KI-Wissensdatenbank aufbauen: Antworten mit Quelle statt Vermutung
Viele Unternehmen haben ihr Wissen verstreut: in Handbüchern, E-Mails, Präsentationen und in den Köpfen erfahrener Mitarbeiter. Eine KI-Wissensdatenbank verspricht, dieses Wissen auf Knopfdruck verfügbar zu machen. Das gelingt aber nur, wenn die KI nicht rät, sondern belegt antwortet.
Wie das funktioniert, zeigen wir an einem Projekt außerhalb des Mittelstands: einem Videospiel-Studio, das für sein Spiel und dessen Website eine Wissensbasis zu bedrohten Tierarten Afrikas aufgebaut hat.
Das Problem: KI klingt sicher, auch wenn sie irrt
Sprachmodelle formulieren flüssig — auch dann, wenn eine Zahl veraltet oder frei erfunden ist. Bei Bestandszahlen bedrohter Arten ist das besonders heikel: Ein falscher Wert verbreitet sich, wird zitiert und von anderen KI-Systemen übernommen.
Die Lösung: erst Quellen, dann Antworten
Eine belastbare KI-Wissensdatenbank arbeitet in vier Schritten:
- Quellen sammeln — nur aus festgelegten, zitierfähigen Herkünften, etwa Fachorganisationen, Studien und offiziellen Listen.
- Aufbereiten — Texte werden in sinnvolle Abschnitte zerlegt und mit Herkunft, Datum und Thema versehen. Erst dann kommen sie in die Datenbank, aus der die KI sucht.
- Prüfen — jede Aussage, die nach außen geht, wird gegen ihre Quelle gehalten. Widersprüche zwischen Quellen werden sichtbar gemacht statt geglättet.
- Pflegen — Zahlen ändern sich. Jede Angabe trägt ihr Erhebungsjahr, damit veraltete Stände auffallen.
Das Ergebnis ist öffentlich zu sehen: Das Tierlexikon zu Afrikas bedrohten Arten nennt bei jeder Bestandszahl Quelle und Erhebungsjahr — und erklärt, warum Zahlen verschiedener Quellen manchmal weit auseinanderliegen.
Was das für Unternehmen heißt
Dieselbe Arbeitsweise trägt auch im Mittelstand:
- Technische Dokumentation: Der Service fragt die Wissensdatenbank und bekommt die Antwort mit Verweis auf das Handbuch und die Seite.
- Angebote und Ausschreibungen: Ein Recherche-Agent sammelt passende Referenzen und Kennzahlen aus früheren Projekten, mit Herkunft.
- Einarbeitung: Neue Mitarbeiter finden Antworten, ohne Kollegen zu unterbrechen — und sehen, woher die Antwort stammt.
Worauf es beim Aufbau ankommt
Nicht die Wahl des Sprachmodells entscheidet, sondern die Ordnung der Daten: klare Herkunft, saubere Abschnitte, ein festes Prüfverfahren und jemand, der für die Pflege zuständig ist. Wer eine KI-Wissensdatenbank aufbauen will, sollte mit einem überschaubaren Bereich beginnen und ihn sauber machen, bevor er wächst.
Sie möchten wissen, wo eine Wissensdatenbank in Ihrem Unternehmen den größten Nutzen bringt? Unser kostenloser Potenzialcheck zeigt es.
