Suche

Wonach suchen Sie?

Durchsuchen Sie Leistungen, Anwendungsfälle und unser Praxiswissen.

Mindestens 2 Zeichen eingeben

Beliebte Einstiege

Wissen, Daten und RAG

Wie wird eine KI-Wissensbasis dauerhaft gepflegt und geprüft?

Eine Wissensbasis ist nach dem ersten Import nicht fertig. Quellen, Rechte, Fragen und Modelle ändern sich – deshalb braucht RAG einen fachlichen und technischen Betriebsprozess.

Die kurze Antwort

Eine KI-Wissensbasis wird zuverlässig, wenn Quellenverantwortung, Synchronisation, Rechte, Qualitätsmessung, Monitoring und Fehlerbehandlung als wiederkehrende Betriebsaufgaben mit klaren Zuständigkeiten organisiert sind.

Kurz zusammengefasst

  • Fachbereiche verantworten Inhalt und Gültigkeit; Technik verantwortet Verarbeitung und Verfügbarkeit.
  • Jede Quelle braucht einen definierten Aktualisierungs-, Fehler- und Löschprozess.
  • Retrieval und Antwortqualität werden mit stabilen Testfragen sowie realen Rückmeldungen überwacht.
  • Änderungen an Modellen, Embeddings, Aufteilung oder Quellen müssen versioniert und vor Freigabe geprüft werden.

Welche Rollen braucht der Betrieb?

Technik allein kann nicht entscheiden, welche Aussage verbindlich ist. Fachliche Eigentümer genehmigen Quellen und lösen Widersprüche; Plattform- und Betriebsteams sichern Datenfluss, Rechte und Verfügbarkeit. Eine benannte Produktverantwortung verbindet Nutzen, Qualität und Änderungen.

Welche Rollen braucht der Betrieb?
BetriebsaufgabeFederführende VerantwortungRhythmus oder AuslöserNachweis
Quelle und Gültigkeit freigebenFachlicher EigentümerVor Aufnahme sowie bei inhaltlicher Änderung oder AblaufdatumFreigabestatus, Version, Geltungsbereich und verantwortliche Person
Connector, Index und Löschungen betreibenPlattform- oder BetriebsteamLaufend; Kontrolle nach jedem SynchronisationslaufMengenabgleich, Verzögerung, Fehler und Löschbestätigung
Berechtigungen testenTechnik gemeinsam mit SicherheitBei Rollenänderung, Release und regelmässig als RegressionstestPositive und explizit verweigerte Testfälle je Rolle
Retrieval- und Antwortqualität bewertenProduktverantwortung mit FachbereichVor Release und in festem monatlichem oder quartalsweisem ZyklusVersioniertes Testset, Resultate und akzeptierte Fehlergrenzen
Falsche oder fehlende Antworten bearbeitenSupportweg mit fachlichem EigentümerEreignisbezogen nach Meldung oder wiederkehrendem FehlermusterKlassifizierter Fall, Korrektur in der Quelle und neuer Regressionstest
Sicherheits- oder Datenschutzvorfall behandelnIncident Lead mit Sicherheit und DatenschutzSofort nach ErkennungAuswirkung, Eindämmung, Ursache, Meldung und erneute Prüfung

Wie sieht der laufende Datenzyklus aus?

Jede Quelle durchläuft Erkennung, Verarbeitung, Indexierung und Qualitätsprüfung. Der Betrieb überwacht nicht nur technische Erreichbarkeit, sondern auch Verzögerung, abgelaufene Inhalte und die vollständige Löschung entfernter Dokumente.

  1. Schritt 1

    Inventarisieren

    Quelle, Eigentümer, Zweck, Zielgruppe und Schutzbedarf dokumentieren.

  2. Schritt 2

    Synchronisieren

    Text, Metadaten, Rechte und Löschungen kontrolliert übernehmen.

  3. Schritt 3

    Validieren

    Stichproben, Mengenabgleich und bekannte Testfragen ausführen.

  4. Schritt 4

    Überwachen

    Fehler, Verzögerung, Nulltreffer und Qualitätsindikatoren beobachten.

  5. Schritt 5

    Verbessern

    Nutzerfeedback und neue Fehlermuster in Quellen und Tests zurückführen.

Welche Qualität wird gemessen?

Eine gute Modellantwort kann auf einem falschen Treffer beruhen; eine schlechte Antwort trotz richtiger Quelle entstehen. Deshalb werden Retrieval und Generierung separat und gemeinsam gemessen. Durchschnittswerte dürfen kritische Fehlertypen nicht verdecken.

  • Trefferquote: Ist die benötigte Passage unter den gelieferten Treffern?
  • Präzision: Wie viele gelieferte Passagen sind tatsächlich relevant?
  • Berechtigung: Erscheint nie ein unzulässiger Inhalt?
  • Belegtreue: Stützt die Quelle die formulierte Aussage?
  • Betrieb: Aktualität, Laufzeit, Kosten und Fehlerrate

Wie werden Änderungen und Vorfälle behandelt?

Neue Modelle, Embedding-Versionen oder Aufteilungsregeln können Treffer verändern, obwohl die Quelldokumente gleich bleiben. Solche Änderungen brauchen einen Vergleich auf einem festen Testset und eine Rückfallmöglichkeit. Bei unerlaubten oder gefährlich falschen Antworten zählt ein vorbereiteter Vorfallprozess.

  • Konfiguration und Datenstand versionieren
  • Änderungen zuerst in einer getrennten Umgebung testen
  • Kritische Regressionen als Freigabesperre definieren
  • Betroffene Quellen oder Funktionen bei einem Vorfall rasch deaktivieren können
  • Ursache, Wirkung, Korrektur und erneuten Test dokumentieren
Beispiel aus dem Unternehmensalltag

Beispiel: monatlicher Betrieb einer Service-Wissensbasis

Das Serviceteam verantwortet Handbücher und Freigaben. Ein täglicher Lauf übernimmt Änderungen und meldet Fehler. Wöchentlich werden häufige Nulltreffer und negative Rückmeldungen geprüft; monatlich läuft ein festes Testset über Produkte, Sprachen und Rollen. Vor einem Modell- oder Embedding-Wechsel vergleicht das Team Alt und Neu und gibt die Änderung nur ohne kritische Regression frei.

Was Sie mitnehmen sollten

Planen Sie fachliche Pflege, technische Synchronisation und messbare Qualität vor dem ersten produktiven Einsatz. Eine Wissensbasis bleibt nur so gut wie ihr gelebter Betriebsprozess.

Quellen und Vertiefung

Diese Primärquellen vertiefen Definitionen, technische Grundlagen oder verantwortlichen Einsatz.

Inhaltlich geprüft

Sie möchten das auf Ihre Situation übertragen?

Wir klären gemeinsam, was für Ihren Prozess, Ihre Daten und Ihre Systeme sinnvoll ist – verständlich und ohne unnötige Komplexität.

Projekt besprechen