Lösung · AI Operations

Das Wissen der KI aktuell halten: die Funktion, die verhindert, dass dein Assistent mit der Richtlinie vom letzten Jahr antwortet

Eine KI ist nur so gut wie das Wissen, aus dem sie zieht, und dieses Wissen verfällt von allein. Die Basis, die du am ersten Tag gebaut hast, driftet von der Realität weg — ein Preis ändert sich, eine Richtlinie, ein Verfahren — und der Assistent antwortet weiter mit der alten Version. Es aktuell zu halten heißt nicht, ab und zu „die Dateien neu hochzuladen": es ist eine Betriebsfunktion, die erkennt, was sich geändert hat, nur das reingestiert, veraltete Antworten validiert und invalidiert, mit Eigentümer und Kadenz pro Quelle.

Bau es in meinem Betrieb Sehen, wie es läuft

Das Problem

Du hast die Wissensbasis am ersten Tag gebaut und seither altert sie von allein: die KI antwortet mit der alten Version und die Leute vertrauen ihr nicht mehr

Das Wissen wurde einmal geladen — ein Datei-Dump in einen Vector Store — und niemand definierte, wer es aktualisiert, mit welchem Auslöser oder welcher Validierung; so beschreibt es nach Monaten einen Betrieb, den es nicht mehr gibt.
Alte und neue Version desselben Fakts koexistieren: der Assistent trifft es mal richtig und antwortet mal mit dem Preis, der Richtlinie oder dem Verfahren vom letzten Quartal, und der Nutzer weiß nicht, welchem er glauben soll.
Wenn sich an der Quelle etwas ändert — das ERP, das CRM, das Wiki, das Ticketing-System — merkt es die Basis nicht: keine Änderungserkennung, keine Delta-Reingestion, also hängt die Aktualisierung davon ab, dass sich jemand erinnert.
Niemand misst die Frische: man weiß nicht, welche Quellen aktuell sind, welche seit Monaten nicht aufgefrischt wurden, noch wie viele Antworten über veraltete Inhalte gegeben werden, bis ein Kunde oder ein Mitarbeiter sich beschwert.

Was es kostet, alles zu lassen

Eine alternde Wissensbasis fällt nicht am Tag der Unterschrift aus: sie fällt nach drei oder sechs Monaten aus, wenn die Mischung aus Alt und Neu das Vertrauen untergräbt und die Leute den Assistenten nicht mehr nutzen — der dokumentierte Grund, warum so viele KI-Einführungen ihre Adoption genau dann verlieren, wenn sie abheben sollten. Und die Kosten sind doppelt: einerseits wirfst du die Projektinvestition weg, denn eine KI, der niemand vertraut, ist eine teure, nie geöffnete Lizenz; andererseits ist jede Antwort mit der veralteten Richtlinie ein reales Risiko — eine falsch kalkulierte Zusage, ein falscher Compliance-Fakt, ein Versprechen, das nicht mehr gilt. Wissen pflegt sich nicht selbst, und es als einmaligen Aufbau statt als Betrieb zu behandeln ist der stille Weg, wie ein Projekt am scheinbaren Erfolg stirbt.

Die Lösung

Wir bauen und betreiben das Wissen der KI als lebende Funktion —Änderungserkennung, Delta-Reingestion, Validierung und Invalidierung des Veralteten— mit Kadenz und Eigentümer pro Quelle

1Wir trennen Wissen nach Verhalten, statt alles in einen Sack zu werfen: das Stabile (Erklärungen, Verfahren, Definitionen) lebt in einem Dokumenten-Repository; was sich live ändert (Status, Preise, Verfügbarkeit) wird aus den Betriebssystemen — ERP, CRM, Ticketing — im Moment gelesen, nicht in einer Kopie eingefroren, die verfällt. Es ist die Disziplin des Integrierens von KI in deine Systeme, aufs Wissen angewandt.
2Wir bauen die Refresh-Pipeline: sie erkennt, was sich in jeder Quelle geändert hat, reingestiert und indexiert nur die Deltas neu — sie verarbeitet nicht jede Nacht alles neu — und legt die Kadenz pro Quelle fest, von Minuten für schnell Wechselndes (Tickets, Wiki) bis täglich für Dokumentation, unter Beachtung der Limits jedes Systems.
3Wir validieren vor dem Veröffentlichen und invalidieren das Veraltete: neuer Inhalt durchläuft eine Qualitätsprüfung, bevor er hineinkommt, und wenn sich eine Quelle ändert, werden die Antworten, die von der alten Version abhingen, als veraltet markiert, damit die KI sie nicht weiter ausliefert. Zweifelhaftes eskaliert an eine Person, statt blind zu veröffentlichen.
4Wir setzen Eigentümer, Spur und Messung: jede Quelle hat einen Verantwortlichen und einen Aktualisierungsauslöser, jeder Refresh protokolliert, was sich geändert hat und wann, und ein Dashboard zeigt die reale Frische. Alles gemessen: Durchschnittsalter pro Quelle, Abdeckung der aktuellen Quellen, über veraltete Inhalte ausgelieferte Antworten und Zeit von einer Änderung bis die KI sie abbildet.

Was sich ändert

Was du nicht mehr verlierst

Die KI antwortet nicht mehr mit der alten Version, weil Wissen im Takt jeder Quelle aufgefrischt wird — nicht einmal im Jahr — sodass die Adoption nicht nach drei Monaten aus Misstrauen sinkt.
Mechanismus
Der Refresh ist billig zu tragen, weil er nur die Deltas reingestiert — was sich geändert hat — statt die ganze Basis jede Nacht neu zu verarbeiten, unter Beachtung der Limits jedes Systems.
Mechanismus
Frische wird steuerbar: jede Quelle hat Eigentümer, Kadenz und Spur, sodass du beweisen kannst, was die KI wann wusste, statt den veralteten Fakt in der Beschwerde eines Kunden zu entdecken.
Mechanismus
Was wir messen: Durchschnittsalter pro Quelle, Abdeckung der aktuell gehaltenen Quellen, % der über veraltete Inhalte ausgelieferten Antworten und Zeit von einer Änderung bis die KI sie abbildet.
Was wir messen

Datenblatt

Wegfallende Arbeit: zulassen, dass das Wissen, auf das deine KI angewiesen ist, einmal geladen wird und von allein altert —ohne Änderungserkennung, ohne Delta-Reingestion, ohne Validierung und ohne Eigentümer— bis es mit der Richtlinie, dem Preis oder dem Verfahren vom letzten Jahr antwortet
Übliche Einrichtung: 3–5 Wochen
Eingang: deine Wissensquellen (Wiki, Doku, Notion, SharePoint) und deine Live-Systeme (ERP, CRM, Ticketing), aus denen die KI Antworten zieht, und die Änderungen, die dort täglich passieren
Ausgang: eine Pipeline, die erkennt, was sich in jeder Quelle geändert hat, nur die Deltas reingestiert und invalidiert, vor dem Veröffentlichen validiert und die Frische mit Eigentümer, Kadenz und Spur pro Quelle hält
Kompatibel mit: NotionSharePointGoogle DriveConfluence
Kann sich verbinden mit: Dein ERP / CRM / Ticketing-SystemDein Vector Store / Retrieval-Engine (RAG)
Was wir messen: Durchschnittsalter pro QuelleAbdeckung der aktuell gehaltenen Quellen% der Antworten über veraltete InhalteZeit von einer Änderung bis die KI sie abbildet
Geeignet für: Unternehmen mit RAG, internen Assistenten oder Agenten in Produktion, die aus einer Wissensbasis ziehen und merken, dass die Adoption sinkt oder Antworten nach einigen Monaten veralten
Nicht geeignet für: wer noch keinen Assistenten oder RAG in Produktion hat: erst baut man die Fähigkeit, dann betreibt man ihre Frische; und die redaktionelle Entscheidung, was die richtige Richtlinie ist, die beim Eigentümer jeder Quelle bleibt

Häufig gestellte Fragen

Das beginnt, wo jenes endet. Den RAG zu bauen heißt, die Fähigkeit zu konstruieren: die Quellen verbinden, sie indexieren und den Assistenten antworten lassen. Das Wissen aktuell zu halten heißt, sie danach zu betreiben: erkennen, was sich ändert, nur das reingestieren, das Veraltete invalidieren und die Frische Monat für Monat halten. Ein gut gebauter RAG, den niemand pflegt, altert genauso; deshalb ist das eine kontinuierliche Funktion, kein Projekt, das schließt.

Weil es teuer, langsam und fragil ist. Die ganze Basis jede Nacht neu zu verarbeiten verbraucht Ressourcen, stößt an die Limits jedes Systems und unterscheidet trotzdem nicht, was sich geändert hat von dem, was nicht. Der Weg, der hält, ist umgekehrt: die Änderung an der Quelle erkennen und nur dieses Delta reingestieren, in der Kadenz, die jede Quelle braucht — Minuten für schnell Wechselndes, täglich für Stabiles. Weniger Kosten, frischer und mit einer Spur, was wann aktualisiert wurde.

Wir betreiben es, und das ist der Punkt. Frische wird nicht installiert, sie wird gepflegt: Quellen ändern sich, neue kommen dazu und Kadenzen werden feinjustiert. Wir bauen dir die Pipeline und das Dashboard und betreiben es als AI-Operations-Funktion — mit Eigentümer, SLAs und Messung — damit das Wissen, aus dem deine KI zieht, aktuell bleibt, ohne davon abzuhängen, dass sich jemand erinnert. Willst du es lieber selbst betreiben, lassen wir es gebaut und das Kriterium schriftlich zurück.

Bauen wir es in deinem Betrieb?

Du hast das Problem benannt. Wir liefern die Lösung und lassen sie gemessen laufen.

Zum Service