So bauen Sie eine KI-Wissensdatenbank, die Ihr Team wirklich nutzt

Die KI ist der einfache Teil einer KI-Wissensdatenbank. Antworten werden falsch, weil die Dokumente darunter veraltet, doppelt vorhanden oder mit den falschen Personen geteilt sind. Bringen Sie also Ihre 50 meistgenutzten Dokumente und Ihre Freigabeeinstellungen in Ordnung, bevor Sie irgendetwas kaufen.

Das ist gerade jetzt wichtig, denn vielleicht besitzen Sie schon eine. Atlassian schaltet KI standardmäßig für jede App in den Cloud-Tarifen Standard, Premium und Enterprise ein, Rovo eingeschlossen, bis ein Admin sie abschaltet (Atlassian). ChatGPT Business aktiviert Apps standardmäßig (OpenAI Help Center). Claude Team und Enterprise bringen ein Suchprojekt namens „Ask Your Org“ mit, das standardmäßig aktiv ist und nur darauf wartet, dass ein Owner die Einrichtung abschließt (Claude Help Center). Ihre Mitarbeitenden fragen womöglich bald eine KI nach Ihren Dateien, bevor jemand geprüft hat, was sie dort findet.

Dieser Leitfaden richtet sich an Teamleiter, Ops- und IT-Verantwortliche in Unternehmen mit etwa 10 bis 500 Beschäftigten. Er erklärt, wie die Antworten zustande kommen, zeigt drei Wege zum Aufbau mit geprüften Preisen für 2026, nennt die Ursachen falscher Antworten und enthält einen 30-Tage-Rollout.

Wie aus Unternehmenswissen eine KI-Antwort entsteht

Ohne das Marketing machen alle Produkte hier dasselbe, in vier Schritten. Zuerst prüfen sie, wer fragt. Dann durchsuchen sie nur Dokumente, die diese Person ohnehin öffnen darf. Die am besten passenden Abschnitte übergeben sie an ein Sprachmodell, das daraus eine Antwort schreibt. Schließlich verknüpfen sie jeden Teil der Antwort mit der Textstelle, aus der er stammt, damit der Leser ihn nachprüfen kann.

Der Fachbegriff dafür lautet Retrieval-Augmented Generation, kurz RAG. Das Modell hat Ihr Wiki nicht auswendig gelernt. Es liest im Moment der Frage ein paar abgerufene Textstellen, ähnlich wie ein neuer Kollege, der drei Seiten überfliegt, bevor er in Slack antwortet. Eine Antwort ist nur so aktuell und korrekt wie die Passagen, die man dem Modell gegeben hat, und ein kluges Modell rettet keine falsche Seite.

Berechtigungen sind der Schritt, den Teams unterschätzen. Laut Microsofts Dokumentation zeigt Microsoft Copilot „nur Unternehmensdaten an, für die einzelne Nutzer mindestens Leserechte haben“, und Admins sollen das Berechtigungsmodell von SharePoint nutzen, damit die richtigen Personen den richtigen Zugriff haben (Microsoft Learn). Lesen Sie das auch andersherum. Die KI zeigt niemandem eine Datei, die er nicht öffnen darf. Aber sie bringt jede Datei zutage, die er öffnen kann, darunter eine Tabelle zur Gehaltsrunde, die vor Jahren jemand firmenweit freigegeben und vergessen hat. (Microsoft hat Microsoft 365 Copilot in Microsoft Copilot umbenannt, in manchen Lizenzen kann während der Übergangszeit noch der alte Name stehen.)

Das Diagramm verfolgt eine Frage durch diese Schritte. Das gelbe Kästchen entscheidet, was die KI lesen darf.

Beachten Sie die Schleife am unteren Rand. Wenn jemand eine schlechte Antwort meldet, sollte sie bei der Person landen, der das Quelldokument gehört. Denn die Korrektur der Seite verbessert jede künftige Antwort, die sie zitiert. Die Korrektur der Antwort im Chat verbessert nur ein einziges Gespräch.

Technisch gibt es zwei Bauarten, die auf unterschiedliche Weise scheitern. Indexbasierte Tools kopieren Ihre Inhalte samt Berechtigungseinstellungen vorab in einen eigenen Index. So arbeiten Microsofts Semantic Index, Rovo, Glean und Gemini Enterprise. Das ist schnell, aber die Kopie kann der Quelle hinterherhinken. Live-Abruf-Tools durchsuchen Ihre Apps erst, wenn die Frage eintrifft. Claudes Enterprise-Suche nutzt MCP-Aufrufe an verbundene Dienste und gibt an, dass auf Seiten von Anthropic nichts davon indexiert wird.

Ein Satz auf der Hilfeseite von Anthropic ist für die IT wichtig. Normalerweise verbindet sich jede Person mit ihren eigenen Zugangsdaten, sodass die Ergebnisse ihrem eigenen Zugriff entsprechen. Ein Custom Connector mit gemeinsamem API-Schlüssel funktioniert anders: Alle, die ihn nutzen, sehen alles, was diese eine Zugangsberechtigung sehen kann.

Drei Wege zum Aufbau, passend dazu, wo Ihr Wissen liegt

Das Modell im Hintergrund spielt für diese Aufgabe kaum eine Rolle. Notion lässt Nutzer der Enterprise Search zum Beispiel zwischen GPT von OpenAI, Claude von Anthropic und Gemini von Google wählen. Produkte unterscheiden sich darin, wo sie suchen und wie genau sie Ihre Berechtigungen nachvollziehen. Die richtige Wahl ergibt sich deshalb daraus, wo Ihr Wissen heute schon liegt.

Es gibt drei realistische Wege. Ein Team-Assistent ist ein gemeinsames Projekt oder Notebook für ein Team mit einem begrenzten Dokumentenbestand und kann an einem Nachmittag live gehen. KI im Wiki heißt, den Assistenten einzuschalten, den Ihr Wiki-Anbieter ohnehin mitliefert. Eine Antwortschicht indexiert viele Tools hinter einem einzigen Suchfeld und lohnt sich nur, wenn das Wissen über viele Systeme verstreut ist.

Von links nach rechts deckt jeder Weg mehr Personen und mehr Tools ab und erbt mehr Berechtigungseinstellungen, die jemand geprüft haben muss. Die gelbe Karte in der Mitte ist für die meisten Unternehmen mit 10 bis 500 Beschäftigten der sinnvolle Standard. Wenn Sie ohnehin für ein Wiki zahlen, ist dessen KI der günstigste Weg zu Antworten mit Quellenangabe, und das gesparte Geld können Sie in die Bereinigung der Seiten stecken.

Sie wissen nicht, welcher Weg zu Ihnen passt? Der Entscheidungsbaum unten stellt höchstens zwei Fragen.

Wenn Sie bei „Antwortschicht kaufen“ landen, lesen Sie den Abschnitt darüber, warum Antworten falsch werden, bevor Sie etwas unterschreiben. Je größer der Index, desto mehr vergessene Freigaben fördert er zutage.

Weg eins: die KI im vorhandenen Wiki einschalten

Wiki-Anbieter haben etwas, das den anderen Wegen fehlt: Funktionen, um Seiten aktuell zu halten. Einige zeigen diesen Status inzwischen direkt in den KI-Antworten an.

Notion bietet seine KI im Business-Tarif an, für 20 $ pro Mitglied und Monat bei jährlicher Zahlung oder 24 $ bei monatlicher. Free und Plus bekommen nur einen Testzugang (Notion pricing). Business enthält Enterprise Search über Notion und verbundene Tools wie Slack, Microsoft Teams und GitHub, weitere sind in der Beta. Die nützlichste Funktion hier ist unscheinbar. Sie können aktuelle Seiten mit einem Verifiziert-Badge versehen, und laut Notion erscheint das Badge „in Suchergebnissen und KI-Quellenangaben“, sodass Leser sehen, ob eine Quelle geprüft wurde.

Confluence ist pro Platz günstiger, weil Rovo im Paket enthalten ist. Standard kostet laut Liste 5,42 $ pro Nutzer und Monat, Premium 10,44 $. Die Rovo-Kontingente betragen 25 Credits pro Nutzer und Monat bei Standard, 70 bei Premium und 150 bei Enterprise (Atlassian). Laut Atlassians Nutzungsdokumentation werden Credits im Unternehmen gepoolt und nicht übertragen. Außerdem beginnt später in diesem Jahr die Abrechnung zusätzlicher Nutzung, standardmäßig aktiv mit 10 $ pro 1.000 Credits, sofern ein Admin kein Limit setzt. Planen Sie das ein, bevor der Pilot beliebt wird.

Die kleineren Wiki-Tools werben stärker mit Pflegefunktionen. Slite Basic kostet 10 $ pro Nutzer und Monat bei jährlicher Zahlung und antwortet nur aus Slite-Dokumenten, begrenzt auf 30 Fragen pro Platz und Monat. Pro für 20 $ ergänzt die Suche in verbundenen Tools und einen Faktencheck für Dokumente mit Korrekturvorschlägen (Slite). Tettra Scaling kostet 8 $ pro Nutzer und Monat bei jährlicher Zahlung, mit Mindestabnahme von 10 Nutzern, dazu Berichte zu veralteten und herrenlosen Seiten (Tettra). Guru veröffentlicht keine Preise, nennt in seinem Paket aber Verifizierungs-Workflows und berechtigungsbewusste Antworten mit Quellenangaben.

Entscheiden Sie anhand der Pflegefunktionen, nicht anhand des Modells. Ein Verifiziert-Badge oder ein Bericht zu veralteten Seiten hält Antworten auch sechs Monate nach dem Start noch richtig, wenn die Seiten längst abgedriftet sind. Und wenn Ihr Wiki ein Friedhof halbfertiger Seiten ist, gibt die KI diesem Friedhof nur eine Stimme.

Weg zwei: ein gemeinsamer Assistent für ein Team

Manchmal gehört das Wissensproblem einem einzigen Team: etwa die 40 Makros des Supports oder das Sales-Playbook. Ein gemeinsames Assistenten-Projekt bewältigt so einen begrenzten Bestand an einem Nachmittag, ganz ohne Wiki-Migration.

ChatGPT Business kostet 25 $ pro Nutzer und Monat, bei Jahresplan 20 $, mit einer Mindestabnahme von zwei Plätzen (OpenAI Help Center). Das Company-Knowledge-Plugin antwortet aus verbundenen Quellen, und laut OpenAI kann ein Mitglied dort nur abrufen, worauf es ohnehin zugreifen darf. Beachten Sie aber die Lücke bei der Administration. In Business sind Apps standardmäßig aktiv, während rollenbasierte Kontrolle über einzelne Apps ein Feature von Enterprise und Edu ist.

Claude Team kostet 20 $ pro Standardplatz und Monat bei jährlicher Zahlung oder 25 $ monatlich, für Teams von 2 bis 150 Personen (Claude pricing). Projekte können für die ganze Organisation öffentlich oder auf eingeladene Mitglieder beschränkt sein, mit den Rollen „Can view“ und „Can edit“. Nähern sich die Dateien eines Projekts dem Kontextlimit, wechselt Claude laut Anthropic automatisch zum Retrieval und kann bis zu zehnmal mehr aufnehmen.

Google hat NotebookLM in diesem Jahr in Gemini Notebook umbenannt, und laut Google nutzen es mehr als 30 Millionen Menschen und über 600.000 Organisationen. Bevor Sie etwas hochladen, sollten Sie das Freigabemodell verstehen. Ein Betrachter hat in einem geteilten Notebook „schreibgeschützten Zugriff auf alle Quelldokumente und Notizen“, und die Chat-Ansicht, die diese Materialien ausblendet, „entzieht den zugrunde liegenden Zugriff eines Betrachters nicht vollständig“ (Google).

Daraus folgt eine Regel für diesen ganzen Weg. Legen Sie nie ein Dokument in ein geteiltes Projekt oder Notebook, das Sie nicht ungeschwärzt an jede Person weitergeben würden, mit der es geteilt wird.

Die Scorecard vergleicht diese Assistenten mit den Wiki-Tools und Microsoft Copilot in fünf Punkten, die darüber entscheiden, ob Antworten richtig bleiben. Beginnen Sie mit der letzten Spalte.

Jedes Tool nennt seine Quellen und respektiert die Berechtigungen der Quelle, wobei Claude wegen der Connectoren mit gemeinsamen Zugangsdaten einen Punkt Abzug bekommt. Der Unterschied liegt in der Pflege. ChatGPT Business und Claude Team haben keine Funktion, um ein Dokument als verifiziert zu markieren oder als veraltet zu kennzeichnen, die Aktualität hängt also ganz von den Verantwortlichen für die Dateien ab. Für ein Support-Team mit einem Owner und ein paar Dutzend Dokumenten ist das in Ordnung. Für ein ganzes Unternehmen skaliert es nicht.

Weg drei: eine Antwortschicht über alle Tools

Wenn die Antwort auf eine Routinefrage in Confluence, einem Google-Drive-Ordner, einem Slack-Thread oder einem Jira-Ticket stehen kann, sieht die KI eines Wikis nur einen Teil davon. Antwortschichten indexieren alles und setzen die Berechtigungen jeder Quelle in den Ergebnissen durch. Glean gibt an, mehr als 250 Connectoren zu bieten und dass „Nutzer nur sehen, worauf sie zugreifen dürfen“. Preise veröffentlicht es nicht.

Googles alte Agentspace-Seiten leiten inzwischen auf Gemini Enterprise weiter. Die Business-Edition beginnt bei 21 $ pro Platz und Monat, braucht keine IT-Einrichtung, verbindet sich mit Microsoft 365, Google Workspace, HubSpot und Jira und bündelt 25 GiB Speicher und Indexierung pro Platz. Standard und Plus beginnen bei 30 $ (Google Cloud).

Microsoft 365 Copilot Business ist ein Zusatz zu einem Microsoft-365-Business-Tarif und kostet 21 $ pro Nutzer und Monat bei jährlicher Zahlung. Bestandskunden, die sich vor Ende 2026 anmelden, zahlen im ersten Jahr einen Aktionspreis von 18 $ (Microsoft). Das kostenlose Copilot Chat, das zu passenden Tarifen gehört, beschreibt Microsoft als webbasiert. Prüfen Sie also, welchen Copilot Ihre Leute nutzen, bevor Sie annehmen, dass die Antworten aus SharePoint kommen.

Legt man die Einstiegspreise pro Platz nebeneinander, ist die Spanne über alle drei Wege hinweg schmal.

Sechs der acht Tarife liegen bei 20 oder 21 $ pro Platz. Tettra kostet 8 $, und Confluence Standard kommt mit enthaltenen Rovo-Credits auf 5,42 $. Ein Unternehmen mit 50 Beschäftigten zahlt bei 20 $ pro Platz 1.000 $ im Monat oder 12.000 $ im Jahr, und das ist der planbare Teil. Die variablen Kosten sind die Arbeitszeit, um Dokumente zu bereinigen, Freigaben zu prüfen und Antworten zu kontrollieren, und sie fallen bei jedem Anbieter gleich an.

Die Business-Editionen von Gemini Enterprise und Copilot enden beide bei 300 Plätzen, ein Unternehmen mit 400 Beschäftigten kalkuliert also mit größeren Tarifen (Gemini Enterprise Standard hat kein Platzlimit). Unter etwa 50 Beschäftigten mit nur einem Wiki können Sie diesen Weg überspringen. Sie würden dafür zahlen, Tools zu indexieren, in denen kaum etwas Wertvolles liegt, und jeden Freigabefehler darin gleich mit erben.

Einen breiteren Überblick als die hier genannten Produkte bietet das aktuelle Ranking der KI-Tools für Wissensmanagement, das die Kategorie nach ToolRank-Score ordnet. Unsere Übersicht der KI-Tools für Wissensmanagement stellt die Spitzenreiter ausführlicher vor.

Warum KI-Antworten falsch werden

Wenn ein Pilot enttäuscht, schauen Sie zuerst auf die Quellen, bevor Sie dem Modell die Schuld geben. Die Fehler sind vorhersehbar, und die meisten lassen sich auf Inhalte zurückführen.

Veraltete Seiten kommen zuerst. Ein Modell kann eine alte Reiserichtlinie nicht von der aktuellen unterscheiden, solange die Seite nicht sagt, welche gilt. Sind beide abrufbar, zitiert es womöglich die falsche, in völlig selbstsicherem Ton. Dubletten machen es schlimmer, denn zwei Fassungen derselben Richtlinie können eine Antwort ergeben, die beide vermischt und beide zitiert.

Übermäßiges Teilen ist der Fehler, der im Vorfallsbericht landet. Microsoft hat für Organisationen, die „Zeit brauchen, um SharePoint-Sites zu prüfen, Berechtigungen zu validieren und Governance-Kontrollen umzusetzen“, eine SharePoint-Kontrolle gebaut, Restricted Content Discovery, bevor Copilot Inhalte breit auffindbar macht. Microsoft nennt sie vorübergehend, sie ändert keine Berechtigungen, und bei Sites mit mehr als 500.000 Elementen kann ein Update über eine Woche dauern. Wenn der Anbieter eine Notlösung für überteilte Dateien liefert, gehen Sie davon aus, dass Sie welche haben.

Fehlende Zuständigkeit macht kleine Fehler dauerhaft. Wenn niemand die Seite besitzt, die eine Antwort zitiert, hat ein gemeldeter Fehler keinen Adressaten.

Synchronisationsverzögerungen erwischen Teams nach dem Start. Laut Notion kann es bis zu 36 Stunden dauern, bis eine verbundene App eingelesen ist, neue Inhalte brauchen bis zu 3 Stunden, bis sie erscheinen, und die Integration greift in der Regel ein Jahr ab Einrichtung zurück (Notion Help). In der Dokumentation von Gemini Enterprise steht, dass eine inkrementelle Synchronisation hinzugefügte und aktualisierte Inhalte erfasst, aber keine Identitätsdaten und keine Löschungen, die auf eine vollständige oder eine Identitätssynchronisation warten. Ein Dokument, das Sie heute Morgen gelöscht oder gesperrt haben, kann also noch eine Weile beantwortbar bleiben. Atlassian sagt, Rovo reagiere auf Berechtigungsänderungen und aktualisiere seinen Index, und genau dieses Verhalten sollten Sie bei jedem Anbieter erfragen.

Der letzte Fehler ist Absicht. Die OWASP Top 10 für LLM-Anwendungen beschreiben einen Angreifer, der ein Dokument bearbeitet, auf das ein RAG-System zugreift, sodass eingeschleuste Anweisungen verändern, was die KI der nächsten fragenden Person erzählt. Wer Bearbeitungsrechte an einer Quelle hat, kann Antworten lenken. Halten Sie Schreibrechte daher enger als Leserechte.

Ein 30-Tage-Rollout, der mit Ihren 50 wichtigsten Dokumenten beginnt

Dreißig Tage reichen für einen ehrlichen Pilot, wenn die ersten zwei Wochen den Dokumenten gehören und nicht der Software. Fünfzig ist eine Arbeitszahl, keine magische, und klein genug, um sie in zwei Wochen zu schaffen.

Im Plan unten beginnt die Bereinigung am ersten Tag, und die KI fasst bis Woche 3 keine Quelle an.

Woche 1: echte Fragen sammeln, dann die passenden Dokumente finden

Ziehen Sie 50 Fragen, die Leute zuletzt gestellt haben, aus Slack-Kanälen, Helpdesk-Tickets und Einarbeitungsgesprächen. Behalten Sie den Wortlaut bei, Tippfehler inklusive, denn so werden die Leute auch die KI fragen. Suchen Sie zu jeder Frage das Dokument, das sie beantworten sollte. Diese Liste sind Ihre Top 50.

Notieren Sie zu jedem Dokument, wem es gehört und wann es zuletzt jemand geprüft hat. Prüfen Sie dann, wer es sehen kann. Suchen Sie auf den Laufwerken und Wikis, die Sie anbinden wollen, nach Freigaben für „jeden mit dem Link“ und nach organisationsweitem Zugriff auf HR-, Finanz- oder Rechtsordner. Auch Spaces von Personen, die das Unternehmen verlassen haben, gehören auf diese Liste.

Woche 2: die 50 Dokumente bereinigen

Archivieren oder löschen Sie Dubletten, sodass jede Frage genau eine aktuelle Antwort hat, und verweisen Sie überholte Seiten auf ihren Ersatz. Geben Sie jeder Seite einen namentlich genannten Owner und ein Prüfdatum. Schreiben Sie dann für das Retrieval um. Die KI liest Passagen, nicht ganze Seiten, und ein Absatz wie „Das Limit beträgt jetzt 50 $“ sagt nichts mehr, sobald er von seiner Überschrift getrennt ist. Nennen Sie Richtlinie, Team, Region und Jahr direkt in der Passage. Anthropic empfiehlt für Claude-Projekte klare, beschreibende Dateinamen, und bei Titeln gilt dasselbe.

Lassen Sie jedes der 50 Dokumente durch diese Checkliste laufen, bevor es in die Nähe eines Connectors kommt.

Der letzte Punkt hängt von Ihrem Tool ab. Notion und Slite haben Verifizierung eingebaut, und Tettra meldet veraltete und herrenlose Seiten. In einem ChatGPT- oder Claude-Projekt ist ein Prüfdatum im Dateinamen oder in der ersten Zeile der praktikable Ersatz.

Woche 3 und 4: verbinden, pilotieren und bewerten

Verbinden Sie zwei oder drei Quellen, nicht alles. Lassen Sie HR-, Finanz- und Rechts-Spaces im ersten Durchgang draußen, auch wenn ihre Berechtigungen richtig aussehen. Wählen Sie 10 bis 20 Pilotnutzer aus verschiedenen Teams und lassen Sie sie die KI für echte Arbeit einsetzen (unser Plan für die erste Woche mit KI bei der Arbeit hilft Einsteigern). Stellen Sie Ihre 50 Fragen am Ende von Woche 3 und noch einmal in Woche 4 und bewerten Sie so:

1. 1Bewerten Sie jede Antwort als richtig, teilweise richtig oder falsch.
2. 2Öffnen Sie die Quellenangaben. Eine richtige Antwort, die eine veraltete Seite zitiert, ist ein Fehler, der nur auf seinen Auftritt wartet.
3. 3Zählen Sie die Fragen, die sie nicht beantworten konnte. Eine hohe Quote unbeantworteter Fragen deutet oft auf ein fehlendes Dokument hin, nicht auf ein schwaches Tool.
4. 4Schicken Sie jede falsche Antwort an den Owner der zitierten Seite und verfolgen Sie, wie viele innerhalb einer Woche korrigiert werden.
5. 5Weiten Sie erst aus, wenn die Ergebnisse eine vorab festgelegte Marke erreichen, etwa 45 gute Antworten von 50.

Bevor Sie irgendetwas verbinden, bewerten Sie Ihren Stand. Die Punkte mit zwei Punkten sind die Lücken, die die schlechtesten Antworten erzeugen.

Unter 6 Punkten räumen Sie weiter auf. Wer jetzt verbindet, bringt veraltete und überteilte Dateien schneller ans Licht, als Menschen sie korrigieren können. Ab 6 können Sie mit einer kleinen Gruppe pilotieren, und ab 10 sind Ihre Quellen in so gutem Zustand, dass Sie schrittweise ausweiten können.

Governance, die Antworten richtig hält

Ein guter Rollout bringt Sie bis zum Starttag. Damit die Antworten danach richtig bleiben, braucht es ein paar unspektakuläre Gewohnheiten.

Jede Quelle braucht einen namentlich genannten Owner, eine Person und keinen Team-Verteiler. Wenn jemand geht, werden seine Seiten auf derselben Offboarding-Checkliste neu zugewiesen, auf der auch die Rückgabe des Laptops steht. Seiten ohne Owner fallen aus den Quellen der KI heraus, bis sich jemand zuständig erklärt.

Legen Sie Prüfdaten danach fest, wie schnell sich der Inhalt ändert. Für Richtlinien reichen 90 Tage. Preise, Tarifdetails und Prozessschritte brauchen alle 30 Tage einen Blick. Eine Seite, die ihr Datum überschritten hat, wird geprüft oder archiviert, und in einem Tool mit Verifizierung wird sie neu verifiziert oder verliert das Badge.

Teilen Sie mit Gruppen, nicht mit Einzelpersonen, damit der Zugriff Rollenwechseln folgt. Prüfen Sie die Freigaben, bevor Sie eine Quelle verbinden. Das rät Atlassian Rovo-Kunden für jede Drittanbieter-App. Und bevorzugen Sie Connectoren, bei denen sich jede Person mit ihrem eigenen Konto anmeldet, denn gemeinsame Zugangsdaten geben allen dieselbe Sicht.

Manches Material sollte nie dort liegen, wo die KI hinkommt, so streng die Berechtigungen auch aussehen:

• Passwörter, API-Schlüssel und andere Zugangsdaten.
• Gehalts- und Gesundheitsdaten sowie Details zu einzelnen HR-Fällen.
• Personenbezogene Kundendaten über das hinaus, was ein Team zur Betreuung dieses Kunden braucht.
• Rechtlich privilegiertes Material, einschließlich allem, was unter einer Aufbewahrungspflicht wegen eines Rechtsstreits (Litigation Hold) steht.
• Ungeprüfte Entwürfe, die wie Richtlinien klingen.

Prüfen Sie, was jeder Anbieter mit Ihren Daten macht. OpenAI trainiert nach eigener Aussage standardmäßig nicht mit Daten aus ChatGPT-Business-Workspaces, Claude Team nennt standardmäßig kein Modelltraining mit Ihren Inhalten, und Microsoft sagt, dass über Microsoft Graph abgerufene Daten nicht zum Training von Foundation-Modellen verwendet werden. Bei der Aufbewahrung gibt es größere Unterschiede: Notion nennt in niedrigeren Tarifen 30 Tage Aufbewahrung bei seinen LLM-Anbietern und in Enterprise keine Aufbewahrung. Unser Datenschutz-Framework für KI-Tools behandelt die Fragen, die Sie stellen sollten.

Halten Sie dann die Feedbackschleife am Laufen. Geben Sie den Leuten eine schnelle Möglichkeit, eine falsche Antwort zu melden, leiten Sie die Meldung an den Seiten-Owner weiter und prüfen Sie die Meldungen monatlich. Die Schleife im ersten Diagramm funktioniert nur, wenn jemand sie schließt.

Häufig gestellte Fragen

Brauchen wir ein neues Tool, oder reicht die KI unseres Wikis?

Beginnen Sie mit der KI Ihres Wikis und ihren Connectoren. Ergänzen Sie eine Antwortschicht erst, wenn sich zeigt, dass die unbeantworteten Fragen Ihres Pilots in Tools liegen, die das Wiki nicht erreicht.

Kann die KI jemandem ein Dokument zeigen, das er nicht sehen soll?

Bei den hier behandelten Produkten keines, das er nicht ohnehin öffnen kann. Das Risiko sind Dateien, die er öffnen kann, aber nicht sollte, etwa ein versehentlich firmenweit freigegebener Ordner, sowie alles, was über einen Connector mit gemeinsamen Zugangsdaten erreichbar ist.

Was kostet eine KI-Wissensdatenbank für ein Team mit 50 Personen?

Zu Listenpreisen etwa 1.000 $ im Monat bei jedem der 20-$-Tarife: Notion Business, Slite Pro, ChatGPT Business oder Claude Team, jeweils bei jährlicher Zahlung. Confluence Standard kommt mit dem Rovo-Kontingent auf 271 $ im Monat, Tettra Scaling auf 400 $. Planen Sie zusätzlich Arbeitszeit für die Bereinigung ein.

Gibt es NotebookLM noch?

Ja, unter neuem Namen. Google hat es in diesem Jahr in Gemini Notebook umbenannt und sagt, es bleibe ein eigenständiges Produkt. Die alte Adresse notebooklm.google leitet inzwischen auf notebook.google weiter, und die Business-Edition von Gemini Enterprise bündelt Gemini Notebook für Unternehmen.

Sollten wir stattdessen ein eigenes RAG-System bauen?

Für die meisten Unternehmen mit 10 bis 500 Beschäftigten: nein. Fertige Tools erledigen Berechtigungssynchronisation und Quellenangaben bereits, und das sind die schwierigen Teile. Selbst bauen lohnt sich, wenn Antworten in Ihrem eigenen Produkt stattfinden müssen oder auf Daten beruhen, die kein Anbieter anbindet. Das Ranking der Vektordatenbanken und Retrieval-Tools ist dafür ein Einstieg.