KI Wissenssysteme
KI Wissenssuche für gewachsene SharePoint Dokumentation
Ein über Jahre gewachsener Dokumentenbestand wurde semantisch durchsuchbar gemacht. Mitarbeiter konnten Fragen in natürlicher Sprache stellen und erhielten passende Antworten mit nachvollziehbaren Quellen.
- Bereich
- KI Wissenssysteme
- Technologien
- SharePoint, Python, Gemini API, semantische Suche
- Projektart
- Prototyp und technische Umsetzung
Ausgangssituation
-
01
Über mehrere Jahre hatten verschiedene Teams Betriebsdokumentationen, Prozessbeschreibungen, technische Unterlagen und weiteres internes Wissen in SharePoint abgelegt.
-
02
Die Informationen waren grundsätzlich vorhanden. Die Ablagestrukturen waren jedoch historisch gewachsen und dadurch nicht immer leicht nachvollziehbar.
-
03
Mitarbeiter mussten häufig bereits wissen, in welchem Bereich oder Ordner sie suchen mussten. Ähnliche Inhalte lagen teilweise an mehreren Stellen. Neue Teammitglieder waren stärker auf erfahrene Kollegen angewiesen, um relevante Dokumentationen überhaupt zu finden.
-
04
Zusätzlich war schwer erkennbar, welche Inhalte mehrfach vorhanden waren oder über verschiedene Ablagebereiche verteilt lagen.
Ziel
Die vorhandenen Dokumente sollten nicht in ein neues System übertragen werden. SharePoint sollte weiterhin die zentrale Ablage bleiben.
Gesucht wurde eine Möglichkeit, den vorhandenen Wissensbestand über natürliche Sprache zugänglich zu machen.
Typische Fragen sollten beispielsweise sein:
- Wo finde ich die Betriebsdokumentation für System X?
- Welche Unterlagen existieren zu Prozess Y?
- Welche Dokumente behandeln einen ähnlichen Sachverhalt?
- Wo liegen möglicherweise doppelte oder redundante Inhalte?
- Welche Dokumente sind für dieses Thema besonders relevant?
Wichtig war dabei, dass Antworten nicht isoliert durch ein Sprachmodell erzeugt werden. Die zugrunde liegenden Quellen sollten jederzeit nachvollziehbar bleiben.
Architektur
- 01 SharePoint
- 02 Dokumentenimport mit Python
- 03 Text und Metadaten extrahieren
- 04 Inhalte aufbereiten und indexieren
- 05 Semantische Suche und Retrieval
- 06 Gemini API
- 07 Antwort mit Quellen
SharePoint blieb das führende Dokumentensystem.
Ein Python Dienst übernahm das Einlesen und Aufbereiten der relevanten Inhalte. Zu einer Benutzerfrage wurden passende Dokumentstellen ermittelt und anschließend gemeinsam mit der Frage an das Sprachmodell übergeben.
Für die KI Verarbeitung wurde die bereits vorhandene und freigegebene Gemini API eingesetzt.
Die Architektur wurde bewusst so aufgebaut, dass das Sprachmodell austauschbar bleibt. Je nach Infrastruktur und Datenschutzanforderungen könnte beispielsweise auch ein lokal betriebenes Modell über Ollama angebunden werden.
Umsetzung
Im Projekt wurden unter anderem folgende Bestandteile umgesetzt:
SharePoint Anbindung
Relevante Dokumente und Metadaten wurden aus bestehenden Ablagestrukturen übernommen.
Dokumentenaufbereitung
Größere Inhalte wurden verarbeitet und für die spätere Suche in geeignete Abschnitte aufgeteilt.
Semantische Suche
Passende Inhalte wurden nicht ausschließlich über Dateinamen oder Schlagwörter gefunden, sondern anhand ihrer inhaltlichen Bedeutung.
Gemini Integration
Die gefundenen Informationen wurden als Kontext für die Beantwortung der Benutzerfragen verwendet.
Quellenreferenzierung
Antworten wurden gemeinsam mit den zugrunde liegenden Dokumenten ausgegeben.
Analyse des Dokumentenbestands
Zusätzlich wurden erste Ansätze genutzt, um ähnliche oder möglicherweise redundant abgelegte Inhalte sichtbar zu machen.
Ergebnis
Die Suche nach internem Wissen konnte deutlich vereinfacht werden.
Schnellere Recherche
Mitarbeiter mussten nicht mehr mehrere SharePoint Bereiche und Ordnerstrukturen manuell durchsuchen.
Nachvollziehbare Antworten
Zu den erzeugten Antworten wurden die relevanten Quellen angezeigt. Informationen konnten dadurch unmittelbar überprüft werden.
Weniger Abhängigkeit von Ablagewissen
Die Nutzer mussten nicht mehr genau wissen, wo eine Information ursprünglich gespeichert wurde.
Mehr Transparenz
Thematisch ähnliche oder verstreute Inhalte wurden leichter sichtbar und konnten als Grundlage für spätere Bereinigungen genutzt werden.
Vorher und Nachher
Suche über Ordner und Ablagestrukturen
Suche über natürliche Sprache
Ablageort muss ungefähr bekannt sein
Inhalt entscheidet über Relevanz
Mehrere Dokumente manuell prüfen
Antwort mit passenden Quellen
Verteilte Inhalte schwer erkennbar
Thematisch ähnliche Inhalte sichtbar
Wissen hängt teilweise an erfahrenen Mitarbeitern
Dokumentiertes Wissen wird leichter zugänglich
Warum diese Lösung
- Für das Projekt wurde bewusst keine zusätzliche KI Plattform eingeführt.
- Da die Gemini API bereits vorhanden und organisatorisch freigegeben war, konnte die bestehende Infrastruktur genutzt werden.
- Gleichzeitig wurde die Lösung nicht fest an einen einzelnen Anbieter gekoppelt. Das Sprachmodell bleibt ein austauschbarer Bestandteil der Architektur.
- Damit kann dieselbe grundlegende Lösung je nach Rahmenbedingungen mit einer Cloud API oder einem lokal betriebenen Modell umgesetzt werden.
Ausbaupotenzial
Auf der bestehenden Architektur lassen sich weitere Funktionen aufbauen.
Berechtigungssensitive Suche
Vorhandene SharePoint Berechtigungen können auch bei der Wissenssuche berücksichtigt werden.
Erkennung redundanter Inhalte
Ähnliche oder mehrfach gepflegte Dokumentationen können systematisch identifiziert werden.
Erkennung veralteter Informationen
Metadaten, Versionen und inhaltliche Überschneidungen können Hinweise auf veraltete Dokumente liefern.
Wissenslücken erkennen
Wiederkehrende Fragen ohne ausreichende Dokumentationsgrundlage können sichtbar gemacht werden.
Weitere Datenquellen anbinden
Neben SharePoint können beispielsweise Wikis, Ticketsysteme oder andere interne Wissensquellen ergänzt werden.
Ähnlicher Anwendungsfall?
Wenn vorhandenes Wissen zwar dokumentiert ist, Mitarbeiter es aber nur schwer finden oder die gewachsenen Ablagestrukturen zunehmend unübersichtlich werden, kann eine KI gestützte Wissenssuche ein sinnvoller Ansatz sein.