Wir haben Linda nicht gebaut, um zu zeigen: „Schaut her, wir haben auch eine KI-Assistentin.“
Wir wollten verstehen:
Was braucht eine Organisation, damit KI verlässlich mit ihrem eigenen Wissen arbeiten kann?
Der Weg dorthin war nicht glatt.
Wir mussten Inhalte neu strukturieren.
Begriffe präzisieren.
Kontexte sichtbar machen.
Frageabsichten erkennen.
Antwortregeln definieren.
Und immer wieder prüfen, ob Linda wirklich nur mit dem arbeitet, was im Kompendium beschrieben ist.
Aus dieser Arbeit ist eine Erkenntnis entstanden:
Das eigentliche Problem war nie die KI.
Das eigentliche Problem war die Qualität und Struktur des Wissens.
Genau deshalb soll das Projekt Open Source werden.
Nicht weil wir glauben, die perfekte Lösung gefunden zu haben.
Sondern weil wir glauben, dass mehr Organisationen vor denselben Fragen stehen:
Wie wird aus einem Handbuch eine KI-Wissensbasis?
Wie macht man Unternehmenswissen für KI nutzbar?
Wie verbindet man Retrieval mit klaren Regeln?
Wie erkennt man Lücken im eigenen Wissenssystem?
Wie baut man KI so, dass Antworten nachvollziehbar bleiben?
Veröffentlicht werden:
• die Rails-App inside roots – unser Editor zur Erstellung von Grundlagenkompendien
• der Embedding-Service
• der RAG-Service
• das Docker-Setup
Nicht als fertige Wunderlösung. Sondern als Werkzeug. Als Lernweg. Und als Einladung zum Mitdenken.
Unsere wichtigste Erkenntnis aus der gesamten Serie:
KI-Readiness beginnt nicht bei der KI.
Sie beginnt bei der Art, wie eine Organisation mit Wissen umgeht.
Wer Wissen nicht strukturieren, einordnen und weiterentwickeln kann, wird auch mit der besten KI keine verlässlichen Ergebnisse erzielen.
Wissen wirkt stärker, wenn es geteilt wird. Deshalb möchten wir unseren Weg offenlegen.