KI-Wissensdatenbank aufbauen: Quellen zuerst ordnen

Eine KI-Wissensdatenbank verbindet einen gepflegten Informationsbestand mit einem Weg, über den ein Assistent passende Inhalte abruft. Eine RAG-Wissensdatenbank stützt eine erzeugte Antwort auf abgerufene Textstellen. Maßgeblich bleibt der Quellenbestand; die Formulierung des Modells ersetzt weder die verantwortliche Person noch die Version oder die Berechtigungsregeln.

Halten Sie drei Ebenen auseinander: die ursprüngliche Wissensquelle, die durchsuchbare Abbildung und die Antwort, die eine Person zu sehen bekommt. Eine Änderung an der Quelle muss zu einer beobachtbaren Aktualisierung oder Entfernung in der Suchebene führen. Eine Quellenangabe sollte eine berechtigte Person zu dem Inhalt führen, der die Aussage stützt. Ein bloß angezeigter Link belegt noch nicht, dass die Antwort richtig ist.

Eine interne Wissensdatenbank unterscheidet sich außerdem von der Wissensbasis eines öffentlichen Chatbots. Interne Arbeitsanweisungen, Kundendaten und öffentliche Öffnungszeiten richten sich an unterschiedliche Zielgruppen. Legen Sie die Zielgruppe fest, bevor Sie Quellen auswählen oder eine Gesprächsoberfläche ergänzen. Die Seite zum internen Wissensassistenten behandelt diese Leistungsentscheidung, der Leitfaden zur Pflege der Chatbot-Wissensbasis die Quellen für den Kundenkontakt.

Sammeln Sie häufige Fragen aus Service, Einarbeitung oder interner Zusammenarbeit. Halten Sie zunächst die Formulierungen der Nutzer fest. „Wo steht das Rückgabeformular?“ ist eine andere Aufgabe als „Darf ich eine Rückgabe nach Ablauf der Frist genehmigen?“ Die zweite Frage benötigt Regeln und Entscheidungskompetenz.

Ordnen Sie jeder Frage die heute verwendete Quelle zu. Fehlt eine Quelle, markieren Sie eine Wissenslücke. Widersprechen sich zwei Quellen, markieren Sie einen Konflikt. Beide Befunde benötigen fachliche Arbeit, bevor eine KI daraus eine verlässliche Antwort bilden kann.

Eine erste Liste muss nicht sämtliche Unternehmensprozesse abdecken. Wählen Sie einen Bereich, in dem die Informationen bereits weitgehend vorhanden und die Verantwortlichen erreichbar sind. So können Sie den Pflegeprozess prüfen, bevor mehrere Abteilungen voneinander abhängige Inhalte beisteuern.

Das Register beschreibt die Wissensobjekte und ihre Verantwortung. Es kann anfangs eine einfache Tabelle sein. Die Tabelle ist dann ein Organisationswerkzeug, nicht automatisch die spätere technische Wissensdatenbank.

Ein Eintrag im Quellenregister kann die folgenden Merkmale enthalten, hier mit einem vorgeschlagenen Beispiel:

Die Werte sind ein synthetisches Beispiel. Verwenden Sie die tatsächlichen Rollen und Regeln Ihres Betriebs. Unbekannte Zuständigkeiten sollten sichtbar bleiben, statt durch den Namen der Person ersetzt zu werden, die zufällig die Datei hochgeladen hat.

Ein formeller Prozess kann eine kurze verständliche Zusammenfassung benötigen. Beide Dokumente haben unterschiedliche Aufgaben. Kennzeichnen Sie, welche Fassung verbindlich ist und welche lediglich erklärt. Wenn die Zusammenfassung einen Sonderfall auslässt, darf sie nicht als alleinige Entscheidungsgrundlage dienen.

Definieren Sie eine fachliche Rangfolge nur dort, wo sie tatsächlich gilt. Beispielsweise kann eine genehmigte Richtlinie Vorrang vor einer informellen Teamnotiz haben. Diese Regel muss die zuständige Fachstelle bestätigen; ein Assistent sollte sie nicht aus Dateinamen oder Dokumentlänge erraten.

Bei mehreren Standorten ist der Geltungsbereich wichtiger als die Sprache. Eine deutschsprachige Seite kann für Österreich, Deutschland oder die Schweiz gelten. Eine englische Übersetzung kann denselben Bereich betreffen, ohne eine zusätzliche internationale Freigabe zu schaffen.

Suchen Sie nach identischen Dateien, kopierten Abschnitten und mehreren Seiten zum selben Prozess. Entscheiden Sie, welche Quelle künftig gepflegt wird. Andere Fundstellen können auf diese Quelle verweisen oder als historische Fassungen erkennbar bleiben.

Löschen Sie nicht jede ältere Version pauschal. Für die Frage, welche Regel zu einem früheren Zeitpunkt galt, kann sie benötigt werden. Die aktive Suche muss jedoch unterscheiden können, ob nach dem heutigen Ablauf oder einer historischen Entscheidung gefragt wird.

Eine Umbenennung ist keine neue fachliche Version. Eine geänderte Ausnahme kann dagegen eine wesentliche neue Fassung sein, selbst wenn der Dateiname gleich bleibt. Stabile Identitäten und Änderungsnotizen helfen, diese Unterschiede später in der Suche und im Prüfprotokoll zu erhalten.

Seitenaufbau. Eine gute Wissensseite beantwortet eine klar benannte Aufgabe. Sie nennt Voraussetzungen, Schritte, Ausnahmen und den Ansprechpartner für ungeklärte Fälle. Überschriften sollten den Inhalt beschreiben und nicht nur „Allgemeines“ oder „Sonstiges“ heißen.

Begriffe. Erklären Sie interne Abkürzungen einmal und führen Sie gebräuchliche Synonyme in einem Glossar. Produktnummern und exakte Systemnamen müssen erhalten bleiben. Wenn alles in freie Alltagssprache umgeschrieben wird, kann gerade die präzise Suche schlechter werden.

Tabellen und Scans. Tabellen benötigen eindeutige Spaltenüberschriften und Einheiten. Eine Zahl ohne Währung, Zeitraum oder Bezug ist für Menschen und Modelle riskant. Bei gescannten Unterlagen prüfen Sie den extrahierten Text, bevor Sie annehmen, der Assistent könne dieselbe Struktur erkennen wie ein Mensch auf der PDF-Seite.

Dokumentarten. Zwingen Sie nicht jede Quelle in dasselbe Seitenformat. Ein kurzes Kontaktverzeichnis und eine ausführliche Arbeitsanweisung haben unterschiedliche Informationsbedürfnisse. Einheitlichkeit soll Lesenden helfen, Verbindlichkeit und Geltungsbereich zu erkennen, und zugleich jeder Dokumentart erlauben, ihren Inhalt klar darzustellen.

Wählen Sie zunächst nach Pflege, Freigabe und Zugriff. Ein bereits genutztes Wiki oder Dokumentensystem kann ausreichend sein, wenn Eigentümer, Versionen und Rechte zuverlässig abgebildet werden. Ein neues Werkzeug ist dann sinnvoll, wenn eine konkrete notwendige Fähigkeit fehlt.

Die folgende Tabelle vergleicht Werkzeugtypen für die Pflege einer Wissenssammlung und nennt, was jeweils vorher zu prüfen ist.

Atlassian dokumentiert beispielsweise Inhaltsverantwortung und in bestimmten Confluence-Tarifen Verwaltungsfunktionen zum Bereinigen größerer Bestände. Verfügbarkeit und Tarif gehören zur konkreten Auswahlprüfung. Das Vorhandensein einer Funktion beweist noch nicht, dass sie im Team regelmäßig genutzt wird. Atlassian: Inhaltsverwaltung.

Ein einfacher Ablauf kann aus Entwurf, fachlicher Prüfung, Freigabe und späterer Überprüfung bestehen. Entscheidend ist, wer einen Zustandswechsel auslösen darf. Eine automatische Importpipeline sollte aus einem Entwurf nicht allein deshalb eine verbindliche Quelle machen, weil sie die Datei lesen kann.

Legen Sie fest, welche Änderungen eine neue Fachprüfung benötigen. Eine korrigierte Schreibweise ist anders zu behandeln als eine geänderte Frist oder Berechtigung. Für dringende Korrekturen braucht es einen schnellen Weg, eine falsche aktive Quelle zu sperren und durch eine geprüfte Fassung zu ersetzen.

Wenn die verantwortliche Person die Rolle verlässt, muss die Verantwortung übergehen. Ein Kalendertermin ohne zuständigen Empfänger verhindert keine Veralterung. Atlassian dokumentiert die Übertragung der Inhaltsverantwortung als konkrete Produktfunktion; die organisatorische Übergabe bleibt Aufgabe des Unternehmens.

Ordnen Sie jedem Wissensobjekt die zulässige Zielgruppe zu. Öffentliches Produktwissen, internes Prozesswissen und vertrauliche Personalinformationen sollten nicht ohne Unterscheidung in denselben Antwortbestand gelangen. Ob sie technisch getrennt gespeichert oder konsequent gefiltert werden, ist eine Architekturentscheidung.

Prüfen Sie auch versehentlich zu weit geöffnete Quellen. Ein Assistent, der bestehende Rechte korrekt übernimmt, kann solche Inhalte schneller auffindbar machen. Microsoft weist bei Microsoft 365 Copilot auf die vorhandenen Nutzerberechtigungen hin; das ersetzt keine Bereinigung des Ausgangsbestands. Microsoft: Daten und Sicherheit.

Der spätere RAG-Zugriff benötigt die Rechte der fragenden Person oder eine gleichwertige geprüfte Zugriffskontrolle. Ein einziges breit berechtigtes Importkonto ist nicht automatisch eine zulässige Grundlage für Antworten an alle Beschäftigten.

Ein erfundenes Serviceteam besitzt drei Rückgabeanleitungen: eine alte PDF-Datei, eine aktuelle Wiki-Seite und eine E-Mail mit einer Sonderregel. Die Mitarbeitenden finden je nach Suchbegriff unterschiedliche Antworten. Eine KI würde dieses Problem zunächst übernehmen.

Die Fachverantwortliche entscheidet, dass die Wiki-Seite die verbindliche aktuelle Quelle wird. Die Sonderregel wird dort geprüft eingearbeitet, die PDF-Fassung als historisch gekennzeichnet und die E-Mail nicht als eigenständige allgemeine Regel importiert. Einträge im Register dokumentieren Geltungsbereich und Freigabe.

Anschließend werden drei Fragen geprüft: der normale aktuelle Fall, der Sonderfall und eine historische Rückgabe. Erst wenn die Quellenlage eindeutig ist, wird die Antwortbildung bewertet. Dieser Ablauf zeigt, warum Datenbereinigung keine Nebenarbeit nach der technischen Installation ist.

Übernehmen Sie zuerst einen repräsentativen Ausschnitt mit unterschiedlichen Dokumenttypen und Rechten. Vergleichen Sie Original und importierte Darstellung. Stimmen Tabellen, Links und Abschnitte? Bleiben Version und Verantwortlicher erhalten? Erkennt das System später eine Löschung?

Prüfen Sie mit Personen, die den Prozess kennen, und mit Personen, die ihn neu lernen. Fachkundige können falsche Aussagen entdecken; neue Nutzer zeigen unklare Begriffe und fehlende Zwischenschritte. Beide Perspektiven werden benötigt.

Ein Pilot ist dann nützlich, wenn er konkrete Entscheidungen ermöglicht: welche Quellen zugelassen werden, welche Inhalte überarbeitet werden müssen und welche Funktionen tatsächlich fehlen. Eine bloße Zahl importierter Dateien beantwortet diese Fragen nicht.

Angenommen, ein erfundenes Serviceteam hat eine freigegebene Installations-Checkliste, einen veralteten Entwurf und ein zugriffsbeschränktes Einkaufsdokument. Der geplante Assistent hilft Mitarbeitenden, die aktuelle Checkliste zu finden. Die folgenden Punkte sind vorgeschlagene Tests, keine Ergebnisse eines produktiven Systems.

Halten Sie Quellenkennung, Version, Testidentität, Aktualisierungszeitpunkt, Frage und beobachtete Antwort fest. Legen Sie eine maximal akzeptable Aktualisierungsverzögerung fest und einen Weg, irreführende Inhalte sofort zurückzuziehen. Welche Verzögerung angemessen ist, hängt von den Folgen veralteter Informationen ab; sie ist keine allgemeingültige KI-Einstellung.

Bei SharePoint-Quellen geht es mit der Entscheidung zwischen nativer Wissensdatenbank und RAG samt Berechtigungen weiter. Für eine umfassendere Qualitätsprüfung nutzen Sie die Abnahmetests für Wissensassistenten.

Eine Wissensdatenbank sollte auch dann verständlich bleiben, wenn die Suchtechnik oder der Anbieter wechselt. Prüfen Sie deshalb einen kleinen Export: Sind Texte, Tabellen, Anhänge, interne Links und Versionsinformationen noch sinnvoll nutzbar? Können Verantwortliche und Geltungsbereiche mitgenommen werden oder existieren sie nur in der Oberfläche eines Produkts?

Ein Export sämtlicher Dateien genügt nicht, wenn die Beziehungen zwischen ihnen verloren gehen. Eine Anleitung, deren Ausnahme auf eine nicht mehr erreichbare Unterseite verweist, ist fachlich unvollständig. Testen Sie deshalb einen zusammenhängenden Prozess einschließlich seiner Anhänge und prüfen Sie die wichtigsten Fragen nach dem Export erneut.

Klären Sie außerdem, welche Informationen bewusst nicht exportiert werden sollen, etwa vertrauliche Kommentare oder Bearbeitungsnotizen. Datenportabilität ist kein Auftrag, alle Inhalte an jeden neuen Dienst zu übertragen. Der freigegebene Bestand, seine Rechte und die zulässigen Empfänger bleiben auch bei einer Migration maßgeblich. Nutzen Sie diese Prüfung als konkrete Entscheidungsgrundlage für einen späteren Werkzeugwechsel, statt sich auf die allgemeine Zusage zu verlassen, dass sich Daten herunterladen lassen.

Beobachten Sie unbeantwortete Fragen, widersprüchliche Quellen, überfällige Prüfungen und häufig gemeldete Fehler. Die Anzahl der Seiten allein ist kein Qualitätsmaß. Eine kleinere, gepflegte Sammlung kann hilfreicher sein als ein großer Bestand ohne erkennbare Verbindlichkeit.

Verknüpfen Sie Änderungen an Produkten und Prozessen mit der Wissenspflege. Wenn ein neues Formular eingeführt wird, sollte die zugehörige Anleitung einen Prüfanlass erhalten. Regelmäßige Termine bleiben sinnvoll, reichen aber für zeitkritische Änderungen nicht aus.

Erst auf dieser Grundlage wählen Sie die passende Such- oder RAG-Lösung. Der Abnahmeplan für Wissensassistenten prüft Antworten und Zugriffe; die Anleitung zur Aktualisierung beschreibt, wie fachliche Änderungen zuverlässig im technischen Bestand ankommen.

Vereinbaren Sie vor einer Erweiterung eine realistische Betriebszusage. Legen Sie fest, wer einen gemeldeten Fehler bearbeitet, wie schnell eine gefährliche Anweisung zurückgezogen wird und wie eine ausscheidende verantwortliche Person ersetzt wird. Wenn kein Team einen kleinen freigegebenen Bestand pflegen kann, werden Tausende zusätzlicher Quellen die Verlässlichkeit kaum verbessern. Wer erst erweitert, wenn diese Routinen funktionieren, macht die nächste Entscheidung beobachtbar und beherrschbar.

Diese Leitfäden von modernagents behandeln angrenzende Entscheidungen rund um KI-Wissensassistenten:

• KI-Wissensassistent: internes Wissen auffindbar machen
• RAG mit SharePoint: Berechtigungen bis zur Antwort erhalten
• Confluence und Notion als Wissensquelle: Inhalte und Zugriffe
• RAG-Wissen aktuell halten: Versionen, Löschung und Widersprüche

Für eine konkrete Ablaufprüfung reichen zunächst eine Prozessbeschreibung, die beteiligten Systeme und typische Ausnahmen. Mit modernagents besprechen.