Wissensbasis

Eine Wissensbasis ist ein geordneter Vorrat an Informationen, den ein Programm nachschlagen kann. Darin stehen zum Beispiel Produktbeschreibungen, Handbücher, Gesetzestexte oder Regeln eines Unternehmens. Wichtig ist die Ordnung: Die Inhalte liegen so, dass ein Programm sie schnell und zuverlässig findet. Der Unterschied zu einem normalen Ordner voller Dateien liegt genau darin. Ein Ordner ist ein Haufen, eine Wissensbasis ist ein Katalog. Man kann sie sich als Nachschlagewerk vorstellen, das eine Software statt eines Menschen benutzt.

Warum Sprachmodelle ein Nachschlagewerk brauchen

Ein Sprachmodell wie ChatGPT hat sein Wissen beim Training aufgenommen. Es hat riesige Textmengen gelesen und daraus Muster abgeleitet. Dieses Wissen steckt danach verstreut in Millionen von Zahlenwerten. Man kann es weder gezielt nachschlagen noch einfach korrigieren. Genau hier hat eine Wissensbasis ihren Platz.

Sie löst zwei Probleme. Erstens ist das Trainingswissen alt: Es endet an dem Tag, an dem das Training aufhörte. Eine Wissensbasis lässt sich dagegen jeden Tag aktualisieren. Zweitens erfinden Sprachmodelle manchmal Antworten, die überzeugend klingen, aber falsch sind. Fachleute nennen das Halluzination. Wenn das Modell aus einem echten Dokument zitieren muss, sinkt dieses Risiko deutlich.

Für Unternehmen kommt ein praktischer Grund dazu. Interne Informationen wie Preise, Verträge oder Bedienungsanleitungen standen nie im Trainingsmaterial. Sie in einer Wissensbasis abzulegen ist viel billiger, als ein eigenes Modell zu trainieren. Ändert sich ein Preis, tauscht man ein Dokument aus statt monatelang zu rechnen.

Von der PDF-Datei zum durchsuchbaren Speicher

Der Aufbau beginnt mit dem Sammeln. Dokumente werden eingelesen und in Abschnitte von einigen hundert Wörtern zerlegt. Diese Stücke heißen Chunks. Der Grund ist einfach: Ein ganzes Handbuch als Antwort wäre unbrauchbar, ein passender Absatz ist genau richtig.

Danach wird jeder Abschnitt in eine lange Zahlenreihe übersetzt, ein sogenanntes Embedding. Diese Zahlen beschreiben die Bedeutung des Textes. Zwei Abschnitte über Kündigungsfristen bekommen ähnliche Zahlenreihen, auch wenn sie unterschiedliche Wörter benutzen. Gespeichert wird das Ganze in einer Vektordatenbank, also einem Speicher, der nach Ähnlichkeit sucht statt nach exakten Wörtern.

Stellt jemand eine Frage, wird auch diese Frage in Zahlen übersetzt. Das System sucht die ähnlichsten Abschnitte heraus, meist drei bis zehn Stück. Diese Textstellen werden zusammen mit der Frage an das Sprachmodell gegeben. Das Modell formuliert daraus eine Antwort. Dieses Zusammenspiel heißt Retrieval-Augmented Generation, abgekürzt RAG. Ältere Wissensbasen arbeiteten übrigens anders: Sie enthielten feste Regeln und Fakten in strenger Form, etwa in Expertensystemen der 1980er-Jahre.

Wissensbasen im Kundenservice und in Firmen-Chatbots

Am häufigsten begegnet man dem Begriff im Kundenservice. Der Chatbot eines Onlineshops greift auf eine Wissensbasis aus Hilfeseiten und Rücksendebedingungen zu. Er antwortet deshalb zum konkreten Shop und nicht allgemein. Auch die Hilfe-Bereiche vieler Software-Anbieter tragen die Bezeichnung Knowledge Base im Namen.

In Unternehmen laufen interne Assistenten auf demselben Prinzip. Mitarbeiter fragen nach Urlaubsregeln oder technischen Spezifikationen und bekommen Antworten mit Quellenangabe. Anbieter wie Microsoft, Google oder Amazon verkaufen dafür fertige Bausteine. In Börsenmeldungen taucht der Begriff auf, wenn Firmen erklären, wie sie KI ohne teures eigenes Training einsetzen wollen.

Ein verbreiteter Irrtum ist, eine Wissensbasis mache eine KI automatisch fehlerfrei. Das stimmt nicht. Steht ein veralteter Satz im Dokument, gibt das System ihn brav weiter. Auch die Suche kann danebengreifen und den falschen Abschnitt liefern. Die Qualität der Antworten hängt deshalb direkt an der Pflege der Inhalte.