Unternehmenswissen mit KI nutzen – unter eigener Kontrolle.
Wichtige Informationen sind in vielen Unternehmen vorhanden, aber über Projektdokumentationen, Spezifikationen, Betriebshandbücher, Tickets oder interne Anleitungen verteilt. Klassische Suchen liefern häufig zu viele Treffer, übersehen sprachlich verwandte Inhalte oder zeigen nicht, welche Quelle eine Aussage stützt.
KGM entwickelt klar abgegrenzte KI-Wissenssysteme, die freigegebenes internes Wissen auffindbar und nutzbar machen. Der Schwerpunkt liegt auf nachvollziehbaren Antworten mit Quellen, kontrollierbaren Datenwegen und einer systematischen Bewertung der Antwortqualität. Dabei entsteht kein unbeschränkter KI-Assistent, sondern eine ingenieurmäßig geplante Lösung für einen konkreten Wissensbedarf.
Für wen ist ein KI-Wissenssystem geeignet?
Besonders geeignet ist das Angebot für:
- technische Büros und Ingenieurdienstleister, die Wissen aus Projektdokumentationen, Spezifikationen, Normhinweisen, technischen Berichten oder Betriebshandbüchern gezielter nutzen möchten,
- kleine IT- und Support-Teams, deren Wissen in Runbooks, Tickets, Fehlerbeschreibungen, Systemdokumentationen oder internen FAQs verteilt ist,
- dokumentationsintensive Dienstleistungsunternehmen, wenn ein klar freigegebener Wissensbestand und wiederkehrende fachliche Fragen vorhanden sind.
Entscheidend ist nicht die Unternehmensgröße, sondern ein wertvoller, abgrenzbarer Wissensbestand und ein konkreter Informationsbedarf.
Typische Anwendungsszenarien
Projektdokumentationen und Spezifikationen
Projektteams möchten technische Entscheidungen, Anforderungen oder dokumentierte Zusammenhänge schneller finden und die verwendeten Quellen unmittelbar prüfen können.
Runbooks und Supportwissen
IT- und Support-Teams benötigen nachvollziehbare Hinweise aus Betriebswissen, Fehlerbeschreibungen und dokumentierten Lösungswegen, ohne zahlreiche Ablagen einzeln durchsuchen zu müssen.
Interne Anleitungen und FAQs
Wiederkehrende Fragen sollen anhand freigegebener interner Anleitungen beantwortet werden. Die Antwort bleibt an den vorhandenen Wissensbestand gebunden und verweist auf die zugrunde liegenden Quellen.
Diese Beispiele sind typische Ausgangspunkte. Ob Dokumente, Fachsysteme oder Schnittstellen tatsächlich geeignet und technisch anbindbar sind, wird für jeden Anwendungsfall gesondert geprüft.
Der Einstieg: KI-Wissenscheck ab 990 € netto
Der KI-Wissenscheck klärt früh, ob ein konkreter Anwendungsfall fachlich und technisch für einen Wissensassistenten geeignet ist.
Der Standardumfang umfasst:
- einen klar abgegrenzten Anwendungsfall,
- eine Klärung von Ziel, Nutzerfragen und Erfolgskriterien mit bis zu 90 Minuten Gesprächsdauer,
- die Sichtung eines kleinen, vorab abgestimmten und repräsentativen Beispieldatenbestands,
- eine Einschätzung von Dokumentqualität, Zugriffsgrenzen, Datenschutz- und Betriebsanforderungen,
- eine Grobarchitektur für einen möglichen Lösungsweg,
- eine kompakte schriftliche Bewertung mit Chancen, Grenzen, Risiken und nächsten Schritten,
- einen belastbaren Vorschlag für den Umfang eines möglichen Piloten.
Der Preis beginnt bei 990 € netto zuzüglich gesetzlicher Umsatzsteuer. Vor der Beauftragung wird geprüft, ob der Standardumfang zum Anwendungsfall passt. Größere Datenbestände, zusätzliche Quellsysteme, vertiefte Sicherheits- oder Integrationsprüfungen sowie eine technische Umsetzung sind nicht im Standardumfang enthalten und werden bei Bedarf gesondert angeboten.
Der Wissenscheck ist keine Rechts-, Datenschutz- oder Informationssicherheitszertifizierung und beinhaltet noch keinen implementierten RAG-Piloten.
Der nächste Schritt: ein begrenzter RAG-Pilot
Wenn der Wissenscheck einen tragfähigen Anwendungsfall bestätigt, kann ein kontrollierter Pilot folgen. Ein typischer RAG-Pilot liegt bei 4.500 bis 12.000 € netto zuzüglich gesetzlicher Umsatzsteuer.
Der konkrete Rahmen hängt insbesondere ab von:
- Umfang und Qualität des freigegebenen Wissensbestands,
- Anzahl und Art der zu prüfenden Quellen,
- notwendiger Aufbereitung und Anbindung,
- Datenschutz-, Sicherheits- und Betriebsanforderungen,
- Integrationen in vorhandene Systeme,
- Umfang der fachlichen Testfälle und Evaluation.
Ein Pilot kann insbesondere folgende Leistungen enthalten:
- einen freigegebenen und bewusst begrenzten Pilotkorpus,
- kontrollierte Aufbereitung und strukturierte Zerlegung der Inhalte,
- semantische Suche und einen begrenzten Antwortpfad,
- nachvollziehbare Quellenangaben und kontrollierte Ablehnung bei unzureichender Evidenz,
- gemeinsam festgelegte Testfälle und eine dokumentierte Evaluation,
- Architektur-, Ergebnis- und Übergabedokumentation.
Der genannte Projektrahmen ist eine typische Orientierung und kein Festpreis für beliebige Datenbestände oder Integrationen. Der konkrete Pilotumfang wird nach dem Wissenscheck als individuelles Angebot vereinbart.
Vom Pilot zur bewussten Ausbauentscheidung
KGM Knowledge RAG folgt einem kontrollierten Engineering-Prozess:
- Eignung klären: Problem, Wissensquellen, Zugriffsgrenzen und Erfolgskriterien bestimmen.
- Pilot begrenzen: ausgewählte Inhalte, Funktionen und Betriebsannahmen verbindlich festlegen.
- Qualität evaluieren: Retrieval, Quellen, Antworten, Ablehnungsfälle und bekannte Grenzen mit realistischen Fragen prüfen.
- Ausbau entscheiden: den Pilot beenden, gezielt verbessern oder auf weitere Quellen, Nutzergruppen und Betriebsanforderungen erweitern.
Ausbau und Betriebskonzept werden individuell angeboten. Erst die Ergebnisse des Piloten zeigen, welche zusätzlichen Integrationen, Rollen, Schnittstellen oder Betriebsleistungen fachlich sinnvoll und realistisch betreibbar sind.
Wann RAG nicht die passende Lösung ist
RAG ist kein Selbstzweck. Es eignet sich vor allem für semantisches Wissen, textuelle Zusammenhänge und erklärungsbedürftige Inhalte.
Für strukturierte Fakten, aktuelle Kennzahlen oder eindeutig abfragbare Datensätze sind Datenbank-, API- oder andere deterministische Abfragen häufig präziser. Solche Mechanismen können mit einem Wissenssystem kombiniert werden, werden aber nicht künstlich durch RAG ersetzt.
Ein Pilot ist außerdem ungeeignet, wenn:
- der Wissensbestand ungeklärt, nicht freigegeben oder stark widersprüchlich ist,
- noch kein konkreter Informationsbedarf benannt werden kann,
- garantiert fehlerfreie oder autonome Entscheidungen ohne fachliche Prüfung erwartet werden,
- ohne begrenzten Pilot sofort eine unternehmensweite Plattform eingeführt werden soll.
Der KI-Wissenscheck dient ausdrücklich dazu, geeignete Lösungswege und technische Alternativen vor einer Umsetzung zu unterscheiden.
Nachvollziehbarkeit und Kontrolle
KGM setzt auf bewusst ausgewählte Wissensquellen, reproduzierbare Aufbereitung, nachvollziehbares Retrieval, Quellenzuordnung und kontrollierte Ablehnung bei fehlender Evidenz. Fachliche Testfälle und dokumentierte Grenzen sind Teil der Qualitätssicherung.
Lokale und kundenseitig kontrollierte Betriebsmodelle gehören zum Schwerpunkt. Der konkrete Daten- und Betriebsweg wird jedoch für jedes Projekt bewusst festgelegt. Es wird nicht pauschal versprochen, dass jeder Prozess in jedem Kundenprojekt vollständig lokal abläuft.
Die Artikelserie „Lokale KI-Infrastruktur für Unternehmen“ vertieft technische Grundlagen und Entscheidungswege für lokale Betriebsmodelle.
Bewusste Leistungsgrenzen
Das Ausgangsangebot ist kein fertiges Standardprodukt und verspricht insbesondere nicht:
- beliebige Datenquellen oder fertige Standardintegrationen für jedes Fachsystem,
- eine unternehmensweite KI-Plattform,
- unbegrenzte Nutzerzahlen, Mandantenfähigkeit oder Benutzerverwaltung,
- 24/7-Betrieb, Hochverfügbarkeit oder Enterprise-SLAs,
- automatisch richtige, vollständige oder konforme KI-Antworten,
- eine öffentliche Live-Demo,
- die vollständige Veröffentlichung des Quellcodes.
Modelle, Hardware, Integrationen und Betrieb werden projektspezifisch gewählt. Konkrete Modellnamen, Digests oder Hardwaredetails sind deshalb kein dauerhaftes Leistungsversprechen.
Ist Ihr Wissensbestand für einen Pilot geeignet?
Im KI-Wissenscheck grenzen wir den Anwendungsfall ein, prüfen einen repräsentativen Ausschnitt des Wissensbestands und schaffen eine belastbare Grundlage für die Entscheidung über einen Pilot.