Internes Wissens-Cockpit mit RAG
Viele Betriebe besitzen ihr Wissen längst — nur verteilt auf Ordner, PDFs, alte Angebote und Köpfe. Ein Wissens-Cockpit macht daraus keine Magie, aber schnellere Antworten.
Ausgangslage
Ein Maschinenservice mit 16 Mitarbeitenden hatte Handbücher, Checklisten, Wartungsberichte und Hersteller-PDFs. Neue Mitarbeitende fragten ständig erfahrene Kollegen. Im Service dauerte es zu lange, die passende Anleitung zu finden.
Umsetzung
RAG steht für Retrieval Augmented Generation: Die KI antwortet nicht frei aus dem Internet, sondern sucht zuerst in freigegebenen Dokumenten und formuliert daraus eine Antwort mit Quellen. Geeignete Bausteine kommen etwa von Elastic, MongoDB, PostgreSQL oder spezialisierten KI-Dienstleistern wie Neuritheon.
- Nur freigegebene Dokumente werden indexiert.
- Antworten zeigen Quelle und Datum.
- Berechtigungen aus Laufwerken werden übernommen oder neu definiert.
- Unklare Fragen führen zu Rückfragen statt Fantasieantworten.
Technik
| Baustein | Aufgabe | Wichtig |
|---|---|---|
| Index | Dokumente auffindbar machen | regelmäßig aktualisieren |
| Vektorsuche | ähnliche Inhalte finden | Synonyme und Fachsprache testen |
| LLM | Antwort zusammenfassen | Quellenpflicht erzwingen |
Nutzen
Service und Vertrieb fanden schneller Antworten. Der größte Gewinn lag bei wiederkehrenden Fragen: Ersatzteilhinweise, Wartungsintervalle, interne Abläufe. Auch die Einarbeitung wurde ruhiger, weil Wissen nicht nur mündlich weitergegeben wurde.
Kostenrahmen
Ein Pilot mit einigen tausend Dokumenten liegt häufig im niedrigen bis mittleren vierstelligen Bereich. Komplexe Rechte, lokale Installation und Anbindung an DMS oder SharePoint erhöhen den Aufwand. Datenschutz und Betriebsgeheimnisse sind zentral; Grundlagen finden sich beim BSI und BfDI.
Stolperfallen
- Alte falsche Dokumente werden sonst schneller falsch gefunden.
- Ohne Quellenangaben vertraut man Antworten zu leicht.
- Rechtekonzepte sind wichtiger als hübsche Chatfenster.
- Pflege braucht Verantwortliche.
Praxisablauf bei einer Servicefrage
Ein Techniker fragt: „Welche Schritte vor dem Tausch der Steuerplatine bei Modell X?“ Das Cockpit sucht passende Handbuchabschnitte, interne Notizen und frühere Serviceberichte. Die Antwort enthält eine kurze Handlungsliste und darunter die Quellen. Wenn keine verlässliche Quelle gefunden wird, sagt das System das ausdrücklich. Diese Ehrlichkeit ist wichtiger als eine elegant formulierte Vermutung.
Vor dem Start wurden Dokumente bereinigt. Alte Versionen, doppelte PDFs und private Notizen wurden entfernt oder markiert. Außerdem bekamen sensible Bereiche eigene Rechte: Einkaufspreise, Personalunterlagen und Geschäftsführungsdokumente gehören nicht in einen allgemeinen Chat. Erst mit sauberer Datenbasis wurde der Pilot geöffnet.
Erfolgsmessung
Gemessen wurde, wie oft Fragen mit belastbarer Quelle beantwortet wurden, wie viele Rückfragen an erfahrene Kollegen sanken und welche Dokumente häufig fehlen. Das Cockpit zeigte also auch Wissenslücken. Wenn zehn Nutzer nach demselben Ablauf fragen und keine gute Quelle existiert, muss der Betrieb nicht die KI verbessern, sondern den Ablauf dokumentieren.
Pflege und Verantwortung
Ein Wissens-Cockpit ist kein einmaliges Projekt. Es braucht Eigentümer pro Themenbereich, eine Routine für neue Dokumente und eine Regel für veraltete Informationen. Ohne Pflege wird die Suche zwar schneller, aber nicht besser. Mit Pflege wird sie zum praktischen Arbeitsmittel für Service, Vertrieb und Einarbeitung.
Einführungsplan in vier Wochen
Bewährt hat sich ein kurzer, kontrollierter Start statt eines großen Rollouts. In Woche eins werden Ziel, Grenzen und Verantwortliche festgelegt: Was darf die KI tun, was bleibt zwingend beim Menschen, welche Daten dürfen genutzt werden? In Woche zwei folgt ein Test mit echten, aber überschaubaren Fällen. Dabei werden nicht nur Erfolgserlebnisse gesammelt, sondern ausdrücklich Fehler gesucht. Diese Fehlerliste ist wertvoll, weil sie zeigt, welche Regeln, Vorlagen oder Daten noch fehlen.
In Woche drei arbeitet ein kleines Team im Parallelbetrieb. Die bisherige Arbeitsweise bleibt bestehen, die KI liefert zusätzlich Vorschläge. So sieht man, ob die Unterstützung wirklich Zeit spart oder nur neue Prüfaufgaben erzeugt. In Woche vier entscheidet der Betrieb anhand einfacher Kennzahlen: weniger Suchzeit, schnellere Bearbeitung, weniger Rückfragen, bessere Dokumentation oder höhere Abschlussquote. Erst wenn diese Wirkung sichtbar ist, lohnt die Ausweitung.
Rollen und Verantwortlichkeiten
Ein praktisches KMU-Projekt braucht keine große KI-Abteilung, aber klare Rollen. Eine fachliche Person definiert, was richtig ist. Eine organisatorische Person achtet auf Abläufe, Freigaben und Schulung. Eine technische Person oder ein Dienstleister kümmert sich um Schnittstellen, Zugänge und Protokollierung. Ohne diese Trennung entstehen typische Probleme: Technik baut etwas Beeindruckendes, das fachlich nicht passt; Fachleute wünschen sich etwas, das im Alltag niemand pflegt; die Geschäftsführung erwartet Automatisierung, bekommt aber nur ein weiteres Tool.
Wichtig ist außerdem eine einfache Stop-Regel: Wenn die KI unsicher ist, wenn Daten fehlen oder wenn eine Entscheidung rechtliche, finanzielle oder sicherheitsrelevante Folgen hat, muss ein Mensch übernehmen. Diese Regel klingt banal, verhindert aber viele überzogene Erwartungen.
Fazit
Ein RAG-Cockpit lohnt sich, wenn Wissen verteilt ist und oft gesucht wird. Starten Sie mit einem Bereich, z. B. Servicehandbüchern, und prüfen Sie Antwortqualität anhand echter Fragen. Passend dazu: Angebotsassistent und KI-Themen.