Frage stellen
Im Intranet, in Teams oder im Portal – in natürlicher Sprache.
RAG-Chatbots: Unternehmenswissen als Assistent für Mitarbeitende und Support.
Ein Chat-Assistent beantwortet Fragen auf Basis freigegebener Unternehmensquellen und zeigt, auf welche Dokumente sich die Antwort stützt.
Kurz gesagt: RAG bedeutet Antworten aus eigenen Dokumenten mit Quellenangabe. Der Assistent sucht relevante Inhalte und formuliert daraus einen Antwortentwurf. Quellen, Berechtigungen und der Umgang mit fehlenden Treffern müssen geprüft werden.
Ausgangslage
Wo heute Zeit verloren geht.
- Dieselben FragenNeue Mitarbeitende fragen immer wieder dasselbe.
- Suchen im HandbuchSupport blättert in Handbüchern und Ordnern.
- Dokumentiert, aber unauffindbarDas Wissen existiert – nur findet es niemand.
- Allgemeine ChatbotsÖffentliche Assistenten kennen interne Regeln nicht.
- Unklare QuellenOb eine Antwort aktuell und belegt ist, bleibt offen.
Ablauf
Was die Lösung Schritt für Schritt tut.
Berechtigung prüfen
Nur Quellen, die diese Person sehen darf, kommen in Frage.
Quellen suchen
Relevante Stellen aus den freigegebenen Dokumenten finden.
Kontext zusammenstellen
Die gefundenen Stellen als Grundlage für die Antwort.
Antworten
Aus dem Kontext formuliert, nicht frei erfunden.
Quellen anzeigen oder eskalieren
Verweis auf die Dokumente; bei Unsicherheit Hinweis oder Übergabe an Menschen.
Vorher – Nachher
Was sich im Arbeitsalltag verändert.
Beispiele aus dem Ablauf – ohne Prozentwerte, die erst eine Messung im Betrieb liefern kann.
| Situation | Heute | Mit der Lösung |
|---|---|---|
| Onboarding | Fragen an die Kollegin nebenan | Antwort aus dem Handbuch, mit Quelle |
| Support-Recherche | Handbuch durchblättern | relevante Stelle in Sekunden |
| Aktualität | unklar | Quelle und Stand sichtbar |
| Fehlendes Wissen | plausible Antwort erfunden | Unsicherheit angezeigt, Eskalation |
Nutzen
Was der Use Case verbessert.
Schnelleres Onboarding
Neue Mitarbeitende finden Antworten selbst.
Weniger Suchaufwand
Fragen statt Ordnerpfade.
Konsistente Wissensnutzung
Alle erhalten die Antwort aus derselben Quelle.
Nachvollziehbare Quellen
Antworten sollen anhand der genannten Quellen prüfbar sein.
Im Einsatz
So sieht die Arbeit damit aus.
Beispielmotive aus unserer Bildwelt – die Oberflächen im Bild sind Illustrationen, keine Kundendaten.
Verantwortung
Was beim Menschen bleibt.
Die Pflege der Quellen, die Bewertung im Zweifel und jede Handlung, die auf die Antwort folgt. Der Assistent belegt, er entscheidet nicht.
Die Lösung bereitet vor, sortiert und übergibt – entschieden und freigegeben wird von Ihren Mitarbeitenden, nach Regeln, die Sie festlegen.
Systeme & Integrationen
Wo die Lösung andockt.
Zum Beispiel – was konkret angebunden wird, hängt von Schnittstellen und Berechtigungen ab und wird in der Potenzialanalyse geprüft.
- Intranet
- Microsoft Teams
- Slack (soweit vorgesehen)
- Website / Portal
- SharePoint
- DMS
- Wissensdatenbanken
Bausteine & Produkte
Was technisch dahintersteht.
Lösungsbausteine sind die technischen Komponenten der Swiss AI Plattform, kombiniert nach Prozess.
RAG / Wissenssysteme
Die Wissensschicht darunter.
Baustein ansehenKI-Agenten
Wenn der Assistent auch Aktionen vorbereiten soll.
Baustein ansehenDokumenten-KI
Quellen aufbereiten.
Baustein ansehen
Kontrolle, Daten & Betrieb
Kontrolle bleibt Teil des Systems.
Je nach Produkt und Schnittstellen betreiben wir die Lösung bei Ihnen, in einer Schweizer Cloud oder kombiniert. Vor dem Pilot klären wir Datenflüsse, Zugriffe und Compliance-Anforderungen. Grundlagen: Private AI und On-Premise & Hybrid (Betrieb auf eigenen Servern oder gemischt).
| Thema | Umsetzung |
|---|---|
| Daten | Interne Dokumente und Fragen der Nutzenden – intern bis vertraulich. |
| Freigaben | Reine Auskunft; Aktionen nur über Agenten mit eigener Freigabe. Bei Unsicherheit Eskalation an Menschen. |
| Rollen & Rechte | Berechtigungen der Quellsysteme gelten je Nutzerin und Nutzer. |
| Protokollierung | Fragen, verwendete Quellen und Antworten nachvollziehbar; Lücken im Wissen sichtbar. |
| Betriebsform | Betrieb auf eigenen Servern oder in einer Private Cloud für die Wissensschicht; der Chat-Kanal wird im Projekt geprüft. |
Branchen
Wo dieser Use Case typisch ist.
- Gesundheit
- Industrie
- Treuhand
- branchenübergreifendder Ablauf ist nicht an eine Branche gebunden
Standard-Ablauf
So kann ein Testbetrieb (Pilot) starten.
Der Pilot bildet nicht sofort den ganzen Prozess ab. Wir wählen einen klar begrenzten Teil, definieren Freigaben und Erfolgskriterien und testen ihn mit echten Daten und den Personen, die damit arbeiten. Dieser Ablauf ist bei jedem Anwendungsfall derselbe.
- Prozess auswählenEinen klar begrenzten Teil des Ablaufs, der heute Zeit bindet und messbar ist.
- Daten und Systeme klärenWelche Daten, welche Schnittstellen, welche Berechtigungen – und was davon fehlt.
- Begrenzten Ablauf umsetzenMit definierten Freigaben und Erfolgskriterien, nicht der ganze Prozess auf einmal.
- Im echten Betrieb messenMit echten Daten und den Personen, die damit arbeiten; danach erweitern oder stoppen.
Verwandte Use Cases
Thematisch nahe Seiten.
Häufige Fragen
Häufige Fragen: RAG-Chatbots
Was ist der Unterschied zum Wissensmanagement?
Wissensmanagement beschreibt die zugrunde liegende Wissensschicht; der RAG-Chatbot ist eine konkrete Dialogoberfläche darauf.
Kann der Chatbot Quellen anzeigen?
Das soll ein Kernbestandteil der Lösung sein.
Was passiert bei fehlendem Wissen?
Der Assistent soll Unsicherheit anzeigen und keine plausibel klingenden Antworten erfinden.
Für welche Unternehmen eignet sich dieser Use Case?
Unternehmen mit dokumentiertem, aber schwer zugänglichem Wissen und wiederkehrenden Fragen von Mitarbeitenden oder im Support – typisch bei Onboarding, Richtlinien und Produktwissen.
Nächster Schritt
Diese Aufgabe bei Ihnen prüfen.
Beschreiben Sie den heutigen Ablauf in zwei Sätzen. Wir prüfen Nutzen, Datenlage, Integrationsaufwand und Risiken und zeigen, ob ein Produkt, ein Lösungsbaustein oder eine individuelle Lösung sinnvoll ist.