Ein allgemeiner Chatbot kennt Ihr Haus nicht.Dieser Aufbau schon.
Gesucht wird in jedem Bereich — unterschiedlich viel, aber nirgends wenig. Diese Seite zeigt, wie aus Ihren Ordnern eine KI-Wissensdatenbank für den Maschinenbau wird — warum daraus zwei Wissensbestände entstehen, warum die Ordnergrenze dabei die wichtigste Regel ist und warum am Ende fünf Fachagenten antworten und nicht einer. Jede Antwort mit Fundstelle.
Gesucht wird in jedem Bereich.
Im Maschinenbau fängt fast jede Aufgabe mit einer Suche an: Anlage und Ausführung identifizieren, die richtige Version einer Liste finden, im Vorgängerprojekt nachsehen, ob eine ähnliche Maschine schon einmal so geliefert wurde. Diese Arbeit hinterlässt kein Ergebnis und steht deshalb in keiner Kalkulation.
Ein allgemeiner Chatbot ist der neue Kollege am ersten Arbeitstag.
Gute Grundausbildung. Er hat das halbe Internet gelesen und nicht eine einzige Ihrer Zeichnungen. Er weiß, was eine Seitenkanalpumpe ist. Er weiß nicht, dass in Ihrer Baureihe 80 der Werkstoff gewechselt wurde und warum. Und warum die Gleitringdichtung bei Glucose in Ihrer Exzenterschneckenpumpe bricht, weiß er auch nicht. Entlastung: Texte glätten, Mails formulieren. Das ist ehrlich, und das ist alles.
Ein Agent ist keine Kiste, sondern ein Aufbau. Das Sprachmodell ist darin nur ein Teil — es liefert die Sprache. Die Tatsachen liefert etwas anderes: eine Wissensbasis aus Ihren Unterlagen. Deshalb kann die Antwort eine Fundstelle tragen.
Rohwissen ist der Projektordner. Ein Dossier ist das Blatt daraus.
Eine KI-Wissensdatenbank ist kein einzelner Topf. Aus PDF, Handbüchern, Datenblättern, Serviceberichten, Angeboten und Tabellen entstehen zwei Bestände — nicht einer nach dem anderen. Der eine ist die durchsuchbare Rohwissensbasis: alles drin, mit Fundstelle, aber ungeordnet. Der andere sind die Dossiers.
Ein System, das nach Ähnlichkeit greift, holt zur Frage nach Baureihe A auch das Datenblatt von B — weil es sich ähnlich liest. Die Antwort mischt dann zwei Maschinen, und weil eine Quelle dranhängt, sieht sie geprüft aus. Das ist schlimmer als keine Antwort.
Deshalb ist die Rohwissensbasis hier die Rückfallebene und nicht der Hauptweg. Die Dossiers werden direkt aus den Unterlagen gebaut, nicht aus Treffern der Rohwissensbasis — sonst käme die Ähnlichkeit durch die Hintertür zurück. Das macht ein Agent mit einer festen Definition: Ihre Ordner- und Projektstruktur ist die Grenze, nicht ein Ähnlichkeitsmaß. Ein Ordner ist von Menschen gezogen worden, eine Ähnlichkeit ist nur gerechnet. Geschnitten wird nach Produkt, Baureihe, Anwendung oder Werkstoff; hinein gehören Regeln, Risiken, offene Fragen und der Freigabestand. Jemand hat die Grenze vorher gezogen.
Kein Universalkollege, sondern eine Abteilung.
Ein allgemeiner Chatbot hat eine Zuständigkeit. Hier sind es fünf — je eine Position aus Ihrem Haus — und davor jemand, der die Frage versteht und an den Richtigen weitergibt.
Und es gibt eine Hausregel: Jeder Fachagent schaut zuerst ins Dossier. In die Rohwissensbasis nur, wenn das Dossier nicht reicht. Das ist keine Bequemlichkeit, sondern die Regel, die verhindert, dass eine ähnliche Baureihe in die Antwort rutscht.
Sie entscheiden, wo Ihre Daten liegen.
Der KI-Wissensagent ist in allen drei Ausführungen derselbe. Unterschiedlich ist nur, wo er läuft und wer den Server betreibt. Trainiert wird in keiner davon auf Ihren Daten.
Rechenzentrum in der EU. Kein Training auf Ihren Daten. Schnellster Start, geringster Aufwand — der übliche Weg für den Proof of Concept.
Exklusiv für Sie im Rechenzentrum. Nichts verlässt diesen Server, Zugang üblicherweise per VPN.
Ihre Hardware, Ihr Netz. Nichts verlässt Ihr Unternehmen. Höchster Aufwand, und für manche Häuser die einzige Ausführung, die infrage kommt.
Fünf Positionen. Jede sitzt in genau einer Prozesskette.
Die Ketten laufen unabhängig voneinander — Sie fangen mit einer an. Jede Position hat ihr eigenes Blatt, mit Datenbasis, Vorgehen und einem Kundenbeispiel, das es an echten Daten nachweist.
Konstruktion
mit KI
mit KI
und Dokumentation
Aufgebaut von einem Ingenieur aus dem Fachbereich, nicht aus der IT: Der Agent beantwortet die Fragen, die Ihre Leute morgens tatsächlich stellen.
Was Entscheider zu Recht fragen.
Ist das nicht einfach ein Chatbot mit unseren eigenen Daten?
Das Sprachmodell ist dasselbe. Ein allgemeiner Chatbot hat aber kein abgegrenztes Wissen und keine Regel, was er zuerst liest. Genau diese zwei Teile kommen hier dazu: eine Wissensbasis aus Ihren Unterlagen und die Festlegung, in welcher Reihenfolge darin gesucht wird. Das Modell ist der austauschbare Teil des Aufbaus.
Was ist der Unterschied zwischen einer KI-Wissensdatenbank und einem RAG-System?
RAG ist der Fachbegriff für das Verfahren: Das Sprachmodell bekommt zur Frage passende Stellen aus Ihren Unterlagen vorgelegt und antwortet daraus. Ein reines RAG-System endet dort — es sucht nach Ähnlichkeit in einer Vektordatenbank. Diese KI-Wissensdatenbank hat eine zweite Schicht darüber: kuratierte Dossiers, geschnitten nach Produkt, Baureihe, Anwendung und Werkstoff. Gefragt wird zuerst dort, die Rohwissensbasis ist nur die Rückfallebene. Das ist der Unterschied zwischen einer plausiblen und einer belegten Antwort.
Ist das eine Software für KI-Wissensmanagement?
Ja. Der KI-Wissensagent macht das Wissen aus Ihren Unterlagen auffindbar und antwortet mit Fundstelle. Aufgebaut wird er auf Ihren eigenen Ordnern, und er läuft dort, wo Sie entscheiden: im EU-Rechenzentrum, auf einem dedizierten Server oder im eigenen Haus.
Warum sollten wir das nicht selber bauen?
Den Aufbau können Sie nachbauen — die Werkzeuge sind offen, und wir zeigen sie offen. Wer im Haus schon eigene Auswertungen oder Skripte gebaut hat, hat den entscheidenden Schritt bereits gemacht. Was Arbeit macht, ist etwas anderes: die Festlegung, was in ein Produktdossier gehört, damit die Grenze an der richtigen Stelle liegt und keine Nachbarbaureihe hineinrutscht. Diese Festlegung kommt aus elf Jahren Serienentwicklung, Stammdaten und Zertifizierung.
Was ist ein Dossier, und wozu die zweite Schicht?
Die Rohwissensbasis ist der Projektordner: alles drin, durchsuchbar, ungeordnet. Ein Dossier ist das Blatt, das jemand daraus gezeichnet hat — zusammengefasst nach Produkt, Anwendung oder Werkstoff, mit benannten Regeln, Risiken und offenen Fragen. Der Fachagent liest zuerst das Dossier, weil dort die Grenze schon gezogen ist.
Wird auf unseren Daten trainiert?
Nein. Ihre Unterlagen werden aufbereitet und durchsuchbar gemacht, nicht in das Sprachmodell eingelernt. Das Modell liest bei jeder Frage nur die Stellen, die zur Frage gehören, und gibt sie mit Fundstelle zurück.
Wo laufen Modell und Wissensbasis?
In drei Ausführungen, und Sie entscheiden welche: Modell als Dienst im EU-Rechenzentrum für den schnellsten Start, dedizierter Server exklusiv für Sie mit Zugang per VPN, oder voll auf Ihrer Hardware im eigenen Netz. Der Agent ist in allen drei derselbe; unterschiedlich ist nur, wer den Server betreibt.
Ersetzt das unsere Erfahrungsträger?
Nein. Der Kollege, den heute alle fragen, ist nicht ersetzt — er ist entlastet. Die Frage an ihn wird zur Ausnahme statt zum einzigen Weg zur Antwort, und die Fragen, die ihn noch erreichen, sind die, für die es sich lohnt.
Bringen Sie einen Ordner mit.
30 Minuten, keine Präsentation. Wir schauen uns an, welche Unterlagen zu einem Ihrer Fälle gehören, wo die Grenze eines Dossiers liegen müsste und was davon heute schon auffindbar ist.
30-Minuten-Gespräch vereinbaren →