Unternehmensinterner KI-Chatbot – Effiziente Wissensverwaltung durch Retrieval Augmented Generation

Wie ein KI-gestützter Chatbot auf Basis von RAG die interne Dokumentensuche revolutioniert und Support-Tickets automatisiert.

Kunde

Kundennutzen

Technologie Stack

"Die Lösung von jovoco hat unser internes Wissensmanagement auf ein neues Niveau gehoben. Statt mühsam in verschiedenen Systemen nach Dokumenten zu suchen, erhalten unsere Mitarbeitenden nun schnell und gezielt die Informationen, die sie benötigen – direkt im Arbeitskontext. Besonders in der Bearbeitung von Support-Tickets merken wir einen klaren Effizienzgewinn."

Head of IT

Herausforderungen des Kunden

Das Unternehmen verfügte über eine Vielzahl an internen Dokumenten, verteilt auf unterschiedliche Speicherorte wie SharePoint, OneDrive und interne Netzlaufwerke. Die dezentral abgelegten Informationen erschwerten es den Mitarbeitenden, schnell auf relevante Inhalte zuzugreifen – insbesondere bei zeitkritischen Anfragen oder der Bearbeitung von Support-Tickets.

Die Folge: Verzögerungen in Arbeitsprozessen, ineffiziente Informationssuche und ein hoher manueller Aufwand in der internen Kommunikation.

Das Unternehmen suchte daher nach einer zentralen, sicheren und intelligenten Lösung, um bestehendes Wissen gezielt verfügbar zu machen – idealerweise ohne dass sich Mitarbeitende aktiv durch Dokumentenstrukturen klicken müssen.

Unser Vorgehen

In enger Zusammenarbeit mit dem Kunden haben wir eine maßgeschneiderte RAG-Lösung entwickelt, die sich nahtlos in bestehende Systeme integrieren lässt und gezielt auf reale Anwendungsfälle ausgerichtet ist.

Anforderungsanalyse & Zieldefinition

Zu Beginn haben wir gemeinsam mit dem Kunden die bestehenden Datenquellen, Prozesse und Schwachstellen in der Informationsnutzung identifiziert. Daraus haben wir klare Projektziele abgeleitet – insbesondere die automatisierte Bereitstellung von Wissen und eine effiziente Integration.

Datenanbindung & Dokumentenaufbereitung

Wir haben Daten aus SharePoint, OneDrive und weiteren Quellen gebündelt, strukturiert und aufbereitet. So konnten wir die Inhalte optimal für semantische Suche und KI-Verarbeitung vorbereiten.

Entwicklung der RAG-Architektur

Ein individuelles Backend hat die Dokumente vektorisiert und eine leistungsfähige RAG-Logik bereitgestellt. Nutzer erhalten nicht nur direkte Antworten, sondern auch die passenden Dokumentenquellen – für maximale Transparenz.

Integration in bestehende Workflows

Die Lösung haben wir direkt in vorhandene Tools wie Microsoft Teams und interne Ticketsysteme eingebunden. Mitarbeitende greifen nun ohne Umwege im gewohnten Umfeld auf relevante Informationen zu.

Testphase & kontinuierliche Optimierung

Nach einer Testphase mit realen Anwendungsfällen haben wir gezielt Feedback eingeholt, Nutzer geschult und die Lösung iterativ verbessert – bis zur optimalen Alltagstauglichkeit.