Um Fragen zu Ihrem Unternehmen, Ihren Projekten oder Ihrer Domain zu beantworten, brauchen KI-Agenten Zugriff auf die relevanten Informationen. Ein PDF an eine ChatGPT-Konversation anzuhaengen funktioniert bis zu einem gewissen Punkt. Plugins oder Connectors mit Claude, Cowork oder Codex funktionieren etwas besser. Es reicht trotzdem nicht.
KI-Modelle sind auf oeffentlichem Wissen trainiert. Wenn sie etwas nicht wissen, nutzen sie Tools und Suchmaschinen, um es zu finden. Die Antwort wird nur so gut sein wie die Informationen, die sie sammeln koennen. Wenn sie nicht finden, was sie brauchen, werden ihre Antworten und Handlungen nicht gut genug sein.
Unternehmen haben tatsaechlich viele Daten und viel Wissen. Es liegt nur verstreut in Archiven, schwierigen Dateiformaten, Buechern, Unternehmenslaufwerken, alten Tickets, Projektordnern und Tools, die nie fuer Agenten gebaut wurden. Selbst Menschen kaempfen mit diesem Labyrinth. Eine KI mit generischem API-Zugriff auf E-Mail, Google Drive und ein paar SaaS-Tools wird ebenfalls kaempfen.
Geben Sie agentischen KIs die Unternehmensfakten, und sie koennen beeindruckende Dinge tun. Entziehen Sie ihnen den Kontext, und selbst ein Modell, das Probleme auf Nobelpreis-Niveau loest, wird in Ihrem Unternehmen nutzlos. Das Modell ist nicht der Engpass. Das Wissen ist es.
Knowledge Bases liefern operativen Kontext
Eine haeufige Loesung in KI-Workflows ist eine Knowledge Base: ein Datenspeicher mit einer Suchmaschine davor. Moderne Information-Retrieval-Systeme koennen semantisch suchen. Sie koennen ueber Keywords hinausgehen und Bedeutung beruecksichtigen. Das kann fuer Texte, Bilder, Dokumente, Tickets und anderes Unternehmensmaterial funktionieren.
Wir sind gute Suche gewohnt, wenn wir Google nutzen. Aber Google deckt Ihre Unternehmensdaten nicht ab. Viele SaaS-Tools haben Search APIs, aber sie verstehen meistens nicht, wie Ihr Unternehmen Informationen organisiert, welche Version final ist, welches Dokument ein Entwurf ist, welcher Kundendatensatz zaehlt oder wie verschiedene Informationen zusammenhaengen.
Praezise Fakten ohne explodierendes Token-Budget
Wenn KI-Agenten eine komplexe Frage und bekommen, koennen sie den Datenspeicher abfragen, relevante Informationen sammeln und sie in ihren Kontext laden. Das ist Retrieval Augmented Generation, kurz RAG. Viele KI-Workflow-Produkte bauen aus gutem Grund auf RAG und Vektorsuche: So erschliessen sie Unternehmenswissen.
Konzeptionell ist RAG Suche. Jede ordentliche Suchmaschine kann dafuer genutzt werden. Die schwierigen Fragen sind praktisch: Findet sie die relevanten Informationen, rankt sie sie richtig, und holt sie die beste Version dessen heraus, was der Agent braucht?
Moderne KI-Modelle haben riesige Kontextfenster und koennen viel Material verarbeiten. Aber Kontext kostet Tokens. Wenn die Suche schlecht oder langsam ist, kompensieren Agenten, indem sie zu viel sammeln und sich durch den Stapel arbeiten. Je mehr sie sammeln, desto teurer und verrauschter wird der Workflow.
Knowledge Bases sind der Hebel
Eine gut organisierte Knowledge Base veraendert die Oekonomie agentischer Arbeit. Wenn Agenten nicht finden, was sie brauchen, sind sie langsam und ineffektiv. Geben Sie ihnen sauberes, relevantes und gut geranktes Wissen, und viele spezifische Unternehmensprobleme werden loesbar.
Genau daran arbeitet FORMATION XYZ. Jilles van Gurp, der CTO hinter FORMATION XYZ, arbeitet seit mehr als zwei Jahrzehnten mit Information-Retrieval-Systemen. In seiner Laufbahn hat er Suchframeworks wie Apache Lucene und Produkte wie Elasticsearch und Solr genutzt, um domain-spezifische Suchmaschinen fuer Kunden und Startups zu bauen. Inzwischen gehoert dazu auch Vektorsuche. Er hat ausserdem die Suchbibliothek entwickelt, die die Suche auf dieser Website antreibt.
Unsere Muttergesellschaft FORMATION setzt ebenfalls stark auf Suche. Die Spatial Intelligence Platform verwandelt Standort- und Raumkontext in operatives Wissen fuer Mitarbeitende in Fabriken. Diese Arbeit war der Ausloeser fuer FORMATION XYZ. Wenn wir das fuer Fabrikmitarbeitende tun koennen, warum nicht fuer alle anderen?
Knowledge Base erstellen und pflegen
Der FORMATION-Ansatz startet beim Nutzen, nicht bei einer Tool-Demo. Welche Fragen muss die Knowledge Base beantworten? Was muss das Team tun? Welche Informationen existieren bereits? Welche Teile sind autoritativ, veraltet, doppelt, privat oder schlicht Rauschen?
Hier gibt es keine Abkuerzungen. Kein magischer Download ersetzt das Verstehen des Unternehmens. Wir muessen Prozesse, Menschen, Dokumente, Entscheidungen und das Wissen abbilden, das das Geschaeft am Laufen haelt.
Dann bauen wir Prototypen und fuehren Datenexperimente durch. Wir suchen nach der richtigen Struktur, dem passenden Suchansatz und dem richtigen Mass an Kuration. Manchmal heisst das, Felder aus unordentlichen Dokumenten zu extrahieren. Manchmal heisst es, Produktlinien zu taggen, Kundennamen zu normalisieren, alte Versionen zu filtern oder Datensaetze anzureichern, damit Agenten sie sicher nutzen koennen.
Oft fuehrt das zu automatisierten Datenpipelines. In einfachem Deutsch: rohe Unternehmensinformationen nehmen, bereinigen, umformen und in einer Form in die Knowledge Base laden, die fuer RAG funktioniert. Das ist keine einmalige Aufgabe. Das Unternehmen muss die Knowledge Base langfristig besitzen. Ihre Mitarbeitenden und KI-Agenten koennen nur so gut sein wie das Wissen, das ihnen zur Verfuegung steht.
Agentische Workflows bauen
Sobald die Wissensschicht funktioniert, mappen wir Prozesse und entwerfen Agent Workflows darum herum. Agenten sind tool-nutzende KIs. Sie koennen Dokumente bearbeiten, tief in APIs eingreifen, Systeme aktualisieren und auf die reale Welt wirken.
Das muss durch Guard Rails begrenzt werden. Guard Rails halten die richtigen Menschen im Loop, besonders an Entscheidungspunkten, an denen ein Agent nicht allein handeln sollte. Sie verhindern auch, dass Agenten schnell und selbstbewusst das Falsche tun, also die schlechteste Version von Automatisierung.
Wie FORMATION XYZ hilft
Viele Unternehmen versuchen gerade, den Hype einzuordnen und echten Nutzen aus den verfuegbaren KI-Tools zu ziehen. Fuehrungsteams machen sich Sorgen, etwas zu verpassen, zurueckzufallen oder Wettbewerber schneller werden zu sehen. KI-FOMO ist sehr real.
Wir koennen helfen. Wir sind erfahrene Produktdesigner, Information-Retrieval-Experten und wissen, wie kompliziert die reale Welt in Unternehmen werden kann. Unser Ansatz besteht nicht darin, Sie auf ein Tool zu schieben. Wir arbeiten mit Ihrem Team daran herauszufinden, was gebraucht wird, was gebaut werden sollte, was man einkaufen kann, was bleiben sollte und welche Erwartungen realistisch sind.
Wenn Ihr Unternehmen bereit ist, verstreutes internes Wissen in praktische KI-Workflows zu verwandeln, kontaktieren Sie uns . Wir helfen dabei, die wertvollsten Use Cases zu identifizieren, die Knowledge Base zu entwerfen und die Retrieval- und ETL-Prozesse zu bauen, die Agenten mit Ihrem Unternehmenskontext arbeiten lassen.