Ratgeber

Checkliste: KI-Wissensdatenbank vorbereiten

Was ihr klären solltet, bevor ihr Angebote zum Thema KI-Wissensdatenbank einholt. Je mehr davon vorher steht, desto belastbarer werden die Angebote.

Angebot nach Anfrage6 bis 10 WochenStand 2026
Kurz gesagt

Vor der Entscheidung für eine KI-Wissensdatenbank lohnt sich eine kurze Bestandsaufnahme: welcher Ablauf am meisten Zeit kostet, wer das System später betreut, und ob die nötigen Inhalte überhaupt vorliegen. Die vollständige Checkliste steht weiter unten.

01 — Checkliste

Vor dem ersten Angebot klären

  • Was soll besser werden? In einem Satz, ohne Fachbegriffe.
  • Woran merkt ihr es? Eine Zahl, die sich ändern soll.
  • Wer entscheidet? Eine Person, nicht ein Gremium.
  • Welches Budget steht zur Verfügung? Ein Rahmen genügt — er macht Angebote vergleichbar statt beliebig.
  • Bis wann? Und woran hängt der Termin.
  • Welche Systeme sind betroffen? Und wer hat dort Zugang.
  • Was habt ihr schon? Inhalte, Daten, Vorarbeiten — das senkt den Preis.

02 — Mitwirkung

Was wir von euch brauchen

  • Eine Ansprechperson, die entscheiden darf — nicht nur weiterleiten.
  • Zugang zu den betroffenen Systemen, rechtzeitig und nicht am Tag des Livegangs.
  • Echte Beispiele aus dem Alltag — je unsauberer, desto nützlicher für den Test.
  • Zwei bis vier Stunden für Abstimmung, verteilt über die Projektlaufzeit.
  • Eine Antwort auf die Frage, was Erfolg bedeutet. Ohne die lässt sich hinterher nichts beurteilen.

03 — Fragen

Fragen, die ihr stellen solltet

  • Was passiert, wenn das Projekt teurer wird als geschätzt — wer trägt das?
  • Wem gehören Daten, Zugänge und, falls entwickelt wird, der Quellcode?
  • Was kostet der Betrieb im zweiten und dritten Jahr?
  • Wie sieht die Dokumentation aus, die wir am Ende bekommen?
  • Woran würden Sie messen, ob das Projekt erfolgreich war?
  • Gibt es einen Fall, in dem Sie uns davon abraten würden?

04 — Fragen

Häufige Fragen

Unsere Dokumente sind ein Chaos. Geht das trotzdem?

Zu einem gewissen Grad ja — das System kommt mit unterschiedlichen Formaten und Strukturen zurecht. Was es nicht leisten kann, ist widersprüchliche Information aufzulösen. Wenn drei Versionen einer Preisliste kursieren, muss vorher geklärt werden, welche gilt.

Sieht dann jeder alles?

Nein. Die Rechte aus euren bestehenden Systemen werden übernommen. Wer einen Ordner heute nicht öffnen darf, bekommt auch keine Antwort daraus.

Was ist RAG?

Die Abkürzung steht für retrieval-augmented generation. Statt das Sprachmodell aus dem Gedächtnis antworten zu lassen, wird zuerst in euren Dokumenten gesucht, und nur die gefundenen Stellen werden zur Beantwortung herangezogen. Das ist der Grund, warum die Antwort eine Quelle hat.

Wie lange dauert die Einrichtung bei einem großen Dokumentenbestand?

Das hängt weniger an der Menge als am Zustand: Gut strukturierte Ablagen mit wenigen Dopplungen sind in wenigen Wochen einsatzbereit, gewachsene Ablagen mit vielen Altversionen brauchen eine Bereinigungsrunde vorab.

Muss das in der Cloud laufen?

Nein. Für sensible Bereiche setzen wir Modelle ein, die vollständig auf eurer eigenen Hardware laufen. Das kostet mehr Einrichtung und etwas Antwortqualität, dafür verlässt kein Dokument das Haus.

Was, wenn wir mehrere Sprachen im Dokumentenbestand haben?

Kein Problem — die Suche versteht Fragen und Dokumente unabhängig von der Sprache und findet auch dann die richtige Antwort, wenn Frage und Quelle in unterschiedlichen Sprachen verfasst sind.

Können wir das schrittweise auf weitere Abteilungen ausweiten?

Ja, das ist der übliche Weg. Start mit einer Abteilung, aus deren Fragen und Ergebnissen lernen, dann erst die nächste anschließen — statt alles auf einmal freizugeben.

Nächster Schritt

Reden wir kurz darüber, ob sich das bei euch rechnet.

Ein Gespräch von zwanzig Minuten reicht meistens, um zu klären, ob ein Projekt Sinn hat. Wenn nicht, sagen wir das — das ist billiger für beide Seiten als ein Angebot, das niemand braucht.