.png-1200x627.webp)
.png-1200x671.webp)
Wissensmanagement mit KI: Ein Chatbot hat die Antworten
Projektziele & Projektergebnis
Erstellung projekt in den Bereichen „Prozesse“ mit dem Ziel der Erhöhung/Steigerung/ Optimierung der Entscheidungsqualität, der Produkt- / Servicequalität, des Informationsflusses (Qualität, Verfügbarkeit, Transparenz) und von Prozessen.
Im Projekt entwickelten wir ein Konzept für das KI-basierte interne Wissensmanagement mit Hilfe eines Chatbot. Der getestete RAG-Ansatz zeigt, wie Unternehmen Wissen sicher und einfach verfügbar machen können. Ziel: Schnellen Zugang zum Wissen für Mitarbeitende optimieren.
Gesamtprojekt
Top Erkenntnisse aus dem Projekt
Ausgangslage
Zentrale Fragestellungen im Projekt
- Im Unternehmen werden verschiedene Plattformen und Anwendungen genutzt. Ist eine Umsetzung des Chatbots trotzdem realisierbar? Wie wird die Wissensbasis dafür erzeugt, obwohl die Daten in den verschiedenen Systemen liegen?
- Welche Sprachmodelle (LLMs) sind geeignet und bieten die beste Ergebnisqualität auf Basis der Anforderungen?
- Kann der Chatbot datenschutzkonform – auch mit sensiblen Daten – genutzt werden?
Projektdetails
Wissen ist heute einer der wichtigsten Rohstoffe moderner Unternehmen und entscheidend für deren Wettbewerbsfähigkeit. Doch besonders kleine und mittlere Unternehmen (KMU) stehen vor der Herausforderung, vorhandenes Wissen effizient zu strukturieren und für alle Mitarbeitenden zugänglich zu machen. Häufig ist Wissen über verschiedene Tools, Dateien und Köpfe verteilt. Dies führt zu zeitaufwendiger Informationssuche, Wissenssilos und Abhängigkeiten von Einzelpersonen.
In diesem Digitalisierungsprojekt wurde die Medios Apotheke in Berlin dabei begleitet, ein Konzept für die Einführung eines KI-basierten Chatbot zum internen Wissensmanagement zu entwickeln. Obwohl das Unternehmen digital bereits gut aufgestellt war, z.B. ein digitales Qualitätsmanagementsystem und ein Intranet nutzt, zeigte sich, dass in der täglichen Arbeit viel Zeit für die Suche nach Informationen benötigt wird.
Ziel des Projekts war es daher, ein grundsätzliches Verständnis für modernes Wissensmanagement mit KI zu schaffen und technische Lösungsansätze kennenzulernen, die den internen Wissenstransfer erleichtern. Mit einem Chatbot soll das gelingen. Dieser soll als zentrale Schnittstelle zwischen den Mitarbeitenden und der Wissensbasis dienen. Er soll Fragen in „natürlicher Sprache“ beantworten und dazu die vorhandenen digitalen Informationen (die „Wissensbasis“) des Unternehmens nutzen, um präzise Antworten zu liefern. Typische Anwendungsfälle sind unter anderem Fragen zu internen Prozessen, zu Merkblättern, Arbeitsanweisungen, zu Qualitätsmanagement-Themen oder zur Einarbeitung neuer Mitarbeitender.
Um das Unternehmenswissen KI-gestützt nutzbar zu machen, wurde der sogenannte RAG-Ansatz (Retrieval Augmented Generation) verwendet. Dabei werden der KI nur vorab definierte Informationen (unternehmensinterne Wissensbasis) und die dazugehörigen Quellen für die Antwortgenerierung bereitgestellt. Konkret wurden bestehende Daten aus einem zentralen Tool des Unternehmens exportiert und so aufbereitet und strukturiert, dass sie von großen Sprachmodellen (Large Language Models, LLMs) verarbeitet werden können. Dazu wurden die Dokumente in sogenannte Chunks (kleine, logisch zusammenhängende Informationsschnipsel) zerlegt. Jeder Chunk bildet eine abgeschlossene Informationseinheit ab und ermöglicht dadurch eine gezielte, kontextbezogene Verarbeitung durch die KI. Die aufbereiteten Dokumente wurden anschließend in eine zentrale Wissensbasis integriert.
In einer LLM-Testumgebung wurden verschiedene Sprachmodelle unter gleichen Bedingungen anonym („blind“) bei einem A7B-Test getestet. Bewertet wurden insbesondere:
– Qualität und Präzision der generierten Antworten
– Sprachstil und Verständlichkeit der Formulierungen
– Nutzung und Integration der bereitgestellten Wissensbasis
Die Auswertung der Testergebnisse zeigte deutliche Unterschiede zwischen den getesteten Modellen. Das LLM-Modell Mistral Large Latest konnte von den Teilnehmenden als Favorit identifiziert werden aufgrund von guter Struktur, Übersichtlichkeit, Vollständigkeit und kurzen relevanten Informationen.
Abschließend erhielt das Unternehmen einen praxisorientierten Handlungsleitfaden, der die nächsten Schritte zu eigenen Umsetzung beschreibt – von der technischen Einrichtung über Integration und Betrieb bis hin zu Change-Management-Maßnahmen.
