Welches Problem löst ein interner KI-Suchassistent im Arbeitsalltag?

Ein interner KI-Suchassistent beantwortet Fragen zu Richtlinien und Prozessen direkt mit Quellenangabe, statt Mitarbeitende auf eine Trefferliste zu verweisen. Eine Sachbearbeiterin, die vor der Buchung einer Dienstreise die aktuelle Reisekostenrichtlinie sucht, erhält so den relevanten Absatz samt Verweis auf das Originaldokument, statt sich durch mehrere Ordner in SharePoint oder Seiten in Confluence zu klicken.

Genau dieses Szenario beschreibt den typischen Alltag in vielen Unternehmen: Die Richtlinie existiert, ist aber an einer Stelle abgelegt, die sich seit der letzten Umstrukturierung geändert hat. Die Mitarbeiterin öffnet das Intranet, tippt einen Suchbegriff ein, bekommt zwanzig Treffer und liest drei Dokumente an, bevor sie merkt, dass die Version veraltet ist. Studien von Anbietern wie Atlassian und ABBYY, die sich mit Suchverhalten in Unternehmen befassen, ordnen einen relevanten Teil der Arbeitszeit von Wissensarbeitenden dem Suchen und Zusammentragen von Informationen zu, statt der eigentlichen Aufgabe.

ANCUD verspricht daraus keine eigene Einsparung in Stunden oder Prozent, da eine solche Zahl von der jeweiligen Dokumentenlage und dem Suchverhalten im Unternehmen abhängt und ohne Bestandsaufnahme nicht seriös zu beziffern ist. Nachvollziehbar ist jedoch die beobachtbare Veränderung: Die Sachbearbeiterin stellt eine Frage in natürlicher Sprache und erhält eine Antwort mit Verweis auf die Quelle, statt selbst mehrere Dokumente zu vergleichen. Ob die Richtlinie tatsächlich zutrifft, entscheidet weiterhin ein Mensch anhand der verlinkten Originalquelle.

Was unterscheidet einen internen KI-Suchassistenten von der klassischen Volltextsuche?

Eine klassische Volltextsuche gleicht eingegebene Wörter mit Wörtern im Dokument ab und liefert eine Liste möglicher Treffer. Ein interner KI-Suchassistent versteht die gestellte Frage inhaltlich, sucht nach Bedeutung statt nach exakten Begriffen und formuliert eine direkte Antwort mit Verweis auf die Textstelle, aus der sie stammt. Die Nutzerin muss die Antwort nicht mehr selbst aus mehreren Dokumenten zusammensetzen.

Technisch beruht das auf drei Bausteinen, die sich in Alltagssprache erklären lassen. Ein Embedding ist eine Art Bedeutungs-Fingerabdruck eines Textabschnitts, mit dem sich inhaltlich ähnliche Passagen finden lassen, auch wenn sie andere Wörter verwenden. Hybrid Search kombiniert diese Bedeutungssuche mit der klassischen Stichwortsuche, damit exakte Begriffe wie Formularnummern oder Paragrafen nicht verloren gehen. Reranking sortiert die gefundenen Abschnitte anschließend danach, wie gut sie tatsächlich zur gestellten Frage passen, bevor die Antwort formuliert wird.

Der Assistent ersetzt die vorhandene Ablage in SharePoint, Confluence oder einem Wiki nicht, sondern legt eine zusätzliche Antwortschicht darüber. Das System schlägt keine eigene Rechtsauslegung vor und ersetzt keine fachliche Prüfung, sondern zeigt, wo die Antwort im Originaldokument steht.

Welche Fragen kann ein interner KI-Suchassistent zuverlässig beantworten?

Ein interner KI-Suchassistent beantwortet zuverlässig Fragen, die sich mit einer belegbaren Textstelle in Richtlinien, Prozessbeschreibungen oder Formularen beantworten lassen: Wie hoch ist der Kilometersatz, wer genehmigt eine Bestellung ab einem bestimmten Betrag, welches Formular gehört zu einem Vorgang. Fragen mit eindeutiger, dokumentierter Antwort sind der Kernfall dieses Werkzeugs.

Ungeeignet sind Fragen, die eine Berechnung im Einzelfall, eine rechtliche Auslegung oder eine Entscheidung über eine konkrete Person erfordern. Ob eine bestimmte Mitarbeiterin Anspruch auf eine Sonderzahlung hat, ob eine Kündigung wirksam ist oder wie eine ungewöhnliche Reisekostenabrechnung zu bewerten ist, entscheidet weiterhin die Personalabteilung oder die Rechtsberatung. Der Assistent liest die Richtlinie, er wendet sie nicht auf einen Einzelfall an.

Zur Einordnung eignet sich eine einfache Unterscheidung:

Diese Grenze ist kein Mangel, sondern eine bewusste Entscheidung: Ein interner KI-Suchassistent liefert Orientierung und Quellen, die Entscheidung über Personalfälle oder rechtliche Zweifelsfragen bleibt bei den zuständigen Menschen.

• Geeignet: Regelfragen zu Richtlinien, etwa Reisekosten- oder Urlaubsregelungen
• Geeignet: Prozessschritte, etwa Ablauf einer Bestellfreigabe
• Geeignet: Zuständigkeiten, etwa wer eine Genehmigung erteilt
• Geeignet: Fundstelle von Formularen und Vorlagen
• Ungeeignet: Rechenaufgaben mit individuellen Werten
• Ungeeignet: Einzelfallentscheidungen zu Personalthemen
• Ungeeignet: Verbindliche Auslegung unklarer Rechtslagen

Wie werden SharePoint, Confluence und Wiki angebunden?

SharePoint, Confluence und interne Wikis werden über Konnektoren angebunden, die bestehende Inhalte lesend einlesen, in kleinere Abschnitte zerlegen und regelmäßig auf Änderungen prüfen. Ein interner KI-Suchassistent benötigt dafür keine Migration der Inhalte in ein neues System, sondern arbeitet mit einem laufend aktualisierten Index parallel zu den vorhandenen Werkzeugen.

Der erste Schritt ist ein Indexlauf: Der Konnektor liest die freigegebenen Bereiche einer Quelle ein und zerlegt lange Seiten in kleinere, thematisch zusammenhängende Abschnitte, das sogenannte Chunking. Diese Zerlegung ist notwendig, damit der Assistent später gezielt den passenden Absatz findet, statt eine ganze Seite mit hundert Zeilen zurückzugeben. Jeder Abschnitt behält dabei einen Verweis auf sein Ursprungsdokument, damit die Antwort später nachvollziehbar bleibt.

Nach dem ersten Lauf übernimmt eine Änderungserkennung die laufende Pflege: Wird eine Seite in Confluence bearbeitet oder ein Dokument in SharePoint ersetzt, erkennt der Konnektor die Änderung und aktualisiert den betroffenen Abschnitt im Index, ohne dass der gesamte Bestand neu eingelesen werden muss. Damit bleibt die Antwort des Assistenten auf dem Stand der zuletzt gepflegten Quelle, sofern die Fachbereiche ihre Dokumentation entsprechend aktuell halten.

Mehrere Quellen lassen sich parallel indexieren: SharePoint, Confluence und ein separates Wiki können gleichzeitig angebunden werden, ohne dass eine Quelle in eine andere überführt werden muss. Wie sich dieser Ansatz technisch mit Verfahren wie Large Language Models in Confluence verbindet, die auch für andere Anwendungsfälle der Wissenssuche genutzt werden, zeigt sich unter anderem daran, dass sich Chunking und Indexierung an bestehende Werkzeuge wie Elasticsearch anlehnen lassen, statt eine komplett neue Suchtechnik einzuführen.

Muss vorher von Confluence nach SharePoint migriert werden?

Nein, eine vorherige Migration ist nicht notwendig. Ein interner KI-Suchassistent kann Confluence, SharePoint und weitere Quellen im Parallelbetrieb anbinden. Die Wahl der Ablage bleibt unverändert, der Assistent legt lediglich eine gemeinsame Antwortschicht über die vorhandenen Systeme.

Eine Migration ist ein eigenständiges Projekt mit eigenem Nutzen, etwa wenn zwei Abteilungen unabhängig voneinander gewachsene Strukturen zusammenführen wollen oder eine Ablage technisch veraltet ist. Dieser Nutzen entsteht unabhängig von der Frage, ob ein Suchassistent eingeführt wird, und sollte auch unabhängig davon entschieden werden. Wer beide Vorhaben vermischt, verzögert den Nutzen der Suche um die Dauer eines Migrationsprojekts, ohne dass dafür ein fachlicher Grund besteht.

ANCUD vertritt hier eine klare Haltung zum Bestandsschutz: Vorhandene Werkzeuge werden weiterverwendet, wenn sie fachlich passen. Eine funktionierende Wiki-Landschaft wird nicht ersetzt, nur weil ein neues Werkzeug hinzukommt. Der erste Schritt ist deshalb eine technische Bestandsaufnahme der vorhandenen Quellen, nicht die Planung einer Migration.

Wie bleiben Berechtigungen bei einem internen KI-Suchassistenten gültig?

Ein interner KI-Suchassistent gleicht bei jeder Anfrage die Rechte der fragenden Person mit den Berechtigungen der Quellsysteme ab, statt einen eigenen, unabhängigen Zugriffsschutz aufzubauen. Diese sogenannte Permission-Aware Search prüft zum Zeitpunkt der Anfrage, welche Dokumente die Nutzerin laut SharePoint oder Confluence sehen darf, und schließt alle anderen Inhalte aus der Antwort aus.

Die Anmeldung erfolgt über Single Sign-on mit Azure AD, sodass keine separate Benutzerverwaltung für den Assistenten gepflegt werden muss. Die Identität der Nutzerin ist damit dieselbe wie in den bestehenden Systemen, und der Abgleich der Rechte findet bei jeder einzelnen Abfrage statt, nicht nur einmalig beim Einlesen der Inhalte.

Das Hauptrisiko liegt jedoch nicht in der Technik, sondern in der Pflege der Rechte selbst: Verwaiste Wiki-Seiten aus abgeschlossenen Projekten, veraltete Freigaben und Berechtigungen, die niemand mehr aktiv pflegt, führen dazu, dass auch ein technisch korrekt arbeitender Assistent Inhalte anzeigen kann, die eigentlich nicht mehr relevant sein sollten. Diese Pflege bleibt Aufgabe der jeweiligen Fachbereiche und der IT-Administration, die Zugriffsgruppen in den Quellsystemen aktuell halten müssen, der Assistent selbst kann diese Lücke nicht schließen.

Wird das Gesprächsprotokoll eines internen Suchassistenten personenbezogen ausgewertet, etwa um Nutzungsverhalten einzelner Mitarbeitender nachzuvollziehen, kann dies eine technische Überwachungseinrichtung im Sinne des Betriebsverfassungsgesetzes darstellen und die Mitbestimmung des Betriebsrats auslösen, wie ein Leitfaden zu künstlicher Intelligenz und Mitbestimmung Künstliche Intelligenz und Mitbestimmung am Beispiel eines Bürokommunikations-Chatbots konkret beschreibt. Diese Frage sollte deshalb vor der Einführung mit dem Betriebsrat geklärt werden, nicht erst danach.

Wie verhindert ein interner KI-Suchassistent falsche Antworten?

Ein interner KI-Suchassistent begrenzt Antworten technisch auf Fundstellen aus den angebundenen Quellen wie SharePoint oder Confluence, ein Verfahren, das als Grounding bezeichnet wird. Findet das System keine passende Textstelle, gibt es das offen zu, statt eine plausible, aber erfundene Antwort zu formulieren. Zu jeder Antwort erscheint die zitierte Quelle mit Link, sodass Mitarbeitende die Aussage selbst nachprüfen können.

Das Grounding funktioniert, indem die Frage zunächst gegen eine Vektordatenbank abgeglichen wird und nur die inhaltlich nächstliegenden Abschnitte, sogenannte Chunks, an das Sprachmodell weitergegeben werden. Das Modell soll seine Formulierung ausschließlich aus diesen Abschnitten ableiten und keine Informationen aus seinem allgemeinen Training ergänzen. Ergänzend lässt sich eine Mindestähnlichkeit festlegen, unterhalb derer der Agent bewusst schweigt, statt aus dünner Grundlage zu spekulieren.

Ein System, das versichert, Halluzinationen vollständig auszuschließen, gibt ein Versprechen ab, das technisch nicht zu halten ist. Jedes retrieval-gestützte Verfahren bleibt von der Qualität der Quelldaten und des Abrufs abhängig, wie auch in der Fachliteratur zu Enterprise-Search-Lösungen beschrieben wird Enterprise Search KI im Unternehmen. ANCUD IT baut deshalb Kontrollpunkte ein, die Fehlantworten unwahrscheinlicher machen, statt eine Sicherheit zu behaupten, die es nicht gibt.

Zu diesen Kontrollpunkten gehören eine sichtbare Quellenanzeige, eine Rückmeldefunktion für falsche oder unklare Antworten und eine regelmäßige fachliche Überprüfung der Wissensbasis. Wer den Suchassistenten einführt, sollte diese Mechanismen von Anfang an einplanen, nicht als nachträgliche Reparatur.

Wie wird die Antwortqualität eines internen KI-Suchassistenten geprüft?

Die Antwortqualität wird über einen Fragenkatalog mit hinterlegten Sollantworten geprüft, der in festen Abständen automatisiert gegen das System läuft. Ergänzend wertet die Fachredaktion Daumen-runter-Rückmeldungen der Mitarbeitenden aus und passt Quelldokumente oder Suchparameter gezielt an, statt Probleme unbeobachtet zu lassen.

Der Fragenkatalog bildet typische Alltagsfragen ab, etwa zu Urlaubsregelungen, Freigabeprozessen oder IT-Richtlinien, und wird mit der Fachabteilung abgestimmt, die die jeweilige Richtlinie inhaltlich verantwortet. Bei jeder Nachmessung wird verglichen, ob die aktuelle Antwort noch der hinterlegten Sollantwort entspricht oder ob sich die Grundlage geändert hat, etwa weil ein Dokument überarbeitet wurde.

Rückmeldungen aus dem laufenden Betrieb sind eine zweite, ebenso wichtige Quelle. Klickt jemand auf Daumen runter, landet die Frage samt gegebener Antwort in einer Warteschlange, die eine benannte Fachredaktion regelmäßig durchsieht. Sie entscheidet, ob ein Dokument ergänzt, ein Berechtigungsfehler korrigiert oder eine Formulierung präzisiert werden muss.

Ohne diese Fachredaktion verwaist die Wissensbasis mit der Zeit, veraltete Versionen bleiben liegen und die Trefferqualität sinkt schleichend. ANCUD IT empfiehlt deshalb, die Pflege der Inhalte von Beginn an als feste Aufgabe mit Verantwortlicher oder Verantwortlichem zu benennen, nicht als Nebentätigkeit.

Ist ein interner KI-Suchassistent DSGVO-konform zu betreiben?

Ein interner KI-Suchassistent lässt sich DSGVO-konform betreiben, wenn ein Auftragsverarbeitungsvertrag nach Artikel 28 mit dem eingesetzten Anbieter besteht, die Datenverarbeitung auf das erforderliche Maß begrenzt bleibt und Verläufe nur so lange gespeichert werden, wie es der Betriebszweck erfordert. Diese Einordnung ersetzt keine individuelle Rechtsberatung.

Datenminimierung bedeutet in der Praxis, dass nur die für die Beantwortung nötigen Dokumentenausschnitte an das Sprachmodell übergeben werden und keine vollständigen Personalakten oder unnötigen Zusatzinformationen mitlaufen. Gesprächsverläufe sollten pseudonymisiert oder nach einer klar definierten Frist gelöscht werden, damit aus dem Suchassistenten kein dauerhaftes Bewegungsprofil einzelner Mitarbeitender entsteht.

Bei der Wahl des Betriebsmodells spielt die Region eine zentrale Rolle: Der Betrieb in europäischen Rechenzentren, etwa über Azure-Regionen in Deutschland oder der EU, oder vollständig lokal im eigenen Rechenzentrum reduziert Fragen zu Drittlandtransfers erheblich. Fachbeiträge zur Einführung solcher Chatbots weisen darauf hin, dass Auftragsverarbeitung, Datenminimierung und Speicherort zu den zentralen Prüfpunkten gehören, bevor ein System produktiv geht RAG, Kosten und DSGVO bei firmeninternen KI-Chatbots.

ANCUD IT klärt diese Punkte gemeinsam mit der Kundschaft und deren Datenschutzbeauftragten, bevor eine Architektur festgelegt wird. Eine belastbare Aussage zur Konformität kann nur nach Prüfung der konkreten Datenquellen, Verarbeitungszwecke und vertraglichen Grundlagen im Einzelfall getroffen werden.

Was fordern EU AI Act und Betriebsrat bei einem internen KI-Suchassistenten?

Der EU AI Act verlangt nach Artikel 50 ab dem 2. August 2026, dass Mitarbeitende informiert werden, wenn sie direkt mit einem KI-System interagieren, mit Bußgeldern bei Verstoß und begleitet von der Pflicht zur KI-Kompetenz nach Artikel 4. Zusätzlich kann der Betriebsrat mitbestimmen, sobald Anfragen protokolliert und potenziell personenbezogen ausgewertet werden können.

Die Transparenzpflicht aus Artikel 50 wird häufig nur bei kundenseitigen Chatbots diskutiert, gilt aber ebenso für interne Anwendungen: Wer mit dem Suchassistenten spricht, muss erkennen können, dass eine Maschine antwortet, nicht ein Kollege. Artikel 4 verpflichtet Unternehmen zusätzlich, ihre Beschäftigten im Umgang mit solchen Systemen angemessen zu schulen, etwa im Erkennen von Grenzen und im richtigen Umgang mit unsicheren Antworten.

Auf betrieblicher Ebene greift Paragraf 87 Absatz 1 Nummer 6 Betriebsverfassungsgesetz, sobald der Suchassistent geeignet ist, Verhalten oder Leistung von Mitarbeitenden zu überwachen, etwa durch protokollierte Fragehistorien. Ein Chatbot zur Bürokommunikation gilt nach dem EU AI Act zwar als System mit geringem Risiko, löst aber allein durch die Protokollierung von Mitarbeiteranfragen die Mitbestimmungspflicht aus, ein Zusammenhang, der auf vielen Anbieterseiten fehlt Mitbestimmungspflicht bei protokollierten Chatbot-Anfragen. Der Betriebsrat kann zudem nach Paragraf 80 Absatz 3 Sachverständige hinzuziehen, um die technische Ausgestaltung zu bewerten.

Praktisch bedeutet das: Vor der Einführung gehört eine Betriebsvereinbarung auf die Tagesordnung, die Protokollierung, Zugriff auf Verläufe und Löschfristen regelt. Der Bitkom-Leitfaden zu betrieblicher Mitbestimmung bei KI-Systemen bietet hierzu eine praxisnahe Orientierung für Personalabteilung und Betriebsrat gleichermaßen. ANCUD IT bindet diese Fragen von Beginn an in die Projektplanung ein, statt sie erst kurz vor dem Rollout zu klären.

Wo läuft ein interner KI-Suchassistent: Cloud oder eigenes Rechenzentrum?

Ein interner KI-Suchassistent lässt sich sowohl über Cloud-Dienste wie Azure OpenAI und Azure AI Search als auch lokal mit Werkzeugen wie Ollama oder vLLM betreiben. Die Entscheidung hängt vom Schutzbedarf der Daten, dem verfügbaren Budget und dem eigenen Betriebsaufwand ab, nicht von einer generellen technischen Überlegenheit einer Variante.

Cloud-Betrieb bietet schnellere Inbetriebnahme, geringeren eigenen Wartungsaufwand und eine Skalierung nach tatsächlicher Nutzung, verlangt im Gegenzug aber Vertrauen in die vertraglichen Zusicherungen des Anbieters und eine saubere Auftragsverarbeitung. Lokaler Betrieb gibt die volle Kontrolle über Daten und Infrastruktur, erfordert dafür eigenes Fachpersonal für Betrieb, Aktualisierung und Absicherung der Modelle.

Für stark schutzbedürftige Daten, etwa Personalunterlagen oder strategische Planungen, spricht vieles für einen lokalen oder zumindest europäisch verorteten Betrieb. Für breit nutzbares, weniger sensibles Wissen wie allgemeine Prozessbeschreibungen kann die Cloud-Variante wirtschaftlicher sein. Eine technische Bestandsaufnahme klärt vorab, welche Datenquellen welchen Schutzbedarf haben und wie viel Betriebsaufwand das Unternehmen realistisch selbst tragen kann.

Wie fügt sich ein interner KI-Suchassistent in Teams und Intranet ein?

Ein interner KI-Suchassistent erscheint dort, wo Mitarbeitende ohnehin arbeiten: als Kachel in Microsoft Teams, als Seitenleiste in Confluence, als Baustein im Intranetportal oder als Vorstufe im Service-Desk. Eine zusätzliche, separat zu öffnende Anwendung wird bewusst vermieden.

Die Anbindung an Teams erlaubt es, eine Frage direkt im gewohnten Chatfenster zu stellen, ohne die Arbeitsumgebung zu wechseln. In Confluence lässt sich der Assistent als Seitenleiste einbetten, sodass er beim Lesen einer Richtlinie sofort ergänzende Fragen beantworten kann. Im Intranetportal übernimmt er die Rolle einer intelligenten Suchleiste, die über Stichwortsuche hinausgeht.

Im Service-Desk kann der Suchassistent vorgeschaltet werden, bevor ein Ticket eröffnet wird: Viele Anfragen zu Standardprozessen lassen sich so beantworten, ohne dass ein Mensch in der IT oder Personalabteilung tätig werden muss. Bleibt eine Frage offen, wird sie sauber an das bestehende Ticketsystem übergeben, samt bisherigem Gesprächsverlauf.

Diese Einbettung setzt technisch eine Anbindung über bestehende Schnittstellen und ein funktionierendes Single-Sign-on voraus, damit Berechtigungen konsistent bleiben. Wie ein solcher Assistent auch direkt aus einer Wiki-Umgebung heraus nutzbar wird, beschreibt der Beitrag zu LLMs in Confluence näher. Wer zusätzlich prüfen möchte, wie sich Anfragen an bestehende Support-Prozesse anbinden lassen, findet Grundlagen dazu im Bereich IT Service Management.

Wie hält man die Wissensbasis aktuell und wer ist dafür zuständig?

Ein interner KI-Suchassistent bleibt nur so verlässlich wie die Dokumente, aus denen er antwortet. Aktuell hält man ihn durch feste Redaktionsverantwortliche je Fachbereich, ein Ablaufdatum auf jeder Seite und einen automatischen Hinweis, sobald dieses Datum überschritten ist. Ohne diese Struktur sammeln sich veraltete Versionen an, und der Assistent zitiert Regeln, die längst ersetzt wurden.

In der Praxis funktioniert das über Eigentümerinnen und Eigentümer pro Confluence-Space oder SharePoint-Bibliothek, die Änderungen freigeben und Löschfristen setzen. Widersprechen sich zwei Dokumente, etwa eine alte Verfahrensanweisung und eine neue Richtlinie, muss der Assistent das kennzeichnen statt eine Version zu bevorzugen. Technisch lässt sich das über Versionsstände und Gültigkeitsfelder in den Quellsystemen abbilden, die beim Abruf mit ausgewertet werden.

Eine Recherchequelle zu Confluence-Wissensdatenbanken benennt das zugrunde liegende Problem deutlich: typische Stolpersteine seien verwaiste Wiki-Seiten, veraltete Versionen und Berechtigungen, die niemand pflegt veraltete Versionen und ungepflegte Berechtigungen. Genau diese Pflege ist deshalb kein einmaliges Projekt, sondern eine dauerhafte Aufgabe mit klar benannter Zuständigkeit, die in der Betriebsvereinbarung oder im Redaktionsleitfaden festgehalten wird.

Aussortieren funktioniert am zuverlässigsten über einen regelmäßigen Review-Zyklus, in dem Fachbereiche ihre Seiten bestätigen oder archivieren. Bleibt eine Seite unbestätigt, wird sie aus dem Suchindex entfernt, bis sie wieder freigegeben ist. So verhindert die Organisation, dass der Assistent auf Inhalte zugreift, für die niemand mehr geradesteht.

Wie läuft die Einführung eines internen KI-Suchassistenten ab?

Die Einführung beginnt mit einem Fragenkatalog aus echten Mitarbeiteranfragen, gefolgt von einem Pilotbetrieb mit einer einzelnen Abteilung und erst danach dem Rollout auf weitere Bereiche. Ein realistischer Zeitrahmen liegt bei mehreren Wochen bis wenigen Monaten, abhängig davon, wie sauber Rechte und Quelldaten in SharePoint, Confluence oder Wiki bereits gepflegt sind.

Am Anfang steht keine Software-Auswahl, sondern eine Sammlung typischer Fragen: Welche Richtlinie gilt für Dienstreisen, wie läuft eine Änderungsanfrage im IT-Service, wo steht die aktuelle Freigabematrix. Dieser Katalog zeigt, welche Quellsysteme überhaupt angebunden werden müssen und wo Dokumente fehlen oder widersprüchlich sind.

Der Pilot läuft anschließend mit einer Abteilung, die überschaubare, gut gepflegte Inhalte hat, etwa die IT oder die Personalabteilung. In dieser Phase wird sichtbar, ob die Berechtigungen aus den Quellsystemen korrekt übernommen werden und ob die Antworten des Assistenten fachlich zutreffen. Erst wenn das stabil läuft, folgt der Rollout auf weitere Bereiche, jeweils mit eigener Prüfung der Zugriffsrechte.

Der größte Zeittreiber ist selten das Sprachmodell, sondern die Rechte- und Datenlage: Sind Berechtigungen in Confluence und SharePoint konsistent gepflegt, verkürzt das die Einführung erheblich. Sind sie es nicht, muss diese Bereinigung vor dem produktiven Betrieb erfolgen, sonst würde der Assistent Informationen ausgeben, auf die eine Nutzerin oder ein Nutzer eigentlich keinen Zugriff haben sollte.

Was kostet ein interner KI-Suchassistent?

Die Kosten eines internen KI-Suchassistenten hängen von der Zahl und dem Zustand der angebundenen Quellsysteme, der Komplexität der Berechtigungen, dem gewählten Betriebsmodell, dem erwarteten Nutzungsvolumen sowie dem laufenden Betriebs- und Redaktionsaufwand ab. Feste Beträge lassen sich ohne diese Angaben seriös nicht nennen, deshalb steht am Anfang immer eine technische Bestandsaufnahme.

Wenige, gut gepflegte Quellsysteme mit klarer Rechtestruktur senken den Aufwand deutlich gegenüber einer Landschaft aus mehreren Wikis, Laufwerken und Altsystemen mit uneinheitlichen Zugriffsrechten. Auch das Betriebsmodell wirkt sich aus: Ein Cloud-Dienst mit Azure AI Search und Azure OpenAI Service verursacht andere laufende Kosten als ein lokal betriebenes Sprachmodell auf eigener Infrastruktur, das dafür höhere Anfangsinvestitionen und eigene Betriebsverantwortung erfordert.

Das Nutzungsvolumen, also wie viele Mitarbeitende wie oft Fragen stellen, beeinflusst vor allem die laufenden Kosten der Sprachmodell-Anfragen und der Suchinfrastruktur. Hinzu kommt der Redaktionsaufwand aus Abschnitt zwölf: Ablaufdaten pflegen, Widersprüche klären, Berechtigungen synchron halten, das ist wiederkehrende Arbeit und kein einmaliger Projektposten.

Wer die Einführung eines internen KI-Suchassistenten prüft, sollte deshalb zunächst eine Bestandsaufnahme der vorhandenen Systeme vornehmen lassen, statt auf pauschale Preisangaben zu vertrauen. Diese Bestandsaufnahme klärt, welche Konnektoren nötig sind, wie die Rechtevergabe heute aussieht und welches Betriebsmodell zur bestehenden Infrastruktur passt. Das reicht in vielen Fällen bis in die bereits vorhandene Softwarelandschaft, etwa wenn Suchtechnologie wie Elasticsearch bereits im Einsatz ist und weiterverwendet werden kann.

Wer haftet, wenn der interne KI-Suchassistent falsch antwortet?

Die Haftung bleibt bei den Menschen, die eine Entscheidung treffen, nicht beim Assistenten. Ein interner KI-Suchassistent liefert eine Auskunft mit Quellenangabe, keine verbindliche Entscheidung. Verbindliche Antworten zu Recht, Personal oder Finanzen bleiben bei benannten Rollen in den jeweiligen Fachabteilungen, der Assistent kennzeichnet das im Antworttext.

Diese Kennzeichnung ist kein Zusatz, sondern Teil der Antwort selbst: Der Assistent nennt seine Quelle, weist auf das Ausstellungsdatum hin und markiert erkennbar, wenn eine Frage über eine reine Informationsauskunft hinausgeht. Bei Unsicherheit oder bei Fragen mit rechtlicher Tragweite verweist er auf einen Eskalationsweg zur zuständigen Fachabteilung, statt eine eigene Einschätzung als Tatsache darzustellen.

Diese Rollenverteilung muss vor dem produktiven Betrieb schriftlich festgelegt werden, üblicherweise in einer Betriebsvereinbarung oder Nutzungsrichtlinie, die auch die Protokollierung der Anfragen regelt. So bleibt nachvollziehbar, wer wann welche Auskunft erhalten hat, und die Verantwortung für Entscheidungen verbleibt dort, wo sie auch ohne Assistenten liegen würde: bei der Fachabteilung, nicht bei der Software.

Warum ANCUD IT für Ihren internen KI-Suchassistenten?

ANCUD IT ist eine IT-Beratung aus Nürnberg mit praktischer Erfahrung an Atlassian-Werkzeugen wie Confluence und Jira sowie an Microsoft 365 und SharePoint. Diese Systeme werden weiterverwendet und um Such- und Sprachkomponenten ergänzt, statt eine bestehende Wissenslandschaft durch etwas komplett Neues zu ersetzen.

Die Beratung deckt sowohl klassische Suchtechnologie als auch lokal betriebene Sprachmodelle ab, wenn Datenschutz oder interne Vorgaben einen Betrieb ohne externe Cloud-Anbindung verlangen. Welches Modell zur bestehenden Infrastruktur und zur Rechtelage passt, klärt eine technische Bestandsaufnahme zu Beginn, nicht eine pauschale Produktempfehlung.

Wer über den internen KI-Suchassistenten hinaus auch die Verarbeitung eingehender Dokumente automatisieren möchte, findet dazu mit intelligente Dokumentenverarbeitung eine verwandte Leistung. Und wer die zugrunde liegenden Verfahren wie Retrieval und Sprachmodell-Einsatz grundsätzlich verstehen will, findet Hintergrund unter KI-Beratung für Unternehmen mit RAG und agentischer KI.

Ergebnis ist ein Assistent, der auf vorhandenen Systemen aufsetzt, Berechtigungen respektiert und Antworten mit Quelle liefert, entwickelt von einer Beratung, die technische Grenzen offen benennt statt Versprechen ohne Beleg zu machen.