Unternehmensdaten mit KI durchsuchen?

Die technische Basis für das Durchsuchen interner Bestände heißt Retrieval-Augmented Generation, kurz RAG. Dabei liest das System Dokumente wie PDFs, Tabellen oder E-Mails ein, zerlegt sie in logische Textabschnitte und wandelt diese in mathematische Bedeutungsvektoren um.

Stellt ein Mitarbeiter eine Frage in natürlicher Sprache, sucht das System nicht nach Buchstabenkombinationen, sondern nach inhaltlich passenden Textabschnitten. Das Sprachmodell formuliert aus den gefundenen Passagen eine präzise Antwort und fügt die jeweilige Dateiquelle mit Seitenzahl als Beleg an.

Eine moderne Suchlösung beschränkt sich nicht auf das lokale Dateisystem. Der größte Mehrwert entsteht, wenn unterschiedliche Datenquellen an einer zentralen Stelle semantisch verknüpft werden.

Wichtig ist dabei eine saubere Anbindung über standardisierte Schnittstellen. Unstrukturierte Dokumente werden ebenso erschlossen wie strukturierte Datensätze aus Warenwirtschaftssystemen oder Ticketplattformen.

Öffentliche KI-Dienste wie Standardversionen von ChatGPT dürfen niemals mit schutzbedürftigen Unternehmensdaten gefüttert werden. Werden Kundendaten, Verträge oder Kalkulationen dort unbedacht eingegeben, drohen Datenschutzverstöße und der Verlust von Betriebsgeheimnissen.

In der Praxis haben sich zwei datenschutzorientierte Ansätze etabliert: der Betrieb von Open-Source-Modellen auf eigenen Servern oder geschlossene Cloud-Instanzen in europäischen Rechenzentren mit vertraglichem Ausschluss des Modelltrainings. Die konkrete rechtliche Prüfung obliegt dem betrieblichen Datenschutzbeauftragten.

Eine KI-gestützte Suche liefert Antworten auf Zuruf. Sie fungiert wie ein digitaler Assistent, der wartet, bis ein Mensch eine Frage tippt, und dann Dokumente zitiert. Das spart Recherchezeit, löst aber noch keinen operativen Arbeitsablauf aus.

Ein KI-Mitarbeiter geht den entscheidenden Schritt weiter: Er nutzt dieses interne Wissen eigenständig, um Aufgaben im Tagesgeschäft vorzubereiten oder abzuschließen. Er sucht die Information nicht nur, sondern erstellt daraus direkt das Angebot, beantwortet die Kunden-E-Mail oder prüft die Rechnung gegen den bestehenden Rahmenvertrag. Wie sich diese Systeme im Detail unterscheiden, zeigt die Übersicht unter /ki-mitarbeiter.

Während starre Automatisierungen bei abweichenden Formulierungen stoppen, versteht der KI-Mitarbeiter den betrieblichen Kontext und bezieht Fachwissen aus allen angebundenen Systemen mit ein.

Die größte Herausforderung liegt selten in der KI-Technologie selbst, sondern in der Beschaffenheit der historischen Daten. Liegen Dokumente als schlechte Scans ohne Texterkennung vor oder widersprechen sich alte und neue Dateiversionen, gibt die KI ungenaue Auskünfte.

Zudem muss die Rechteverwaltung exakt spiegeln, wer im Unternehmen welche Einblicke erhalten darf. Eine Buchhaltungsdatei oder ein Gehaltsnachweis darf nicht in den Suchergebnissen eines Vertriebsmitarbeiters auftauchen, nur weil die semantische Suche danach gefragt wurde.

Anstatt das gesamte Firmenarchiv auf einmal anzubinden, empfiehlt sich der Start mit einem klar umrissenen Bereich. Typische Einstiegspunkte sind das technische Produktwissen im Service oder die Kundenhistorie im Vertrieb.

In einem ersten Pilotprojekt wird eine begrenzte Dokumentenmenge angebunden und getestet. Erst wenn die Treffsicherheit im Alltag belegt ist und die Quellenangaben verlässlich stimmen, werden weitere Abteilungen und Datenbanken integriert.