Wissensdatenbank

Eine Wissensdatenbank ist eine geordnete Sammlung von Informationen zu einem bestimmten Bereich. Anders als ein loser Ordner voller Dateien ist sie so aufgebaut, dass man gezielt suchen kann. Typische Inhalte sind Handbücher, Produktbeschreibungen, Gesetzestexte, Störungsmeldungen oder Antworten auf häufige Fragen. Der Zweck ist immer derselbe: Wissen, das sonst nur in Köpfen oder verstreuten Dokumenten steckt, soll an einem Ort abrufbar sein. Der Begriff stammt aus der Zeit vor den heutigen KI-Systemen, hat durch sie aber neue Bedeutung bekommen. Denn ein Computerprogramm kann eine solche Sammlung durchsuchen, ohne sie vorher auswendig gelernt zu haben.

Warum Sprachmodelle ein Nachschlagewerk brauchen

Ein Sprachmodell wie ChatGPT hat sein Wissen beim Training aufgenommen. Es hat riesige Textmengen gesehen und daraus Muster abgeleitet. Dieses Wissen steckt danach in Zahlen im Modell, nicht in nachschlagbaren Sätzen. Das hat zwei Nachteile. Erstens endet es an einem Stichtag: Was danach passiert ist, kennt das Modell nicht. Zweitens kann das Modell nicht sagen, woher eine Aussage stammt.

Dazu kommt ein bekanntes Problem: Sprachmodelle erfinden manchmal Fakten, die überzeugend klingen, aber falsch sind. Fachleute nennen das Halluzination. Eine Wissensdatenbank ist dagegen ein wirksames Mittel. Das Modell bekommt die passenden Textstellen vorgelegt und muss seine Antwort darauf stützen. Fragt jemand nach der Rückgabefrist eines Onlineshops, holt das System den echten Abschnitt aus den Geschäftsbedingungen.

Für Unternehmen ist noch etwas wichtig: internes Wissen darf oft das Haus nicht verlassen. Ein Modell darauf neu zu trainieren wäre teuer und müsste bei jeder Änderung wiederholt werden. Eine Wissensdatenbank lässt sich dagegen in Minuten aktualisieren. Man ändert ein Dokument, und die nächste Antwort ist bereits auf dem neuen Stand.

Von der Datei zum durchsuchbaren Eintrag

Der erste Schritt ist das Zerlegen. Lange Dokumente werden in Abschnitte von einigen hundert Wörtern geschnitten, sogenannte Chunks. Das ist nötig, weil ein Modell pro Anfrage nur eine begrenzte Textmenge verarbeiten kann. Ein 300-seitiges Handbuch passt nicht hinein, der eine relevante Absatz schon.

Danach wird jeder Abschnitt in eine lange Zahlenreihe übersetzt, ein sogenanntes Embedding. Diese Zahlen beschreiben die Bedeutung des Textes. Abschnitte mit ähnlichem Inhalt bekommen ähnliche Zahlenreihen. Stellt jemand eine Frage, wird auch diese in Zahlen übersetzt. Das System sucht dann die Abschnitte mit den ähnlichsten Werten. So findet es auch Treffer, in denen kein einziges Wort der Frage wörtlich vorkommt.

Diese gefundenen Abschnitte werden zusammen mit der Frage an das Sprachmodell geschickt. Es formuliert daraus eine Antwort und nennt idealerweise die Quelle. Das gesamte Verfahren heißt Retrieval Augmented Generation, kurz RAG. Wichtig ist die Abgrenzung: Die Wissensdatenbank ist der Vorrat, RAG ist das Verfahren, das darin sucht. Ein verbreiteter Irrtum lautet, das Modell würde dabei etwas dazulernen. Das stimmt nicht — es liest den Text nur für diese eine Antwort und vergisst ihn danach wieder.

Support-Chats, Firmenassistenten und Suchmaschinen

Am häufigsten trifft man Wissensdatenbanken im Kundenservice. Der Chatbot eines Mobilfunkanbieters greift auf Tarifübersichten und Anleitungen zu. Auch die Hilfebereiche vieler Webseiten sind nichts anderes als eine Wissensdatenbank für Menschen. In Unternehmen laufen interne Assistenten, die Betriebsanleitungen, Projektberichte oder Personalregeln durchsuchen.

In den Nachrichten taucht der Begriff meist im Zusammenhang mit Firmensoftware auf. Anbieter werben damit, dass ihre KI „auf Ihren eigenen Daten“ arbeitet. Gemeint ist fast immer genau dieser Aufbau. Auch KI-Suchmaschinen wie Perplexity funktionieren nach dem Prinzip, nur ist ihre Wissensdatenbank das offene Internet.

Eine Warnung gehört dazu: Eine Wissensdatenbank ist nur so gut wie ihr Inhalt. Steht dort eine veraltete Preisliste, antwortet das System mit veralteten Preisen — sehr überzeugend formuliert. Pflege ist deshalb kein Nebenaspekt, sondern die eigentliche Arbeit.