Unternehmenswissen durchsuchbar machen ki?

Klassische Suchfunktionen in Windows-Netzlaufwerken oder älteren Dokumenten-Management-Systemen suchen rein zeichenbasiert. Wer den exakten Dateinamen, das spezifische Aktenzeichen oder die damals verwendete Schreibweise nicht kennt, erhält entweder hunderte unpassende Dokumente oder überhaupt kein Ergebnis.

Dies führt im Mittelstand zu erheblichen Reibungsverlusten: Projektleiter wälzen veraltete Montageanleitungen, der Innendienst sucht mühsam nach Sondervereinbarungen vergangener Jahre und neue Mitarbeiter sind auf Zuruf auf die Auskunft erfahrener Kollegen angewiesen. Das Wissen ist zwar physisch vorhanden, aber operativ nicht greifbar.

Künstliche Intelligenz löst dieses Problem durch semantische Einbettung. Texte werden nicht als bloße Aneinanderreihung von Buchstaben gespeichert, sondern als mathematische Bedeutungsmuster, wodurch das System inhaltliche Ähnlichkeiten unabhängig von der konkreten Wortwahl erkennt.

Um Unternehmenswissen mit KI durchsuchbar zu machen, wird am Markt standardmäßig die sogenannte RAG-Technologie (Retrieval-Augmented Generation) eingesetzt. Dabei liest das System interne Dokumente ein, unterteilt sie in handhabbare Textabschnitte und legt deren Bedeutung in einer spezialisierten Vektordatenbank ab.

Stellt ein Mitarbeiter eine Frage, sucht das System zunächst die inhaltlich relevantesten Absätze aus den internen Daten heraus. Erst danach formuliert ein Sprachmodell auf Basis dieser exakten Textstellen eine verständliche Antwort und blendet die Quellen als prüfbare Belege ein.

Der entscheidende Vorteil dieser Trennung: Das Sprachmodell minimiert das Risiko von Fehlannahmen (Halluzinationen) auf ein Minimum, da es strikt wie ein gewissenhafter Sachbearbeiter auf Basis der vorgelegten Betriebsunterlagen Auskunft erteilt.

Die größte Hürde bei der Einführung intelligenter Suchsysteme im Mittelstand ist die Rechteverwaltung. Ein Vertriebsmitarbeiter darf keine Gehaltslisten der Buchhaltung einsehen, und der Außendienst benötigt keinen Zugriff auf strategische Gesellschafterbeschlüsse.

Eine professionelle KI-Integration spiegelt die bestehende Rechtestruktur des Unternehmens exakt wider. Das Abfragesystem prüft vor der Beantwortung jeder Frage die Zugriffsrechte des anfragenden Nutzers im Active Directory oder der jeweiligen Fachanwendung.

Besitzt ein Mitarbeiter für ein Dokument keine Leseberechtigung, existiert dieser Inhalt für seine KI-Suche schlichtweg nicht. Die KI zieht diese Daten weder für Antworten heran noch gibt sie Hinweise darauf, dass entsprechende Dokumente im System vorhanden sind.

Eine semantische Suche beantwortet zwar Fragen, verbleibt jedoch in einer passiven Rolle. Im praktischen Betriebsalltag genügt es oft nicht, bloß zu wissen, wo ein Vertrag liegt — es müssen Angebote abgeglichen, Stammdaten geprüft oder Lieferantenfristen überwacht werden.

Hier setzt das Konzept des KI-Mitarbeiters an. Während ein KI-Agent die zugrundeliegende technische Logik darstellt und ein reiner Assistent auf Zuruf Textpassagen zitiert, übernimmt ein KI-Mitarbeiter eigenständig definierte Teilprozesse auf Basis des durchsuchten Wissens.

Er gleicht eingehende Rechnungen eigenständig mit archivierten Bestellscheinen ab, bereitet Angebote vor oder warnt proaktiv vor Abweichungen in Verträgen. Weiterführende Details zur Abgrenzung und Funktionsweise finden sich im Überblick unter /ki-mitarbeiter.

Geschäftsführer tragen die unternehmerische Verantwortung für den Schutz von Kundendaten, Betriebsgeheimnissen und Mitarbeiterdaten. Öffentliche Standardlösungen verbieten sich daher für vertrauliche Betriebsinformationen, da Eingaben teils zum Trainieren öffentlicher Modelle verwendet werden.

Bei einer datenschutzorientierten Umsetzung verbleiben die Daten im geschützten Unternehmensumfeld. Dies geschieht entweder über Schnittstellen europäischer Rechenzentren mit strengen Löschfristen oder über lokale Open-Source-Modelle, die vollständig auf eigener Server-Hardware laufen.

Weder externe Entwickler noch Modellanbieter erhalten unbefugten Einblick in Kundenkorrespondenzen, Konstruktionszeichnungen oder Kalkulationstabellen. Die Datenhoheit verbleibt nachweisbar beim Betrieb.

Die Anbindung von Unternehmensdaten an ein KI-System erfordert keine jahrelangen Umstrukturierungen. In einem ersten Schritt wird ein isolierter, besonders suchintensiver Bereich angebunden — beispielsweise das technische Archiv, der interne Kundenservice oder die Angebotskalkulation.

Am Markt sind einfache, standardisierte Anbindungen einzelner Dokumentenordner bereits für einmalige Einrichtungskosten im unteren vierstelligen Bereich verfügbar. Individuelle Systeme, die komplexe ERP-Strukturen, Rechtesysteme und aktive KI-Mitarbeiter verknüpfen, bewegen sich marktüblich im Bereich zwischen 8.000 und 35.000 Euro, abhängig von Schnittstellenvielfalt und Datenqualität.

Die laufenden Kosten richten sich nach dem tatsächlichen Abfragevolumen der Sprachmodelle und der Serverinfrastruktur und liegen branchenüblich zwischen 50 und wenigen hundert Euro pro Monat. Ein verbindlicher Kostenrahmen entsteht stets erst nach einer genauen Analyse der vorhandenen Datenquellen.