Das klingt unspektakulär.
Ist aber ein Qualitätsmerkmal.
Denn wenn KI in Unternehmen eingesetzt wird, reicht es nicht, dass sie gut formuliert.
Sie muss auch wissen, wann sie nicht antworten darf.
Genau darum ging es bei Linda. Linda soll Fragen zu inside beantworten.
Aber nicht aus allgemeinem Modellwissen.
Nicht aus Vermutungen.
Nicht aus dem, was sprachlich plausibel klingt.
Sondern auf Basis des inside Kompendiums. Das Kompendium ist unser Handbuch für Wissensarbeit mit inside. Es beschreibt, was bei uns gilt:Begriffe.
Rollen.
Methoden.
Prinzipien.
Zusammenhänge.
Für Linda bedeutet das:
Der RAG-Service sucht passende Kompendium-Sections.
Er übergibt dem LLM nur den Kontext, der zur Frage passt.
Und erst daraus darf eine Antwort entstehen.
Wenn kein ausreichender Kontext gefunden wird, soll Linda keine Lücke füllen.
Sie soll die Grenze sichtbar machen.
Zum Beispiel:
„Im Kompendium ist dazu kein ausreichender Kontext beschrieben.“
Das ist wichtig.
Denn eine KI, die immer antwortet, wirkt vielleicht beeindruckend.
Aber sie ist nicht automatisch verlässlich.
Verlässlich wird KI erst, wenn klar bleibt:
Welche Wissensquelle gilt?
Welche Inhalte sind freigegeben?
Welche Aussage lässt sich belegen?
Wo endet der verfügbare Kontext?
Für uns war das ein wichtiger Perspektivwechsel.
Wir wollten Linda nicht möglichst viel sagen lassen.
Wir wollten ihr beibringen, kontrolliert zu antworten.
Das verändert auch die Arbeit am Kompendium.
Denn bei jeder unbeantworteten Frage wird sichtbar:
Fehlt ein Begriff?
Fehlt ein Zusammenhang?
Fehlt eine Rolle?
Fehlt ein Beispiel?
Oder ist der Inhalt vorhanden, aber nicht gut genug strukturiert?
So wird Linda nicht nur zur Assistentin.
Sie wird auch zum Spiegel unserer Wissensbasis.
Unsere wichtigste Erkenntnis:
Eine gute KI muss nicht alles wissen.
Sie muss wissen, worauf sie sich stützen darf.
Nächster Beitrag:
Wie uns die Vektorkarte gezeigt hat, wo das Kompendium stark ist — und wo Wissen noch isoliert liegt.