ADYZENKI-Wissensdatenbank für euer Firmenwissen
Das Wissen eines Betriebs steckt selten in einem System. Es steckt in Handbüchern, Angeboten von vorletztem Jahr, Prüfprotokollen, Normblättern und in ein paar Postfächern. Eine KI-Wissensdatenbank legt eine Suche darüber, die nicht Dateien findet, sondern Antworten gibt — mit dem Satz aus dem Dokument, auf den sie sich stützt.
In einem Satz
Eine Suche über eure eigenen Dokumente, die Fragen in ganzen Sätzen beantwortet und jede Aussage mit der Quelle belegt, aus der sie stammt.
Woran es meistens hängt.
Die Unterlagen sind vollständig, aber nicht auffindbar. Wer eine Auskunft braucht, sucht entweder lange selbst oder fragt die Kollegin, die es im Kopf hat — und unterbricht sie dabei. Beides skaliert nicht, und beides trifft neue Mitarbeitende am härtesten.
Ein Monteur steht vor Ort und braucht die Einbauvorschrift für ein Bauteil, das vor sechs Jahren verbaut wurde.
Jemand schreibt ein Angebot und will wissen, wie ein vergleichbarer Fall damals kalkuliert wurde.
Eine neue Kollegin sucht die Gewährleistungsregel, die in einem Rahmenvertrag steht, den sie nicht kennt.
Der Innendienst beantwortet zum vierten Mal diese Woche dieselbe Rückfrage zu einer Norm.
Vier Schritte, in dieser Reihenfolge.
Quellen erschließen
Wir lesen ein, was ihr habt: PDFs, Office-Dateien, Wiki-Seiten, Ordnerstrukturen, auf Wunsch Postfächer und Datenbanken. Gescannte Dokumente laufen vorher durch Texterkennung. Rechte bleiben, wie sie sind — wer ein Dokument heute nicht sehen darf, bekommt es auch über die Suche nicht.
Zerlegen und indizieren
Jedes Dokument wird in sinnvolle Abschnitte zerlegt und in einen Index geschrieben — PostgreSQL mit pgvector, also eine Datenbank, die ihr auch selbst betreiben könnt. Der Index kennt sowohl die Bedeutung eines Abschnitts als auch seinen Wortlaut; gesucht wird über beides, weil reine Bedeutungssuche bei Artikelnummern und Normbezeichnungen versagt.
Antworten mit Beleg
Auf eine Frage sucht das System die passenden Abschnitte, formuliert daraus eine Antwort und zeigt daneben, aus welchem Dokument und welcher Stelle sie kommt. Findet es nichts Belastbares, sagt es das — statt zu raten.
Anbinden, wo gefragt wird
Die Suche steht als eigene Oberfläche bereit oder dort, wo ohnehin gearbeitet wird: im Intranet, im Ticketsystem, im Chat. Am Telefon übernimmt sie der Voice-Agent.
Wie es danach läuft
Zwei Wege: auf europäischer Infrastruktur (Hetzner, Rechenzentren in Deutschland und Finnland) oder komplett bei euch im Haus. Der zweite Weg heißt lokale Open-Weight-Modelle auf eurer eigenen Maschine — dann verlässt kein Dokument euer Netz, nicht einmal für die Antwort. Das kostet Rechenleistung und etwas Antwortqualität; wo die Vorgaben es verlangen, ist es die richtige Entscheidung.
Wo es nicht hilft
Eine Wissensdatenbank weiß nichts, was nicht in den Dokumenten steht — sie ersetzt keine Dokumentation, die es nie gab. Widersprechen sich zwei Stände, löst das System den Widerspruch nicht auf; es zeigt beide und markiert sie. Und sie braucht Pflege: Wenn Dokumente veralten und niemand sie ersetzt, veraltet die Antwort mit. Wo Unterlagen chaotisch, aber wenige sind, ist eine aufgeräumte Ordnerstruktur oft die günstigere Lösung — das sagen wir dann auch.
Was vorher gefragt wird.
Wie viele Dokumente braucht es, damit sich das lohnt?
Nicht die Menge entscheidet, sondern die Häufigkeit der Rückfragen. Ab etwa tausend Seiten wird manuelles Suchen spürbar teuer; ab mehreren Nachfragen pro Tag lohnt es sich fast immer. Unter hundert gut sortierten Seiten reicht meistens eine Volltextsuche, und die habt ihr schon.
Was passiert mit veralteten Dokumentenständen?
Wir versehen jedes Dokument mit Stand und Gültigkeit, soweit das aus der Quelle hervorgeht, und gewichten neuere Stände höher. Findet das System zwei widersprüchliche Aussagen, zeigt es beide mit Datum, statt eine davon zu unterschlagen. Ein Freigabeprozess für Dokumente ersetzt das nicht.
Kann die Suche unser Wissen nach außen tragen?
Nur wenn ihr es so baut. In der lokalen Variante verlässt kein Inhalt euer Netz. In der EU-Cloud-Variante läuft der Index auf eurer eigenen Datenbankinstanz; an das Sprachmodell gehen nur die Abschnitte, die für die konkrete Frage gebraucht werden — und das über einen Vertrag zur Auftragsverarbeitung nach DSGVO.
Funktioniert das auch mit gescannten Papierakten?
Ja, über Texterkennung. Die Qualität hängt an der Vorlage: sauber gescannte Dokumente sind unproblematisch, schlecht kopierte Faxe aus den Neunzigern bleiben schwierig. Das prüfen wir an eurem echten Material, bevor wir etwas versprechen.
Hängt oft zusammen mit
- Voice-Agent: KI am Telefon, die eure Abläufe kenntEin Sprachassistent am Telefon, der eure Standardfälle selbst erledigt, jedes Gespräch protokolliert und übergibt, sobald es komplex wird.
- Dokumentenverarbeitung: lesen, prüfen, buchen — automatischEine Strecke, die eingehende Dokumente ausliest, gegen eure Regeln prüft und ins Zielsystem bucht — mit einer Sicherheitsschwelle, unter der immer ein Mensch entscheidet.
Ob das bei euch trägt, klärt ein Gespräch schneller als ein Angebot.