Wissensassistent für Unternehmen mit gemeinsamer Kontextschicht

Ich entwickle interne Wissensassistenten, die nicht nur Dokumente durchsuchen, sondern wissen, was gerade gilt: Zweck, Stand, Entscheidungen, nächste Schritte und Belege. Ihr Team und Ihre KI-Agenten lesen denselben geprüften Kontext. Das Prinzip nutze ich selbst täglich in meinem System PersonalOS.

Ein RAG-Chatbot findet passende Textstellen. Im Alltag fehlt aber meist etwas anderes: die Einordnung, welche Entscheidung gilt, was nur ein Vorschlag war und woher eine Aussage stammt. Diese Schicht entwickle ich mit, wenn ich einen Wissensassistenten baue.

Wissen liegt verteilt, und weder Mitarbeitende noch KI-Agenten erkennen zuverlässig, was davon aktuell gilt.

Abgegrenzter Wissensassistent mit Kontextschicht, Quellennachweisen, Rechtekonzept und dokumentierter Übergabe.

Auf Anfrage je nach Projekt

Viele Unternehmen haben weniger ein Such- als ein Gültigkeitsproblem. Dokumente, Tickets, Chats und Protokolle widersprechen sich, alte Entscheidungen verlieren ihre Begründung, und ein Vorschlag aus einem Meeting wird Wochen später wie ein Beschluss behandelt. Ein Chatbot über diesem Bestand gibt die Widersprüche nur schneller weiter. Mit KI-Agenten verschärft sich das: Jeder Agent kennt nur seinen Ausschnitt und handelt trotzdem.

Die Primärquellen bleiben, wo sie sind: Code im Repository, Dokumente im Wiki oder auf dem Laufwerk, Aufgaben im Ticketsystem. Darüber entsteht eine gepflegte Kontextschicht. Sie hält pro Produkt, Prozess oder Team fest, wofür der Bereich da ist, was heute gilt, was entschieden wurde, was als Nächstes zählt und welche Belege dahinterstehen. Der Assistent antwortet aus dieser Schicht und den verknüpften Quellen – im Chat für Menschen und über einen festen Lesepfad für Agenten.

Typische Ausgangslage

  • Dieselben Fragen werden in Teams, Tickets und Agenten-Sitzungen immer wieder neu beantwortet
  • Entscheidungen sind festgehalten, ihre Begründung nicht – also werden sie später versehentlich zurückgedreht
  • Generische Chatbots finden Textstellen, wissen aber nicht, welche Version gilt
  • KI-Agenten arbeiten mit unterschiedlichem Kontext und laufen in verschiedene Richtungen

Was ich liefere

  • Fünf Rollen statt eines Textbergs: Zweck, aktueller Stand, Entscheidungen, nächste Schritte, Belege
  • Vorschläge werden erst nach Prüfung verbindlich, damit unfertige Ideen nicht unbemerkt zur Arbeitsgrundlage werden
  • Antworten nennen ihre Quelle; fehlt ein Beleg oder ein aktueller Stand, sagt der Assistent das, statt zu raten
  • Ein Arbeitsbereich zuerst, weitere Quellen und Aktionen erst nach überprüfbarer Abnahme

Technischer Ansatz

  • Anbindung bestehender Quellen wie Repository, Wiki, Laufwerk oder Ticketsystem, ohne sie zu ersetzen
  • Kontext pro Arbeitsbereich wird deterministisch erzeugt: gleiche Quellen und gleicher Stichtag ergeben dieselbe Sicht
  • Retrieval mit Quellennachweis und Rechtefilter, damit nur ankommt, was die fragende Person lesen darf
  • Derselbe Lesepfad für Chat-Oberfläche und Agenten, etwa als MCP-Server; Betrieb auf AWS in Frankfurt oder selbst gehostet auf eigenem Server

Ablauf

  • Produkt-Discovery: Arbeitsbereich, Quellen, Nutzergruppen, Berechtigungen und die wichtigsten Fragen klären
  • Pilot mit einem Arbeitsbereich und echten Quellen, geprüft an einer Testmenge aus echten Fragen
  • Ausbau um weitere Quellen, Rollen und freigegebene Agent-Aktionen nach Abnahme
  • Dokumentierte Übergabe: Pflegeprozess, Monitoring und Regel, wer Vorschläge zu Beschlüssen macht

Warum ich

  • Prinzip im eigenen Alltag erprobt (PersonalOS)
  • Quellenangaben statt Blackbox-Antworten
  • AWS eu-central-1 / Frankfurt oder selbst gehostet
  • Remote deutschlandweit
  • Deutsche Verträge und Kommunikation auf Deutsch

Häufige Fragen

Was unterscheidet das von einem RAG-Chatbot?

Ein RAG-Chatbot sucht passende Textstellen und formuliert daraus eine Antwort. Ein Wissensassistent mit Kontextschicht weiß zusätzlich, welche Entscheidung gilt, was nur vorgeschlagen wurde und welcher Beleg dahintersteht. Retrieval ist ein Baustein davon, nicht das ganze System.

Was ist PersonalOS, und bekomme ich das?

PersonalOS ist meine eigene Kontextschicht. Darüber lesen Codex, Claude Code, Kiro und Hermes in meinem Alltag denselben Stand. Ich betreibe es selbst gehostet, auf einem VPS und lokal auf einem Mini-PC. Ich übertrage es nicht eins zu eins auf Ihr Unternehmen. Ihr System entsteht aus Ihren Prozessen, Quellen und Zugriffsregeln; aus meinem Setup kommt die erprobte Struktur.

Ersetzt der Assistent unser Wiki oder Ticketsystem?

Nein. Dokumente bleiben im Wiki oder auf dem Laufwerk, Aufgaben im Ticketsystem, Code im Repository. Der Assistent liefert die verdichtete Einordnung und verweist auf diese Quellen.

Wann lohnt sich ein Wissensassistent wirklich?

Wenn mehrere Personen oder Agenten wiederholt am selben Produkt oder Prozess arbeiten, Entscheidungen über Wochen gelten müssen und verstreute Quellen regelmäßig zu Rückfragen oder Fehlannahmen führen. Für ein kleines Einmalprojekt reicht meist eine gute Projektdatei.

Bleiben unsere Dokumente in der EU?

Das hängt von Datenklasse, Modell und Betriebsvariante ab. Dokumente und Vektordaten lassen sich in AWS eu-central-1 verarbeiten; für Modellaufrufe wird vorab geprüft, ob das gewählte Bedrock-Modell die geforderte regionale Verarbeitung unterstützt. Für besonders sensible Bereiche ist auch ein self-hosted Modell möglich.

Wie funktioniert die Zugriffskontrolle?

Der Assistent antwortet nur aus Dokumenten, die die fragende Person auch heute lesen dürfte. Dazu übernehme ich die bestehenden Berechtigungen aus dem Quellsystem und filtere beim Retrieval nach Rolle oder Gruppe, nicht erst in der Antwort.

Wie wird die Antwortqualität gemessen?

Mit einer Testmenge aus echten Fragen und den erwarteten Quellen. Daran prüfe ich Trefferqualität und Antworttreue vor jedem Release. Im Betrieb ergänzt Feedback der Nutzer auf einzelne Antworten diese Testmenge laufend.

Was passiert nach dem Livegang?

Der Kontext braucht Pflege: neue Quellen, überholte Entscheidungen, Fragen, die schlecht beantwortet werden. Deshalb gehört zur Übergabe ein Pflegeprozess mit klarer Zuständigkeit. Monitoring und Auswertung übernimmt Ihr Team, oder ich begleite die Weiterentwicklung im Rahmen der Nachbetreuung.