Ein KI-Chatbot für Unternehmen, der aus Ihren eigenen Dokumenten antwortet, mit Quellen

Was ist ein KI-Chatbot für Unternehmen, und was macht ihn vertrauenswürdig?

Es ist ein Assistent, der in verständlicher Sprache aus einem klar abgegrenzten Bestand an Unternehmenswissen antwortet. Vertrauenswürdig macht ihn nicht das Modell, sondern das Design: Er antwortet nur aus abgerufenen Passagen, nennt sie als Quelle und verweigert die Antwort, wenn Belege fehlen.

Generische Chatbots scheitern, weil sie aus dem allgemeinen Training des Modells antworten. Das klingt überzeugt und ist bei Ihren Produkten, Preisen und Richtlinien oft falsch. Unserer ist in Ihren Inhalten verankert. Jede Antwort verlinkt auf die Seite, den Abschnitt oder die Datei, aus der sie stammt, sodass ein Kunde sie prüfen und ein Mitarbeiter die vollständige Richtlinie mit einem Klick öffnen kann.

Wie funktioniert Retrieval mit Quellenangaben?

Retrieval-Augmented Generation, kurz RAG, arbeitet in zwei Stufen. Zuerst werden Ihre Dokumente in Passagen zerlegt und in einem Suchindex gespeichert, der Bedeutung versteht und nicht nur Schlüsselwörter. Dann holt das System zu jeder Frage die passendsten Passagen und weist das Modell an, nur daraus zu antworten und anzugeben, woher jeder Punkt stammt.

Gute RAG-Entwicklung dreht sich vor allem um die erste Stufe. Wir zerlegen Dokumente entlang ihrer tatsächlichen Struktur (Überschriften, Klauseln, Tabellenzeilen) statt nach festen Längen, hängen Metadaten wie Produkt, Region und Gültigkeitsdatum an und kombinieren semantische Suche mit Stichwortsuche, damit Teilenummern und Richtliniencodes exakt gefunden werden. Die Indizes liegen in Pinecone, Qdrant, Supabase mit pgvector oder Azure AI Search, je nachdem, wo Ihre Daten liegen dürfen.

Welche Quellen kann die KI-Wissensdatenbank enthalten?

Die meisten Texte, die Ihre Teams ohnehin pflegen, lassen sich einbinden: SharePoint-Sites und Dokumentbibliotheken, Google-Drive-Ordner, Hilfecenter-Artikel, PDFs, Word-Dateien, Tabellen und exportierte Wiki-Seiten. Auch gelöste Tickets aus Zendesk können hinzukommen. Das hilft dem Bot, die vielen seltenen Fragen zu beantworten, die Ihre Hilfeartikel nie abgedeckt haben.

Die Wissensdatenbank bleibt synchron. Wir planen die Neuindexierung oder lösen sie bei Dateiänderungen aus, entfernen Passagen aus gelöschten oder ersetzten Dokumenten und erfassen für jede Quelle das Datum der letzten Aktualisierung. Eine am Montag aktualisierte Richtlinie ist am Dienstag die, die der Bot zitiert.

• SharePoint- und OneDrive-Bibliotheken.
• Google Drive und Google Docs.
• Zendesk-Hilfecenter-Artikel und gelöste Tickets.
• PDF-Handbücher, Verträge und Produktdatenblätter.
• Strukturierte Daten wie Preislisten oder Spezifikationstabellen.

Wo kann der Chatbot eingesetzt werden: Website, Slack, Teams oder Zendesk?

Überall dort, wo die Fragen gestellt werden. Ein öffentliches Website-Widget bedient Kunden ausschließlich mit öffentlichen Inhalten. Ein interner Assistent in Slack oder Microsoft Teams bedient Mitarbeitende mit internen Inhalten, gefiltert nach ihren Berechtigungen. In Zendesk kann der Bot eine Antwort mit Quellen entwerfen, die der Support-Mitarbeiter bearbeitet und versendet.

Dieselbe Wissensdatenbank kann alle drei Kanäle versorgen, mit eigenen Regeln für jeden Kanal. Öffentliche Bots erhalten einen engeren Rahmen und einen klaren Weg zu einem Menschen, etwa ein Ticketformular oder die Übergabe an einen Live-Chat. Interne Bots können HR-Richtlinien, IT-Anleitungen, Vertriebsunterlagen und SOPs abdecken, wobei jeder Bereich nur für die Gruppen sichtbar ist, die ihn sehen sollen.

Jeder Kanal erhält außerdem eigene Auswertungen: gestellte Fragen, Antwortquote, Eskalationsquote und die Themen, auf die Nutzer am häufigsten zurückkommen. Support-Verantwortliche entscheiden anhand dieser Ansicht, welche Hilfeartikel sie als Nächstes schreiben, und HR- oder IT-Teams erkennen daran Richtlinien, die Mitarbeitende immer wieder missverstehen.

Wie verhindern Sie, dass der Chatbot etwas erfindet?

Indem er ohne Belege nicht antwortet, und indem wir das messen. Liefert das Retrieval nichts oberhalb einer Relevanzschwelle, sagt der Bot, dass er keine Antwort gefunden hat, und bietet an, die Frage weiterzuleiten. Das Modell ist angewiesen, nur die bereitgestellten Passagen zu nutzen, und eine Prüfung bestätigt, dass jede Antwort mindestens eine gültige Quellenangabe enthält.

Vor dem Start erstellen wir einen Evaluationssatz aus echten Fragen mit korrekten Antworten, darunter Fragen, die der Bot ablehnen sollte. Wir bewerten Genauigkeit, Korrektheit der Quellenangaben und Ablehnungsverhalten und wiederholen den Satz nach jeder Dokumentsynchronisierung oder Prompt-Änderung. Fragen, die in einer Eskalation enden, werden protokolliert. So sehen Sie genau, welche Dokumente fehlen oder veraltet sind.

Sind unsere Daten in einem KI-Chatbot sicher?

Das können sie sein, mit den richtigen Vertragsbedingungen und der richtigen Architektur. Wir rufen Modelle nur über API- oder Enterprise-Tarife auf, nicht über Verbraucher-Apps, halten den Index bei Bedarf in Ihrem eigenen Cloud-Konto und protokollieren Prompts und Ausgaben, damit Sie prüfen können, was gefragt und geantwortet wurde.

Berechtigungen werden beim Abruf durchgesetzt: Der Bot durchsucht nur Passagen, die der Nutzer sehen darf, sodass ein interner Assistent keine Gehaltsliste an jemanden außerhalb der Personalabteilung weitergeben kann. Für regulierte Inhalte können Modelle über Amazon Bedrock, Microsoft Foundry oder als Open-Weight-Modelle in Ihrem Netzwerk laufen, und Gesundheitsdaten erfordern ein unterzeichnetes BAA mit jedem Anbieter, der sie verarbeitet.