Autonomous Knowledge Platform

In größeren Firmen liegt Wissen an vielen Orten gleichzeitig. Es steckt in Verträgen, Mailverläufen, Präsentationen, Handbüchern und in den Köpfen einzelner Leute. Eine Autonomous Knowledge Platform ist eine Software, die dieses verstreute Material an einer Stelle zusammenführt und durchsuchbar macht. Das Besondere steckt im Wort autonom: Das System wartet nicht nur auf Suchanfragen, sondern arbeitet auch ohne Anstoß weiter. Es ordnet neue Dateien ein, erkennt veraltete Angaben und formuliert Antworten in ganzen Sätzen statt nur Trefferlisten. Man kann es sich als Bibliothek vorstellen, in der die Bibliothekarin selbst mitliest, mitdenkt und Bescheid sagt, wenn zwei Bücher sich widersprechen.

Warum Firmen ihr eigenes Wissen nicht finden

Das Grundproblem ist banal und teuer zugleich. Studien von Beratungsfirmen schätzen, dass Angestellte einen erheblichen Teil ihrer Arbeitszeit mit dem Suchen von Informationen verbringen. Oft existiert die Antwort längst, nur eben in einem Ordner, den niemand kennt. Also wird eine Analyse zum zweiten Mal erstellt oder eine Frage zum zehnten Mal an dieselbe Kollegin geschickt.

Dazu kommt ein Risiko, das mit der Größe wächst. Wenn erfahrene Mitarbeiter das Unternehmen verlassen, geht ihr Wissen mit. Eine Plattform, die Entscheidungen, Begründungen und Dokumente festhält, mildert diesen Verlust. Sie macht Wissen unabhängig von einzelnen Personen.

Für Investoren ist das Thema interessant, weil es einen konkreten Nutzen hat. Ein Chatbot, der allgemeine Fragen beantwortet, ist nett. Ein System, das die eigenen Verträge kennt und Fristen meldet, spart messbar Arbeitsstunden. Genau deshalb bewerben viele Softwareanbieter ihre Produkte inzwischen mit diesem Etikett.

Vom Dokument zur belegten Antwort

Am Anfang steht das Einsammeln. Die Plattform wird mit Datenquellen verbunden, etwa dem Dateiserver, dem Mailsystem oder der Projektsoftware. Alle Inhalte werden in kleine Textabschnitte zerlegt. Diese Abschnitte werden in Zahlenlisten umgerechnet, die inhaltliche Ähnlichkeit abbilden. Zwei Texte über Kündigungsfristen landen dadurch nahe beieinander, auch wenn sie kein gemeinsames Wort enthalten.

Stellt jemand eine Frage, sucht das System zuerst die passenden Abschnitte heraus. Erst danach bekommt ein Sprachmodell die Frage und die gefundenen Textstellen vorgelegt und formuliert daraus eine Antwort. Dieses Verfahren heißt Retrieval Augmented Generation, kurz RAG. Der Vorteil: Die Antwort stützt sich auf echte Dokumente und kann mit Quellenangaben belegt werden. Ein reines Sprachmodell würde stattdessen aus dem Gedächtnis raten.

Der autonome Teil geht darüber hinaus. Softwareagenten, also Programme mit einem eigenen Arbeitsauftrag, laufen im Hintergrund. Sie prüfen neue Dokumente, ergänzen Schlagworte, melden Widersprüche oder erstellen wöchentliche Zusammenfassungen. Wichtig ist dabei die Rechteverwaltung: Wer eine Gehaltsliste nicht öffnen darf, darf auch keine Antwort daraus erhalten.

Wo solche Systeme bereits im Einsatz sind

Am häufigsten trifft man sie im Kundenservice. Die Mitarbeiterin tippt das Problem ein und erhält die passende Passage aus dem Handbuch samt Fundstelle. Auch Rechtsabteilungen nutzen solche Systeme, um Klauseln in tausenden Verträgen zu vergleichen. In der Industrie werden Wartungsprotokolle und technische Zeichnungen so durchsuchbar gemacht.

In Nachrichten taucht der Begriff meist als Marketingbegriff auf. Anbieter wie Microsoft, Glean oder Palantir beschreiben ihre Produkte ähnlich, auch wenn sie andere Namen verwenden. Ein verbreiteter Irrtum ist, so ein System sei fehlerfrei, weil es auf echten Dokumenten beruht. Findet die Suche die falsche Stelle, klingt die Antwort trotzdem überzeugend. Deshalb bleiben Quellenangaben und stichprobenartige Kontrolle unverzichtbar.