KI-Projekt: KI-Chatbot für internes Wissensmanagement

Ziel des Projektes für unseren Kunden inuwat AG, war das Aufsetzen, die Erstellung und die Inbetriebnahme eines OpenSource-KI-Chatbots, der mit Hilfe von RAG (Retrieval Augmented Generation) auf Unternehmensdaten, interne Prozess-Beschreibung und andere interne Dokumente zugreift.

Die Erwartung war, dass dadurch die gesamte interne Dokumentation an einem Ort gesammelt und einfach zugänglich gemacht, sowie allen Mitarbeitenden – über natürliche Sprache via Chat – der gleiche Informationsschatz effektiver vermittelt werden kann.

Herausforderung

Das interne Wissensmanagement des Kunden ist in seinen strategischen Unternehmensleitlinien fest verankert. Vor dem Projektstart gab es noch kein echtes Intranet und die Suche nach wichtigem, oftmals dringend erforderlichem Wissen, war sehr zeitintensiv und manchmal auch erfolglos.

Darüber hinaus ist der Kunde in der Wasseraufbereitung tätig, wo oftmals komplexe Verfahrensweisen (z.B. chemische Wasseraufbereitung mit zahlreichen Einflussfaktoren und Bedingungen) mit tiefem Wissen notwendig sind. Dieser Wissensschatz und viele Erfahrungswerte waren bislang oft intrinsisch in erfahrenen Mitarbeitenden gebunden, die altersbedingt in den nächsten Jahren ausscheiden werden. Zwar sind entsprechende Prozesse dokumentiert, aber durch immer wieder andere Bedingungen wurden oft einfachheitshalber Fachpersonen um Rat gefragt. Und natürlich, wie bei jedem Flaschenhals, war die Fachperson nicht verfügbar, kam der gesamte Prozess ins Stocken.

Lösung

Im ersten Schritt stand eine Beratung der IT-Abteilung des Kunden an, in Hinblick auf die Hardware-Anforderungen des Systems.

Nachdem dies geklärt wurde, wurde in Zusammenarbeit das KI-System mit Vektordatenbank sowie RAG-Methode datenschutzsicher auf einem eigenen Server mit OpenSource Frameworks aufgesetzt und der KI-Chatbot erstellt.

Jetzt hat der Kunde die Möglichkeit, mit seinen eigenen Daten zu chatten. Darüber hinaus steht ihm in der Weboberfläche auch die Möglichkeit offen, entweder den Modus der klassischen semantischen Suchfunktion zu nutzen oder den Modus ohne RAG zu wählen. Der Modus ohne RAG ermöglicht dem Kunden vom vortrainierten Wissen des Modells zu profitieren, z.B. wenn es um arbeitsrechtliche Fragen oder Textaufbereitung geht.

Zudem werden in den Antworten des Chatbots immer auch die Quelldokumente genannt und verlinkt, sodass Mitarbeitende bei Bedarf direkt im Original nachlesen können.

Ergebnis

Das primäre Ziel wurde erfüllt: Das interne Wissen des Kunden ist an einem Ort zu finden, was wiederum zu einer großen Zeitersparnis bei verschiedenen Recherchen oder Ausbildungsmaßnahmen führt.

Eine weitere hilfreiche Funktion des Chatbots, das anonymisierte Monitoring, kann dabei auch auswerten, zu welchen Themen Mitarbeitende eventuell Wissenslücken haben. Diese können dann durch weitere proaktive Maßnahmen in einem kontinuierlichen Verbesserungsprozess effektiv geschlossen werden. Mitarbeitende sind so auch motivierter, da keine Verzögerungen durch das Fehlen einer Fachkraft entstehen und trauen sich oft mehr scheinbar simple oder wiederholte Fragen zu stellen – der Bot hat immer Zeit.

Beim Recruiting und speziell im Angesicht des Employer Brandings zeigt der firmeninterne Chatbot die Innovationsstärke des Unternehmens und lockt so mehr potenzielle Mitarbeitende an.