Unternehmensdokumenten und gibt sie einem Sprachmodell als Kontext. Dieses Vorgehen heißt Retrieval-Augmented Generation, kurz RAG. Die Anwendung kann Antworten mit Quellen verbinden; deren Richtigkeit muss dennoch geprüft werden.
Welche Aufgaben eignen sich?
- Interne Fragen zu freigegebenen Abläufen und Handbüchern beantworten.
- Antwortentwürfe auf Basis aktueller Leistungsbeschreibungen vorbereiten.
- Neue Mitarbeitende beim Auffinden relevanter Informationen unterstützen.
- Mehrere Dokumente durchsuchen und passende Fundstellen zusammenstellen.
Welche Dokumente gehören in das Wissenssystem?
Wir beginnen mit einem überschaubaren, gepflegten Bestand. Für jede Quelle sollte klar sein, wer sie verantwortet, für wen sie freigegeben ist und welche Version gilt. Dubletten, veraltete Angebote und widersprüchliche Anleitungen werden vorab geklärt.
Gemeinsam prüfen wir, welche Dokumente durchsuchbar sind und wie Änderungen übernommen werden. Eine gute Suche ersetzt keine redaktionelle Pflege: Wenn die Quelle falsch ist, kann auch eine plausibel formulierte Antwort falsch sein.
Zugriffsrechte und Quellen nachvollziehbar machen
Berechtigungen müssen bereits bei der Suche berücksichtigt werden. Mitarbeitende sollen nur Informationen erhalten, auf die sie auch im zugrunde liegenden System zugreifen dürfen. Für sensible Bereiche werden Datenquellen und Zugänge getrennt geplant.
Quellenhinweise helfen, die Grundlage einer Antwort zu prüfen. Wir testen deshalb nicht nur die Formulierung, sondern auch die gefundenen Fundstellen. Inhalte aus Dokumenten werden als Daten behandelt und dürfen keine Anwendungsrechte oder Systemregeln ändern.
RAG, Modelltraining oder eine bessere Suche?
Für häufig wechselndes Unternehmenswissen ist die Suche in aktuellen Quellen oft der passendere Ausgangspunkt als ein eigenes Modelltraining. Ob überhaupt ein Sprachmodell benötigt wird, hängt von Ihrer Aufgabe ab. Manchmal reicht eine gut strukturierte Suche.
In einem Pilot vergleichen wir Antworten mit Ihrer fachlichen Einschätzung. Wir prüfen bekannte Fragen, fehlende Informationen und Zugriffsbeschränkungen. Betriebskosten, Antwortzeit und Pflegeaufwand gehören ebenso zur Entscheidung wie die Qualität der Ergebnisse.
Ihr Projekt mit SJP Connect aus Frankfurt
Wir besprechen Ihren aktuellen Prozess, prüfen Daten und Schnittstellen und grenzen einen ersten Pilot ab. Nach den Tests folgen die Übergabe und eine Einführung für Ihr Team. Stjepan Anusic, Philip Schäfer und Jakob Dickhardt verbinden Geschäftsverständnis, Nutzerperspektive und technische Umsetzung.
Jakob Dickhardt und das Gründerteam kennenlernen · KI-Automatisierung in Frankfurt am Main
Technische Grundlagen
Die verlinkten Dokumentationen erläutern die zugrunde liegenden Funktionen. Die Beispiele und das Vorgehen auf dieser Seite beschreiben unsere Projektplanung.
Weiterlesen für Ihre Planung
- KI im Architekturbüro: Projektkommunikation strukturieren
- Was kostet KI-Automatisierung für ein Unternehmen?