Assistenten, die Ihr Unternehmen kennen – nicht das halbe Internet

Wir unterscheiden zwei Einsatzfelder mit sehr unterschiedlichen Anforderungen. Der interne Wissensassistent beantwortet Fragen von Mitarbeitenden aus Handbüchern, Arbeitsanweisungen, Projektarchiven oder dem Intranet. Hier ist die Fehlertoleranz höher, weil Fachleute Antworten einordnen können – und der Nutzen oft am größten, weil Suchzeiten in gewachsenen Ablagen erheblich sind.

Der kundenseitige Chatbot auf Ihrer Website ist anspruchsvoller. Was er sagt, wirkt nach außen. Wir setzen ihn deshalb enger auf: klar abgegrenzte Themen, konservative Antwortgrenzen und eine frühe Übergabe an Ihr Team, sobald es um Preise, Zusagen oder individuelle Fälle geht.

Für viele Unternehmen ist der interne Einstieg der sinnvollere. Er liefert schnell messbaren Nutzen und schafft Erfahrung, bevor etwas nach außen geht.

Die technische Grundlage unserer Agenten ist RAG (Retrieval Augmented Generation). Vereinfacht gesagt: Bevor das Sprachmodell antwortet, sucht das System in Ihren eigenen Dokumenten nach den passenden Abschnitten und übergibt nur diese als Grundlage. Das Modell formuliert dann eine Antwort aus dem Gelesenen, statt aus seinem allgemeinen Trainingswissen zu schöpfen.

Dafür werden Ihre Dokumente in sinnvolle Abschnitte zerlegt und in einer Vektordatenbank indiziert. Das klingt technisch, entscheidet aber über die Qualität: Wie ein Handbuch zerschnitten wird, bestimmt maßgeblich, ob die richtige Passage gefunden wird. Ein großer Teil unserer Projektarbeit steckt genau hier.

Der Vorteil dieses Aufbaus ist die Belegbarkeit. Zu jeder Antwort können wir das Quelldokument und die Fundstelle mit ausgeben. Nutzer können nachprüfen, worauf die Aussage beruht – und erkennen sofort, wenn die Grundlage veraltet ist.

Sprachmodelle können plausibel klingende, aber falsche Aussagen erzeugen. RAG reduziert dieses Risiko deutlich, beseitigt es aber nicht. Wir gehen damit offen um und bauen die Systeme so, dass ein Fehler auffällt und begrenzt bleibt, statt unbemerkt zu wirken.

Konkret heißt das: Der Agent bekommt eine klare Anweisung, bei fehlender Grundlage keine Antwort zu konstruieren, sondern die Frage weiterzugeben. Themen außerhalb seines Auftrags lehnt er ab. Und wir testen vor dem Start mit einem Fragenkatalog aus Ihrem echten Alltag, einschließlich absichtlich schwieriger und tückischer Fragen.

Ein Agent wird deutlich nützlicher, wenn er nicht nur Dokumente liest, sondern auch auf strukturierte Daten zugreifen kann – etwa den Bearbeitungsstand eines Auftrags oder die Verfügbarkeit eines Artikels. Solche Zugriffe realisieren wir über API-Anbindungen an Ihre Fachsysteme, grundsätzlich lesend und mit sauberer Rechteprüfung.

Kanalseitig richten wir uns danach, wo Ihre Nutzer ohnehin sind. Intern ist das meist Microsoft Teams, extern das Chatfenster auf der Website. Beides greift auf dieselbe Wissensbasis zu, damit Sie Inhalte nur einmal pflegen.

Bei Agenten mit Kundenkontakt entstehen personenbezogene Daten, sobald jemand seinen Namen oder ein Anliegen schildert. Wir planen deshalb von Beginn an, welche Daten wie lange gespeichert werden, wer sie einsehen kann und wann sie gelöscht werden. Standardmäßig arbeiten wir mit EU-Hosting und Auftragsverarbeitungsverträgen mit den Modellanbietern.

Die KI-Verordnung der EU verlangt für Systeme, die mit Menschen interagieren, im Kern Transparenz: Nutzer müssen erkennen können, dass sie mit einer KI sprechen. Das setzen wir sichtbar um – nicht im Kleingedruckten. Die vollständige rechtliche Bewertung Ihres Einsatzszenarios gehört zu Ihrem Datenschutzbeauftragten oder Ihrer Rechtsberatung; wir liefern die technische Umsetzung und die Dokumentation dafür.

Wir starten jedes Agenten-Projekt mit einem eng begrenzten Prototyp auf einem überschaubaren Dokumentenbestand. Innerhalb von zwei bis drei Wochen lässt sich so beurteilen, ob die Antwortqualität für Ihren Anwendungsfall ausreicht – bevor größere Aufwände entstehen.

Nach der Freigabe folgt eine Testphase mit einer ausgewählten Nutzergruppe. Deren Fragen sind die wertvollste Datenquelle: Sie zeigen, welche Dokumente fehlen, wo die Indizierung nachjustiert werden muss und welche Themen der Agent besser gar nicht bedienen sollte.

Im laufenden Betrieb werten wir die Dialoge regelmäßig aus. Ein Agent ist kein fertiges Produkt, sondern ein System, das mit Ihrem Dokumentenbestand mitwächst.