Enterprise Search findet vorhandene Inhalte. Eine Wissensdatenbank strukturiert und pflegt verbindliches Wissen. Ein KI-Assistent formuliert Antworten, fasst zusammen und kann Aktionen anstoßen. In guten Architekturen konkurrieren diese Bausteine nicht: Der Assistent nutzt Suche und Wissensbasis als kontrollierte Quellen.
Wählen Sie Enterprise Search, wenn Mitarbeitende Dokumente über viele Systeme hinweg finden müssen. Wählen Sie eine Wissensdatenbank, wenn freigegebene Antworten, Prozesse und Verantwortliche gepflegt werden sollen. Wählen Sie einen KI-Assistenten, wenn Nutzer Fragen in natürlicher Sprache stellen, Inhalte verdichten oder Folgeaktionen auslösen sollen. Für belastbare Antworten braucht der Assistent meist RAG, Quellenbelege und berechtigungstreue Suche.
Die drei Systeme im direkten Vergleich
| Enterprise Search | Wissensdatenbank | KI-Assistent | |
|---|---|---|---|
| Primäre Aufgabe | Fundstellen liefern | Verbindliches Wissen pflegen | Antworten und Handlungen unterstützen |
| Ausgabe | Trefferliste, Filter, Vorschau | Artikel, FAQ, Verfahren | Generierte Antwort mit Quellen |
| Inhalte | Viele verbundene Originalquellen | Kuratiertes Redaktionswissen | Index, Kontext und Werkzeuge |
| Stärke | Breite und Auffindbarkeit | Verlässlichkeit und Ownership | Niedrige Zugangshürde und Synthese |
| Hauptrisiko | Zu viele irrelevante Treffer | Veraltete Inhalte | Unbelegte oder falsche Antwort |
Enterprise Search: finden statt formulieren
Enterprise Search verbindet Quellen wie SharePoint, Dateiserver, CRM, Wiki oder Ticketsystem und baut daraus einen durchsuchbaren Index. Moderne Systeme kombinieren Stichwort-, semantische und Vektorsuche. Entscheidend ist nicht nur Relevanz, sondern Berechtigungstreue: Ein Nutzer darf im Suchergebnis nur Inhalte sehen, auf die er in der Quelle Zugriff besitzt.
Search ist die richtige Basis, wenn Nutzer häufig sagen: „Ich weiß, dass es das Dokument gibt, aber nicht wo.“ Sie ersetzt keine redaktionelle Bereinigung widersprüchlicher Versionen.
Wissensdatenbank: verbindlich und gepflegt
Eine Knowledge Base besteht aus bewusst erstellten Artikeln, Standardantworten, Prozessbeschreibungen und Verantwortlichkeiten. Gute Systeme besitzen Status, Review-Datum, Owner, Version und Zielgruppe. Ihre Stärke ist die Verbindlichkeit. Die Schwäche ist redaktioneller Aufwand: Ohne Lifecycle wird aus der Wissensbasis ein weiteres Archiv.
KI-Assistent: verstehen, verdichten, handeln
Ein KI-Assistent nimmt natürliche Fragen entgegen, kann mehrere Quellen zusammenführen und Ergebnisse auf die Aufgabe zuschneiden. Ohne kontrollierte Quellen basiert er jedoch auf Modellwissen und Prompt-Kontext. Für internes Unternehmenswissen wird deshalb häufig Retrieval-Augmented Generation (RAG) eingesetzt: Das System ruft passende Inhalte aus einem Index ab, ergänzt die Anfrage um diesen Kontext und erzeugt darauf eine Antwort.[1]
Retrieve
Die Frage wird in Suchanfragen übersetzt; relevante, erlaubte Passagen werden aus dem Index geholt.
Augment
Die gefundenen Passagen, Metadaten und Regeln werden als begrenzter Kontext bereitgestellt.
Generate
Das Modell formuliert eine Antwort und verweist idealerweise auf die verwendeten Originalquellen.
Evaluate
Antwortqualität, Quellenabdeckung, Berechtigungen, Latenz und Kosten werden laufend getestet.
Die Auswahlmatrix
| Bedarf | Startpunkt | Begründung |
|---|---|---|
| Viele Systeme, unklare Ablage | Enterprise Search | Quellen verbinden, ohne sie sofort umzubauen |
| Wiederkehrende verbindliche Antworten | Wissensdatenbank | Owner und Review schaffen Verlässlichkeit |
| Komplexe Fragen über mehrere Quellen | Search + KI-Assistent | RAG verdichtet Fundstellen zu einer belegten Antwort |
| Standardprozesse ausführen | KI-Assistent + Tools | Assistent kann nach Freigabe Aktionen anstoßen |
| Hohe regulatorische Verbindlichkeit | Kuratiertes Wissen + Search | Generierung bleibt begrenzt und nachprüfbar |
Sieben nicht verhandelbare Anforderungen
- Berechtigungen aus der Quelle bleiben wirksam
- Antworten zeigen konkrete Quellen und Versionen
- Veraltete Inhalte besitzen Owner und Ablaufdatum
- Index und Originalquelle werden zuverlässig synchronisiert
- Prompts und Inhalte werden gegen Datenabfluss geschützt
- Qualität wird mit realen Nutzerfragen gemessen
- Nicht beantwortbare Fragen werden klar abgelehnt
- Logs vermeiden unnötige personenbezogene Daten
Warum Berechtigungen zuerst kommen
Ein RAG-System ist kein Sicherheitsfilter. Wenn der Index vertrauliche Passagen ohne Zugriffskontext enthält, kann ein Modell sie in einer Antwort offenlegen. Permission-aware Retrieval muss deshalb vor der Generierung filtern. Microsoft beschreibt granulare Zugriffskontrolle als Kernanforderung produktiver RAG-Systeme; Google positioniert Enterprise Search ebenfalls als berechtigungsbewussten Zugriff über verbundene Quellen.[2][3]
Praxisbeispiele
Vertrieb
Search findet Präsentationen, Preislisten und frühere Angebote. Eine Knowledge Base enthält freigegebene Leistungsbausteine. Der Assistent entwirft daraus eine Antwort und zitiert Preis- und Leistungsquelle.
Service
Die Wissensbasis enthält bestätigte Lösungen. Search erschließt Tickets und Handbücher. Der Assistent fasst ähnliche Fälle zusammen, ohne ungeprüfte Tickettexte als verbindliche Aussage auszugeben.
Onboarding
Policies und Prozessartikel bilden den verbindlichen Kern. Der Assistent erklärt sie rollenspezifisch und verlinkt auf das Original, statt eigene Regeln zu erfinden.
Eine produktive Architektur hat sechs Schichten
| Schicht | Aufgabe | Kontrollfrage |
|---|---|---|
| Quellen | Dokumente, Seiten, Datensätze und Fachsysteme | Wer ist Owner und welche Version gilt? |
| Connectoren | Inhalte und Berechtigungen sicher lesen | Was wird wann synchronisiert? |
| Aufbereitung | Extraktion, Struktur, Metadaten und Abschnitte | Bleiben Quelle und Kontext erhalten? |
| Index/Retrieval | Keyword-, semantische, Vektor- oder Hybridsuche | Werden die richtigen Passagen berechtigt gefunden? |
| Antwort | Prompt, Modell, Quellenformat und Ablehnung | Bleibt die Aussage durch Fundstellen gedeckt? |
| Betrieb | Evaluation, Logs, Feedback, Kosten und Vorfälle | Wird Qualität über Änderungen hinweg gehalten? |
Suchqualität vor Antwortqualität messen
Wenn die richtige Passage nicht abgerufen wird, kann auch ein sehr gutes Sprachmodell keine verlässliche Antwort erzeugen. Die Evaluation sollte deshalb Retrieval und Generierung getrennt betrachten. Erst wird geprüft, ob relevante und erlaubte Quellen in den Top-Treffern liegen; danach, ob die Antwort diese Quellen korrekt und vollständig nutzt.
- Trefferquote für bekannte relevante Quellen
- Präzision der Top-Ergebnisse
- Anteil korrekt belegter Aussagen
- Anteil sinnvoll abgelehnter Fragen
- Berechtigungsfehler und unerlaubte Treffer
- Aktualität nach einer Quellenänderung
- Antwortzeit und Kosten je Anfrage
- Nutzerfeedback nach Aufgabe und Rolle
Build, buy oder vorhandene Plattform erweitern?
Eine fertige Plattform beschleunigt Connectoren, Suche, Rechte und Betrieb, begrenzt aber Anpassung und kann Lizenzkosten erhöhen. Eine individuelle Lösung bietet Kontrolle über Retrieval, Modelle und Oberfläche, verlagert jedoch Security, Evaluation und Wartung ins eigene Team. Häufig ist ein hybrider Weg sinnvoll: vorhandene Identitäten und Quellen behalten, eine verwaltete Suche nutzen und nur die fachliche Antwortlogik individuell bauen.
Bewerten Sie nicht zuerst Chatoberflächen. Vergleichen Sie Quellenabdeckung, Berechtigungsmodell, Belegqualität, Aktualisierungszeit, Evaluation, Exit-Möglichkeit und Gesamtbetriebskosten.
Häufige Fragen
Ist ein Chatbot schon eine Wissensdatenbank?
Nein. Ein Chatbot ist eine Oberfläche. Verlässlichkeit entsteht erst durch gepflegte Quellen, Retrieval, Berechtigungen, Regeln und Evaluation.
Kann RAG Halluzinationen vollständig verhindern?
Nein. RAG reduziert unbelegte Antworten und ermöglicht Quellenprüfung, beseitigt Modellfehler aber nicht. Ablehnungslogik und Tests bleiben notwendig.
Müssen alle Dokumente in eine neue Plattform migriert werden?
Oft nicht. Connectoren und ein Suchindex können bestehende Quellen erschließen. Bereinigung und Ownership sind trotzdem erforderlich.
Was sollte zuerst pilotiert werden?
Ein enges Wissensgebiet mit klaren Quellen, echten Testfragen, überschaubaren Berechtigungen und einem verantwortlichen Fachteam.
