Interne Wissenssuche mit KI und Quellenangaben

Kurzantwort: Eine interne KI-Suche kann Fragen über freigegebene Unternehmensdokumente beantworten und dabei Quellen nennen. Der eigentliche Aufwand liegt nicht nur im Sprachmodell, sondern in Dokumentqualität, Berechtigungen, Aktualisierung und fachlicher Verantwortung.

Typisches Problem

Wissen verteilt sich auf Dateiablagen, Wikis, Tickets, E-Mails und einzelne Personen. Klassische Suche liefert viele Treffer, aber keine zusammengeführte Antwort. Neue Mitarbeitende fragen deshalb dieselben Personen, und erfahrene Teams verbringen Zeit mit wiederkehrender Recherche.

Eine KI-Suche ist sinnvoll, wenn häufig ähnliche Fragen auftreten und die Antworten aus vorhandenen, grundsätzlich belastbaren Quellen ableitbar sind.

Zielprozess

1. Eine Person stellt eine konkrete Frage.
2. Das System prüft Identität und Zugriffsrechte.
3. Eine hybride Suche findet passende Textstellen.
4. Das Modell formuliert eine Antwort ausschließlich auf Basis dieser Quellen.
5. Dokument, Abschnitt und Aktualitätsdatum werden angezeigt.
6. Unsichere Antworten können gemeldet und fachlich geprüft werden.

Datenquellen priorisieren

Nicht jede Ablage sollte sofort indexiert werden. Ein Pilot startet mit einem klar verantworteten Bestand, beispielsweise freigegebenen Prozesshandbüchern oder technischen Richtlinien.

Gute Pilotquelle	Schwierige Startquelle
Freigegebene, versionierte Handbücher	Persönliche E-Mail-Postfächer
Aktuelle Richtlinien mit Eigentümer	Ungepflegte Sammelordner
Strukturierte FAQ und Tickets	Dokumente ohne Berechtigungskonzept
Dokumente mit klarer Gültigkeit	Widersprüchliche Altversionen

Architekturentscheidungen

Die Anwendung kann mit Cloud-Modellen, EU-Hosting oder lokaler Inferenz umgesetzt werden. Entscheidend sind Datenklasse, gewünschte Antwortqualität, Nutzerzahl, Antwortzeit und verfügbare Betriebsressourcen.

Eine vollständig lokale Lösung reduziert externe Datenübertragung, verlangt aber eigene Verantwortung für Modelle, Updates, Monitoring und Kapazität. Eine hybride Architektur kann sensible Suche lokal ausführen und unkritische Aufgaben über einen verwalteten Dienst abwickeln.

Qualitätskriterien

• Antworten enthalten überprüfbare Quellen.
• Nicht gefundene Informationen werden als solche benannt.
• Veraltete Dokumente werden nicht stillschweigend bevorzugt.
• Berechtigungen gelten bereits während der Suche.
• Fachliche Testfragen werden vor dem Rollout festgelegt.
• Feedback fließt in Dokumentpflege und Suchkonfiguration ein.

Was dieser Use Case nicht löst

RAG repariert keine schlechte Wissensorganisation. Widersprüchliche Dokumente bleiben widersprüchlich. Das Sprachmodell darf auch nicht zum unsichtbaren Entscheidungsträger für Personal-, Rechts- oder Sicherheitsfragen werden.

Sinnvoller Einstieg

Ein Pilot mit einer Abteilung, einer klaren Dokumentgruppe und 30 bis 50 realen Testfragen liefert mehr Erkenntnis als eine unternehmensweite Demo. Das Ergebnis ist eine Entscheidung über Datenpflege, Architektur, Qualität und möglichen Rollout.