AI-Anwendungen & Wissen

Enterprise Knowledge AI

Irgendwo in SharePoint, Confluence, einem Netzlaufwerk und elf Jahren E-Mail existiert die Antwort auf die meisten internen Fragen bereits. Sie ist nicht auffindbar, also fragen die Leute lieber eine Kollegin, und die rät. Wir bauen Assistenten, die aus Ihren eigenen Inhalten abrufen, das Verwendete zitieren und die Berechtigungen achten, die an der Quelle bereits gesetzt sind.

Die geschäftliche Herausforderung

Die Suche hörte bei etwa zehntausend Dokumenten auf zu funktionieren

Stichwortsuche scheitert an internen Inhalten, weil niemand Dokumente mit den Wörtern schreibt, die andere suchen. Das Ergebnis ist eine Organisation, in der es teurer ist, etwas zu finden, als jemanden zu fragen, also fragen alle jemanden. Diese Abgabe steht auf keiner Budgetzeile, weshalb sie nie behoben wird, und sie wächst mit der Belegschaft. Die naive Lösung, einen Chatbot auf eine Dokumentenhalde zu richten, scheitert anders und schlimmer: sie antwortet selbstsicher aus einer veralteten Richtlinie oder legt eine Gehaltsbeurteilung jemandem offen, der sie nie hätte sehen dürfen.

Was wir tun

Abruf, der berücksichtigt, wer fragt

Wir binden die Systeme an, die die Inhalte halten, statt sie irgendwohin zu kopieren, sodass Berechtigungen dort bleiben, wo sie gesetzt wurden, und ein Entzug weiterhin wirkt. Der Abruf wird nach der Identität der fragenden Person gefiltert, bevor das Modell irgendetwas sieht, was bedeutet, dass der Assistent nichts offenlegen kann, das diese Person nicht ohnehin öffnen könnte. Jede Antwort trägt Zitate zu den verwendeten Dokumenten, damit man prüfen statt vertrauen kann. Die Genauigkeit wird an einem beschrifteten Satz gemessen, der aus echten Fragen Ihrer Mitarbeitenden gebildet wurde.

Enterprise Knowledge AI

Leistungsumfang

  • Enterprise AI Search

  • Internal Knowledge Assistants

  • Semantic Enterprise Search

  • AI Document Search

  • Internal Copilots

Typische Anwendungsfälle

Typische Anwendungsfälle

  • Fragen zu Richtlinien und Abläufen für Mitarbeitende im Kundenkontakt beantworten, mit maßgeblichem Dokument und Version.
  • Neuen Mitarbeitenden eine Möglichkeit geben zu fragen, was ein System tut, ohne einen Termin bei der Person zu brauchen, die es gebaut hat.
  • Frühere Arbeiten zu einem Thema projektübergreifend sichtbar machen, damit Angebote nicht bei null beginnen.
  • Support-Mitarbeitenden erlauben, Produktdokumentation und frühere Tickets während eines laufenden Gesprächs abzufragen.

Unser Vorgehen

Unser Vorgehen

  1. Rahmen setzen

    Die Anfrage in eine Spezifikation überführen: wer nutzt es, was ist korrekt, wer entscheidet.

  2. Verankern

    Mit Inhalten und Systemen verbinden, die die Antworten halten, unter Wahrung bestehender Rechte.

  3. Evaluieren

    An einem gelabelten Set aus Ihren echten Fällen bewerten, bevor es nach aussen geht.

  4. Ausliefern & betreiben

    Stufenweises Release mit Monitoring, Kostenkontrolle und Regressionssuite zur Qualitätssicherung.

Technologie

Technologie

  • OpenAI
  • Anthropic
  • Azure OpenAI
  • pgvector
  • Elasticsearch
  • Microsoft 365
  • SharePoint
  • Confluence
  • Salesforce

Sicherheit & Governance

Sicherheit & Governance

Antworten sind in Ihren eigenen Inhalten verankert und mit Quellen belegt, sodass sie überprüfbar sind. Retrieval respektiert die an der Quelle gesetzten Rechte: Nutzende sehen über die Anwendung nichts, was sie direkt nicht sehen dürften. Prompts, Kontext und Antworten werden für Audits protokolliert, und die Evaluation läuft kontinuierlich.

Zusammenarbeitsmodelle

Zusammenarbeitsmodelle

AI-Projekt

Wir übernehmen Verantwortung für Konzeption und Umsetzung einer definierten AI-Lösung.

Dediziertes AI-Team

Langfristige, dedizierte Engineering-Kapazität, zugeschnitten auf Ihren Stack und Ihr Liefermodell.

Managed AI

Wir betreiben, überwachen und verbessern produktive AI-Systeme kontinuierlich.

Warum TeamExtension.ai

Das Schwierige sind die Berechtigungen, nicht der Abruf

Etwas zu bauen, das Fragen aus Dokumenten beantwortet, dauert ein Wochenende. Etwas zu bauen, das korrekt antwortet, seine Quellen zitiert, nie über Berechtigungsgrenzen hinweg ausplaudert, mit sich änderndem Inhalt genau bleibt und sich hinterher prüfen lässt, ist ein Integrations- und Sicherheitsproblem. Das ist gewöhnliche Unternehmens-Engineering-Arbeit, die wir seit Jahren tun, und der Grund, warum die meisten internen Assistenten stecken bleiben, bevor sie das ganze Unternehmen erreichen.

Ausgewählte Kunden

Häufige Fragen

Häufige Fragen

Legt er Dokumente offen, die manche nicht sehen dürfen?
Nein. Der Abruf wird nach der Identität der fragenden Person gefiltert, bevor irgendetwas das Modell erreicht, anhand der im Quellsystem bereits gesetzten Berechtigungen. Wer eine Datei nicht direkt öffnen kann, für den kann der Assistent sie auch nicht lesen. Ein Entzug in der Quelle entzieht sie auch hier.
Was passiert, wenn ein Dokument aktualisiert oder zurückgezogen wird?
Der Index folgt der Quelle. Aktualisierte Dokumente werden planmäßig oder bei Änderungsmeldung neu indiziert, zurückgezogene verschwinden aus den Antworten. Weil Antworten ihre Quellen zitieren, ist stets erkennbar, aus welcher Fassung eine Antwort stammt.
Wie verhindern Sie, dass er Antworten erfindet?
Antworten stützen sich auf abgerufene Passagen und zitieren diese. Findet der Abruf nichts Relevantes, sagt der Assistent das, statt die Lücke zu füllen. Wir messen das ausdrücklich an einem beschrifteten Satz, denn ein Assistent, der selbstsicher irrt, ist schlimmer als gar keiner.
An welche Systeme kann er angebunden werden?
SharePoint, Microsoft 365, Google Workspace, Confluence, Jira, ServiceNow, Salesforce, Dateifreigaben, Datenbanken und interne Schnittstellen. Alles mit einer Schnittstelle oder einer Datenbank kann Quelle sein; wo es keine Schnittstelle gibt, bauen wir den Konnektor.
Wie lange, bis Mitarbeitende ihn nutzen können?
Ein abgegrenzter Pilot über einen Inhaltsbestand und eine Nutzergruppe läuft typischerweise sechs bis acht Wochen, einschließlich der Evaluationsarbeit. Die Ausweitung auf weitere Quellen erfolgt danach schrittweise, weil das Berechtigungs- und Zitatmodell bereits steht.

Ihre AI-Initiative besprechen

Fragmentiertes internes Wissen in sichere Unterstützung überführen, die bestehende Berechtigungen respektiert.