Zum Inhalt springen
KI-Wissensdatenbank

KI-Wissensdatenbank für Unternehmen

Mitarbeitende stellen Fragen in natürlicher Sprache und erhalten Antworten aus SharePoint, Dateien oder ausgewählten E-Mails. Die KI nutzt nur freigegebene Unternehmensquellen und zeigt den Link zur Originaldatei. Internes Wissen wird durchsuchbar, ohne Inhalte in öffentliche Chatbots zu übertragen.

Einordnung

Was ist eine KI-Wissensdatenbank?

Eine KI-Wissensdatenbank verbindet vorhandenes Unternehmenswissen mit einer natürlichen Frageschnittstelle. Mitarbeitende müssen nicht wissen, in welchem SharePoint-Ordner eine Information liegt. Sie stellen die Frage und erhalten eine Antwort auf Basis der angebundenen Quellen.

Im Unterschied zu einem allgemeinen Chatbot arbeitet sie mit festgelegten Datenquellen und Zugriffsrechten. SharePoint-Dokumente, Dateien oder ausgewählte interne Systeme. Statt ein zweites Wiki aufzubauen, wird vorhandenes Wissen nutzbar.

Das Problem

Das Wissen ist da. Es ist nur schwer auffindbar.

Richtlinien liegen in SharePoint, Altverträge auf dem Laufwerk, Absprachen in Postfächern. Wer neu ist oder fachfremd fragt, sucht. Wer sucht, unterbricht andere. ChatGPT mit vertraulichen Firmendaten ist in vielen Unternehmen keine Option.

01

Wissen in Silos

SharePoint, Netzlaufwerk, Wiki, E-Mail. Dieselbe Regelung steht an drei Stellen, die aktuelle oft nur an einer.

02

Öffentliche KI ist tabu

Verträge, Kundendaten und interne Preise gehören nicht in ein öffentliches Modell. Deshalb bleibt die Suche häufig manuell.

03

Suche frisst Arbeitszeit

Onboarding dauert, Support wiederholt dieselben Fragen, Fachkräfte werden zur menschlichen Suchmaschine.

Die Lösung

KI-Wissensdatenbank mit RAG

Ich binde die Quellen an, die Sie bereits nutzen: Microsoft Graph für SharePoint, Dateiablagen, ausgewählte Postfächer oder interne APIs. Ein Retrieval-Schritt findet die passenden Stellen. Das Sprachmodell formuliert die Antwort auf Basis dieser Inhalte.

Das Modell läuft in einer EU-Cloud, zum Beispiel Azure, oder lokal, wenn Daten das Haus nicht verlassen dürfen. Die Architektur bleibt modellunabhängig. OpenAI, lokale LLMs oder ein späteres Modell können ausgetauscht werden. Die Anbindung an Ihre Systeme bleibt bestehen.

Was technisch passiert

  • Quellen indexieren: SharePoint über Microsoft Graph, Dateien, bei Bedarf E-Mail
  • Suche über Embeddings und RAG, ergänzt um klassische Suchverfahren, wo sinnvoll
  • Antwort auf Basis der gefundenen Quellen, mit Link zur Originaldatei
  • Berechtigungen fließen in die Suche ein: Inhalte ohne Zugriff des Nutzers werden nicht als Quelle verwendet
  • Betrieb mit Docker, APIs und Dokumentation, die Ihr Team weiterführen kann

Ihre Unternehmensdaten werden nicht zum Training eines öffentlichen Modells verwendet. Die Anwendung wird so aufgebaut, dass Antworten auf den hinterlegten Quellen basieren. Wenn keine ausreichende Quelle gefunden wird, kann die Anwendung darauf hinweisen, statt eine unbelegte Antwort zu erzeugen.

SharePoint

KI-Wissensdatenbank für SharePoint

SharePoint muss nicht ersetzt werden. Mitarbeitende arbeiten weiter in der bekannten Umgebung. Die KI ergänzt SharePoint um eine natürliche Frageschnittstelle.

Die Anbindung läuft über Microsoft Graph. Retrieval Augmented Generation (RAG) sucht passende Stellen in den indexierten Quellen. Das Sprachmodell formuliert daraus die Antwort. Das Modell ist austauschbar: Azure in der EU oder lokal, je nach Datenrisiko.

Wenn nicht das Wissen, sondern ein wiederkehrender Ablauf das Problem ist, ist KI-Prozessautomatisierung oft der bessere Einstieg.

Praxis

Wo eine KI-Wissensdatenbank im Alltag hilft

01

KI-Wissensdatenbank für Support und Backoffice

Welche Regelung gilt für Fall X? Die Antwort kommt aus der aktuellen Richtlinie, mit Link zur Quelle. Kolleginnen und Kollegen müssen nicht mehr die interne Suchhilfe spielen.

02

KI-Wissensdatenbank für Onboarding

Neue Mitarbeitende finden Prozesse, Vorlagen und Ansprechpartner in den bestehenden Ordnern. Ohne ein zweites Wiki, das niemand pflegt.

03

KI-Wissensdatenbank für Vertrieb

Produktfakten, alte Angebote und Leistungsbeschreibungen finden, statt auf Rückfragen und Freigaben zu warten.

04

KI-Wissensmanagement in regulierten Unternehmen

Versicherung, Logistik, Audit: nachvollziehbar, welche Quelle die Antwort stützt. Kein unbelegter Text ohne Quelle.

Aus der Praxis

KI Wissenssuche für einen gewachsenen SharePoint Dokumentenbestand

In einem Projekt wurden bestehende SharePoint Inhalte über eine semantische Suche und die Gemini API zugänglich gemacht. Nutzer konnten Fragen in natürlicher Sprache stellen und direkt auf die relevanten Quelldokumente zugreifen.

Zusätzlich wurde untersucht, wie sich ähnliche und mehrfach abgelegte Inhalte im bestehenden Dokumentenbestand sichtbar machen lassen.

  1. 01 SharePoint
  2. 02 Python
  3. 03 Retrieval
  4. 04 Gemini
  5. 05 Antwort + Quellen
Fragen

Häufige Fragen zur KI-Wissensdatenbank

Kann eine KI-Wissensdatenbank mit SharePoint verbunden werden?

Ja. SharePoint binde ich über Microsoft Graph als Quelle an. Weitere Ablagen oder ausgewählte Postfächer lassen sich je nach Anwendungsfall ergänzen.

Sieht die KI Dokumente, auf die jemand keinen Zugriff hat?

Die Suche berücksichtigt vorhandene Berechtigungen. Inhalte ohne Zugriff des Nutzers werden nicht als Antwortquelle verwendet, sofern Retrieval und Rechteprüfung entsprechend umgesetzt sind.

Werden Unternehmensdokumente zum Training eines öffentlichen Modells verwendet?

Nein. Die Architektur wird so gewählt, dass Unternehmensdaten in der vorgesehenen Umgebung bleiben, zum Beispiel in einer EU-Cloud oder lokal.

Funktioniert eine KI-Wissensdatenbank auch lokal?

Ja. Je nach Datenrisiko können Modell und weitere Komponenten in Azure in der EU oder in Ihrer eigenen Infrastruktur betrieben werden.

Was passiert, wenn keine passende Information gefunden wird?

Die Anwendung lässt sich so konfigurieren, dass sie keine unbelegte Antwort erzeugt, wenn die verfügbaren Quellen nicht ausreichen. Stattdessen erhält der Nutzer einen klaren Hinweis.

In 15 Minuten klären, ob Ihre Quellen reichen

Welche Ablage, welches Datenrisiko, lokal oder Cloud. Unverbindlich. Danach ist klar, ob ein Erstgespräch zum Setup sinnvoll ist.