Immer dieselben Fragen? KI-Wissensdatenbank für Unternehmen in Slack oder Teams

Jedes wachsende Team zahlt dieselbe stille Steuer. Jemand fragt in einem Kanal, wo die Erstattungsrichtlinie liegt. Jemand anderes fragt, wie man einen Laptop beantragt oder welche Onboarding-Checkliste aktuell ist. Eine erfahrene Person unterbricht ihre Arbeit, um zu antworten, oft aus dem Gedächtnis und manchmal falsch.

Die Dokumente gibt es. Sie sind über Notion, Confluence, Google Drive und SharePoint verteilt, mit unterschiedlichen Verantwortlichen und Benennungsgewohnheiten. Die Suche in den einzelnen Tools ist schwach, also fragen die Leute lieber eine Kollegin. Das raubt erfahrenen Mitarbeitenden die Konzentration, bremst neue Mitarbeitende aus und lässt veraltete Antworten kursieren. Ein interner Wissensassistent löst das, indem er dort antwortet, wo ohnehin gefragt wird: in Slack oder Microsoft Teams.

Was dieser Assistent leistet

Der Assistent nutzt Retrieval-Augmented Generation (RAG): Er findet die relevanten Passagen in Ihren Dokumenten und lässt dann ein Sprachmodell ausschließlich auf Basis dieser Passagen antworten. In der Praxis leistet er fünf Dinge:

• Beantwortet Fragen in Slack oder Teams. Mitarbeitende erwähnen den Bot in einem Kanal oder schreiben ihm direkt, in normaler Sprache.
• Zeigt seine Quellen. Jede Antwort verlinkt auf die verwendeten Dokumente, sodass man das Original und sein Datum prüfen kann.
• Respektiert Dokumentberechtigungen. Eine Person erhält nur Antworten aus Dokumenten, die sie im Quellsystem ohnehin öffnen kann.
• Hält sich selbst aktuell. Wird ein Dokument bearbeitet, verschoben oder gelöscht, zieht der Index innerhalb einer vereinbarten Zeit nach.
• Sagt, wenn er etwas nicht weiß. Findet er nichts Relevantes, sagt er das und schlägt vor, wen man fragen kann.

Er ersetzt Ihr Wiki nicht. Er macht das Wiki nutzbar, indem er eine gute Suche und eine kurze Zusammenfassung nur eine Nachricht entfernt bereitstellt.

So funktioniert es, Schritt für Schritt

1. Dokumente einlesen. Connectoren lesen Seiten und Dateien aus Notion, Confluence, Google Drive und SharePoint über deren offizielle APIs. Für jedes Dokument speichern wir ID, verantwortliche Person, Link, Datum der letzten Änderung und Berechtigungen.
2. Aufteilen und indexieren. Lange Dokumente werden in Abschnitte aufgeteilt, die ihre Überschriften behalten. Jeder Abschnitt wird zu einem Embedding, einem numerischen Fingerabdruck seiner Bedeutung, und in einer Vektordatenbank gespeichert. Daneben liegt ein Stichwortindex für exakte Begriffe wie Richtliniencodes.
3. Für jede Frage abrufen. Wenn jemand fragt, identifiziert das System die Person, filtert alles heraus, worauf sie keinen Zugriff hat, und sucht dann die am besten passenden Abschnitte.
4. Mit Quellenangaben antworten. Das Modell formuliert eine kurze Antwort ausschließlich aus diesen Abschnitten und verlinkt jeden Punkt mit seiner Quelle. Widersprechen sich Quellen oder fehlen sie, sagt es das.
5. Protokollieren und verbessern. Fragen, abgerufene Quellen sowie Daumen-hoch- oder Daumen-runter-Feedback werden protokolliert, mit möglichst wenig personenbezogenen Daten. Wir prüfen schwache Antworten und beheben die Ursache, oft ein fehlendes oder veraltetes Dokument.

Den Index aktuell zu halten, ist eine eigene Aufgabe. Wir nutzen Änderungsbenachrichtigungen (Webhooks), wo die Quelle sie anbietet, und andernfalls eine geplante Synchronisierung. Gelöschte Dokumente werden aus dem Index entfernt, nicht nur ausgeblendet.

Eingesetzte Tools

• Backend: Python mit FastAPI für die Ingestion-Jobs und den Frage-Antwort-Dienst.
• Vektordatenbank: pgvector in Postgres für die meisten Teams oder Qdrant, wenn der Index groß ist oder intensive Filterung braucht.
• Sprachmodell: OpenAI oder Anthropic Claude über deren Business-APIs oder ein privates Open-Source-Modell, wenn Daten Ihre Cloud nicht verlassen dürfen.
• Chat-Frontend: eine Slack-App oder ein Microsoft-Teams-Bot, dazu optional eine Webseite für Personen außerhalb dieser Tools.
• Connectoren: die offiziellen APIs von Notion, Confluence und Google Drive sowie Microsoft Graph für SharePoint.

Prüfen Sie vor einer Festlegung die aktuellen Preise, Bedingungen zur Datenaufbewahrung und API-Limits jedes Anbieters. Sie ändern sich und beeinflussen sowohl Kosten als auch Datenschutz.

Was Sie für den Start brauchen

• Eine Liste der wichtigsten Quellen mit jeweils einer verantwortlichen Person.
• Admin-Zugriff, oder einen Admin, der App-Installationen freigibt, in Slack oder Teams und in jedem Dokumentensystem.
• Vierzig bis hundert echte Fragen, die Mitarbeitende kürzlich gestellt haben, mit der richtigen Antwort oder dem Dokument, das sie enthält.
• Eine Entscheidung, welcher Modellanbieter für Ihre Daten akzeptabel ist, getroffen gemeinsam mit den Verantwortlichen für Sicherheit und Datenschutz.
• Eine benannte Person, die Dokumente korrigiert oder ausmustert, wenn der Assistent Lücken aufdeckt.

Typischer Umfang und Zeitrahmen

Eine erste Version erfordert in der Regel 2 bis 4 Wochen Arbeit, abhängig davon, wie viele Quellen Sie anbinden und wie komplex deren Berechtigungen sind. Verstehen Sie das als Schätzung, nicht als Versprechen. Ein Confluence-Bereich, der einen Slack-Bot speist, liegt am unteren Ende. Vier Quellen mit gemischten Freigaberegeln und ein Rollout in Teams liegen am oberen Ende.

Ein typischer Ablauf sieht so aus:

• Woche 1: eine oder zwei Quellen anbinden, das Evaluierungsset aufbauen und das Berechtigungsmodell abstimmen.
• Woche 2: Retrieval, Antworten mit Quellenangaben und die Slack- oder Teams-App für eine Pilotgruppe.
• Wochen 3 bis 4: übrige Quellen, Synchronisierung für Änderungen und Löschungen, Monitoring und ein breiterer Rollout.

Wie wir Antworten korrekt halten

• Ein Evaluierungsset aus echten Fragen. Wir testen jede Änderung an den Fragen, die Sie geliefert haben. Wir verfolgen, wie viele eine richtige Antwort mit der richtigen Quelle erhalten.
• Quellenangaben bei jeder Antwort. Mitarbeitende können mit einem Klick prüfen, und falsche Quellen lassen sich leicht erkennen und melden.
• Ablehnung bei Unsicherheit. Stützen die abgerufenen Passagen keine Antwort, sagt der Assistent, dass er keine finden konnte.
• Aktualitätssignale. Antworten zeigen das Datum der letzten Aktualisierung jeder Quelle. Veraltete Dokumente können niedriger gewichtet oder zur Prüfung markiert werden.
• Monitoring. Ein wöchentlicher Bericht listet unbeantwortete Fragen, negatives Feedback und die am häufigsten zitierten Dokumente auf. Unbeantwortete Fragen sind Ihr Dokumentations-Backlog.

Risiken und wie wir damit umgehen

Datenschutz

Nicht jedes Dokument gehört in den Index. Wir legen gemeinsam fest, was einbezogen wird, schließen Bereiche wie HR-Fallakten aus und halten Protokolle schlank. Unser Leitfaden zu RAG mit Privacy by Design behandelt Löschung, regionales Hosting und Protokollierung im Detail.

Berechtigungen

Das größte Risiko ist eine korrekte Antwort aus einem Dokument, das die fragende Person nicht sehen dürfte. Wir filtern beim Abruf nach der Identität der fragenden Person, bevor irgendetwas das Modell erreicht. Eine Anweisung im Prompt ist nie die einzige Kontrolle.

Falsche Antworten

Sprachmodelle können selbstsicher klingen, wenn sie falsch liegen. Quellenangaben, Ablehnungsregeln und das Evaluierungsset verringern das. Zudem werden Mitarbeitende angehalten, bei allem mit echten Konsequenzen die Quelle zu prüfen.

Veraltete Dokumente

Der Assistent ist nur so aktuell wie Ihre Dokumente. Die Synchronisierung hält den Index im Gleichschritt mit den Quellen, doch zwei widersprüchliche Richtlinien verwirren ihn trotzdem. Der wöchentliche Bericht macht solche Widersprüche sichtbar, damit die Verantwortlichen sie auflösen können.

Wann Sie das nicht bauen sollten

• Ihre Dokumentation ist dünn oder stark veraltet. Bringen Sie zuerst die zwanzig meistgenutzten Dokumente in Ordnung; der Assistent kann keine guten Inhalte erfinden.
• Ihr Team ist so klein, dass ein aufgeräumtes Wiki und ein angehefteter Kanal bereits funktionieren.
• Die integrierte KI-Suche Ihres bestehenden Tools deckt Ihre Quellen und Berechtigungen gut genug ab. Probieren Sie sie zuerst aus.
• Niemand wird die Inhalte verantworten. Ohne verantwortliche Person driften die Antworten ab, während die Dokumente altern.

Wie UnlockLive Sie unterstützt

Wir bauen interne Assistenten von Anfang bis Ende: Connectoren, berechtigungsbewusstes Retrieval, die Slack- oder Teams-App sowie Evaluierung und Monitoring, die das System ehrlich halten. Sehen Sie sich unseren Service RAG-Entwicklung an. Soll der Assistent auch Aufgaben auslösen, etwa ein Ticket eröffnen oder eine Anfrage starten, sehen Sie sich KI-Workflow-Automatisierung an.

Weitere Artikel dieser Reihe: Mitarbeiter-Onboarding automatisieren, der Q&A-Assistent für HR-Richtlinien und Verträge und privates RAG für regulierte Daten. Wenn Sie eine zweite Meinung zu Ihren Quellen und zum Umfang möchten, buchen Sie ein kostenloses 30-minütiges Gespräch.