Fokusthema Muster – NICHT löschen

Die Phasen zur Einführung einer KI-gestützten Wissensverteilung umfassen den Einsatz eines eigenen Sprachassis-tenten, die Programmierung einer Dokumentensuche und die Skalierung des Modells mit einem Wissensgraphen. Hinter jeder Phase stehen spezifische Technologien, die im Folgenden näher erläutert werden.

Die erste Phase ist die Implementierung eines unternehmensspezifischen Sprachassistenten. Open-Source-Modelle, wie sie auf Plattformen wie Hugging Face verfügbar sind, dienen hier als Ausgangspunkt. Unternehmen trainieren diese Modelle mit firmeneigenen Daten, z. B. Betriebsanleitungen, um eine spezifische Fachsprache zu implementieren. So entstehen sichere, auf das Unternehmen zugeschnittene Lösungen, die keine Daten an externe Anbieter weitergeben.

Die Dokumentensuche stellt sicher, dass Anfragen nachvollziehbare und korrekte Lösungen aus dem Self-Ser-vice oder Support erhalten. Eine häufig verwendete Methode ist die Retrieval-Augmented Generation (RAG), also das Generieren von Texten ergänzt durch das Abrufen von Informationen (Honroth et al. 2024). Hierbei wird häufig ein Link zur richtigen Stelle in einem Dokument wieder gegeben. Die Einführung eines KI-gestützten Sprachassistenten erfolgt bei vielen Unternehmen zunächst in Form eines Pilotprojekts, bei dem ein ausgewählter Dokumentensatz, beispielsweise Betriebsanleitungen einer Produktgrup-pe, verwendet wird. Nach erfolgreicher Erprobung wird der Anwendungsbereich schrittweise erweitert.

Nach der erfolgreichen Pilotphase folgt die Skalierung der Anwendung. Die größte Herausforderung liegt da-rin, das Wissen eines Unternehmens zu ordnen und zu vernetzen. Dabei müssen vorhandene Wissensbestände qualitativ bewertet, Wissensdatenbanken miteinander verbunden und ein Überblick über das gesamte Unterneh-menswissen geschaffen werden. Eine bewährte Methode hierfür ist die Nutzung eines Wissensgraphen (Know-ledge Graph). Dieser kann als eine Art Mindmap visualisiert werden, um Zusammenhänge darzustellen. Während die Erstellung eines Wissensgraphen durch KI unterstützt werden kann, bleibt ein gewisser manueller Aufwand für die Prüfung und Strukturierung der Informationen notwendig.