KI Alpha Knowledge
Wir verbinden Sprachmodelle mit freigegebenen Dokumenten und Datenquellen, damit Unternehmenswissen schnell, nachvollziehbar und berechtigungsgesteuert verfügbar wird.
In vielen Unternehmen ist wichtiges Wissen über Dateiablagen, Handbücher, Wikis, Intranets, Tickets und Fachsysteme verteilt. Mitarbeitende verbringen viel Zeit mit der Suche, kennen den richtigen Ablageort nicht oder finden mehrere widersprüchliche Versionen.
Ein RAG-System verbindet eine Such- und Retrieval-Komponente mit einem Sprachmodell. Vor einer Antwort werden passende Inhalte aus einer definierten Wissensbasis ermittelt und dem Modell als Kontext zur Verfügung gestellt.
Dadurch lassen sich Fragen in natürlicher Sprache beantworten und mit den verwendeten Quellen verknüpfen.
Grundlagen
RAG steht für Retrieval-Augmented Generation – auf Deutsch etwa „abrufgestützte Antworterzeugung“. Der Ablauf besteht vereinfacht aus vier Schritten:
Ein Nutzer stellt eine Frage in natürlicher Sprache.
Das System sucht in freigegebenen Datenquellen nach passenden Inhalten.
Relevante Textstellen werden dem Sprachmodell als Kontext zur Verfügung gestellt.
Das Modell erstellt eine Antwort und verweist auf die verwendeten Quellen.
Ausgangslage
Leistungsportfolio
Wir klären, welche Wissensbereiche einbezogen werden sollen und welche Nutzergruppen Zugriff benötigen.
Analysiert werden:
Dokumente werden extrahiert, normalisiert und in geeignete Einheiten zerlegt.
Mögliche Schritte:
Neben klassischer Volltextsuche können semantische Verfahren eingesetzt werden, die inhaltlich verwandte Textstellen erkennen.
Je nach Datenbestand kombinieren wir:
Wir wählen ein Modell und definieren, wie es mit den gefundenen Informationen arbeiten soll.
Mögliche Regeln:
Ein Wissensassistent darf keine Inhalte offenlegen, auf die der Nutzer im Ursprungssystem keinen Zugriff besitzt.
Mögliche Ansätze:
Neue, geänderte und gelöschte Inhalte müssen zuverlässig verarbeitet werden.
Mögliche Verfahren:
Wir entwickeln reale Testfragen und prüfen Suche und Antworten getrennt.
Mögliche Kriterien:
Der Wissensassistent kann auf verschiedene Weise bereitgestellt werden:
Datenquellen
Anwendungsfälle
Beantwortet Fragen zu Prozessen, Ansprechpartnern, Richtlinien und organisatorischen Abläufen.
Durchsucht Handbücher, Fehlerbeschreibungen, Serviceberichte und bekannte Lösungen.
Liefert freigegebene Produktinformationen, Angebotsbausteine, Referenzinhalte und Argumentationshilfen.
Unterstützt beim Auffinden von Verfahrensanweisungen, Prüfvorgaben und Qualitätsdokumenten.
Beantwortet freigegebene Fragen zu internen Prozessen, Onboarding und organisatorischen Regelungen.
Erleichtert die Suche in internen Vorgaben, Richtlinien und Kontrollbeschreibungen.
Qualität
Ein gutes Wissenssystem entsteht nicht dadurch, dass möglichst viele Dateien hochgeladen werden. Entscheidend ist die Qualität der Grundlagen.
Ergebnisse
FAQ
Nein. RAG stellt einem Modell bei jeder Anfrage passende Informationen zur Verfügung. Fine-Tuning verändert das Modellverhalten anhand von Trainingsbeispielen.
Ja. Antworten können mit Dokumenten, Fundstellen oder Links auf die Ursprungssysteme verbunden werden.
Das ist ein zentraler Architekturpunkt. Je nach Ursprungssystem können vorhandene Gruppen und Dokumentberechtigungen übernommen oder in getrennten Wissensbereichen abgebildet werden.
Ja. Fehler können durch falsches Retrieval, unklare Quellen oder Modellverhalten entstehen. Evaluation, Quellenanzeige und geeignete Antwortregeln reduzieren das Risiko, beseitigen es aber nicht vollständig.
Ja. Synchronisationen können zeitgesteuert oder ereignisbasiert aufgebaut werden, abhängig von den technischen Möglichkeiten der Quelle.
Weiterführend
KI Alpha Knowledge
Wir entwickeln einen Wissensassistenten, der relevante Informationen schneller auffindbar macht und Antworten mit nachvollziehbaren Quellen verbindet.