Denn eine KI muss nicht nur erkennen, welcher Text relevant sein könnte.
Sie muss auch einordnen können, in welchem Bedeutungsraum eine Aussage steht.
Geht es um Fakten?
Um Begriffe?
Um Regeln?
Um Zusammenarbeit?
Um Wirkung?
Oder um Rollen und Verantwortung?
Genau dafür nutzen wir den inside Knowledge Stack.
Er beschreibt, wie Wissen in inside gedacht, geordnet und gestaltet wird.
Der Knowledge Stack zeigt, wo Wissen entsteht, wie es eingeordnet wird, wer Verantwortung trägt und wie daraus Orientierung für Entscheidungen entsteht.
Für Menschen ist das hilfreich.
Für KI ist es entscheidend.
Denn eine KI erkennt nicht automatisch, in welchem Zusammenhang eine Aussage gilt.
Ein Beispiel: Die Frage „Was ist eine Domain?“ kann ganz unterschiedlich gemeint sein.
Geht es um ein abgegrenztes Wissensgebiet?
Um Zugriff und Freigabe?
Um Zusammenarbeit in Teams?
Um Verantwortung im Wissensfluss?
Das gleiche Wort kann je nach Zusammenhang eine andere Bedeutung haben. Deshalb haben wir das inside Kompendium nicht nur in Sections gegliedert. Wir haben jede Section auch semantisch verortet.
Dazu nutzen wir die sechs Ebenen des inside Knowledge Stack:
Wissen und Information
Rohinformationen, Dokumente, Daten, Fakten und Quellen.
Semantic Layer
Sprache, Begriffe, Bedeutung, Metadaten und Zusammenhänge.
Governance und Standards
Rollen, Prozesse, Qualitätskriterien, Zuständigkeiten und Freigaben.
Zusammenarbeit und Kultur
Praktiken, Austausch, Feedback, Diskussion und gemeinsame Wissensarbeit.
Wirkung und Entwicklung
Entscheidungen, Reflexion, Lernen, Reviews und Mustererkennung.
Ökosystem und Rollen
Organisation, Netzwerke, Verantwortlichkeiten, Teams, Communities und Personen.
Diese Ebenen helfen, Wissen genauer einzuordnen. Nicht nur nach dem Thema.
Sondern nach seiner Funktion im Wissenssystem.
Für unsere inside Agents bedeutet das: Der RAG-Service sucht nicht nur nach passenden Wörtern. Er wählt Wissensbausteine aus, die semantisch eingeordnet sind. Und liefert dem LLM den Kontext, den es für eine verlässliche Antwort braucht.
Denn ein LLM braucht nicht mehr Text.
Es braucht den richtigen Ausschnitt: mit Bedeutung, Herkunft, Geltung und Verantwortung.
Unsere wichtigste Erkenntnis:
Verlässliche KI beginnt nicht mit mehr Daten.
Sie beginnt mit einem Wissensraum, der Kontext unterscheidbar macht.
Nächster Beitrag:
Wie Linda nur mit freigegebenem Wissen antworten soll, und warum „Ich weiß es nicht“ ein Qualitätsmerkmal ist.