Zum Inhalt springen
Logo Statista +
Kostenfreie Studie herunterladen

Knowledge AI

Knowledge AI im Unternehmen: Wertvolles Unternehmenswissen sofort verfügbar

In Unternehmen steckt wertvolles Wissen in Dokumenten, Anwendungen und unterschiedlichen Datenquellen. Gleichzeitig kostet es Mitarbeiter viel Zeit, die richtigen Informationen zu finden, Zusammenhänge zu erkennen und verlässliche Antworten abzuleiten. Mit Knowledge AI beschreibt FIS einen eigenen Ansatz, um verteiltes Unternehmenswissen mithilfe künstlicher Intelligenz zu erschließen und im Arbeitsalltag nutzbar zu machen. Dabei können strukturierte Daten aus SAP-Systemen ebenso einbezogen werden wie unstrukturierte Informationen aus Dokumenten und weiteren Quellen.

Florian Mahlmeister

Produktmanager bei FIS

Warum bleibt wertvolles Unternehmenswissen häufig ungenutzt?

In vielen Unternehmen sind Informationen über verschiedene Systeme, Abteilungen und Speicherorte verteilt. Vertriebsinformationen liegen im CRM- oder ERP-System, technische Spezifikationen auf Netzlaufwerken und wichtige Erfahrungswerte in E-Mails, Serviceberichten oder den Köpfen einzelner Experten.

Zu den typischen Wissensquellen gehören:

  • technische Zeichnungen und CAD-Dokumentationen
  • Office-Dateien, E-Mails und Wiki-Einträge
  • SharePoint-Dateien und Serviceberichte
  • Qualitätsdokumente und Verträge
  • Produktinformationen, Bilder und Videos
  • strukturierte Stamm-, Bewegungs- und Prozessdaten aus SAP-Systemen

Diese Informationen sind häufig nicht miteinander verknüpft. Mitarbeiter müssen deshalb mehrere Anwendungen durchsuchen, Dokumente manuell vergleichen und die gefundenen Inhalte selbst einordnen.

Zusätzlich besteht das Risiko, dass wichtiges Erfahrungswissen verloren geht, wenn langjährige Spezialisten das Unternehmen verlassen. Klassische Suchfunktionen helfen hier nur begrenzt: Sie liefern Listen mit möglichen Treffern, beantworten aber in der Regel keine konkrete fachliche Frage.

Die Herausforderung besteht daher nicht darin, mehr Daten zu sammeln. Entscheidend ist, vorhandenes Wissen systemübergreifend auffindbar, verständlich und nachvollziehbar bereitzustellen.

An dieser Stelle setzt Knowledge AI von FIS an. Der Ansatz schafft eine Grundlage dafür, Informationen aus unterschiedlichen Quellen für konkrete Fragestellungen nutzbar zu machen.

Was ist Knowledge AI?

Knowledge AI ist die Bezeichnung für den von FIS entwickelten Ansatz zur KI-gestützten Erschließung von Unternehmenswissen. Dabei werden Informationen aus unterschiedlichen Dokumenten, Anwendungen und Datenquellen so zugänglich gemacht, dass Mitarbeitende konkrete Fragen in natürlicher Sprache stellen können.

Relevante Inhalte werden in den angebundenen und für den jeweiligen Nutzer freigegebenen Quellen gesucht, zusammengeführt und für eine verständliche Antwort bereitgestellt. Dazu können beispielsweise unstrukturierte Informationen aus PDFs, E-Mails, CAD-Zeichnungen, Angeboten oder Berichten sowie strukturierte Daten aus SAP- und weiteren Geschäftssystemen gehören.

Anstelle einer starren Trefferliste entsteht ein intelligenter Zugang zum Unternehmenswissen
  • Eine Anfrage wird in natürlicher Sprache erfasst
  • Die Bedeutung und der fachliche Kontext der Frage werden berücksichtigt
  • Relevante Informationen werden in den freigegebenen Quellen gesucht
  • Die gefundenen Inhalte werden zu einer verständlichen Antwort zusammengeführt
  • Quellenbelege machen nachvollziehbar, worauf die Antwort basiert

So kann vorhandenes Wissen für konkrete Aufgaben nutzbar gemacht werden, ohne dass Mitarbeitende sämtliche Ablagen und Systeme einzeln durchsuchen müssen.

Kostenlose KI-Orientierungs-Session buchen

Was wir in der Orientierungs-Session klären

  • Sinnvolle Einstiegspunkte erkennen
    Wo kann KI bei Ihnen echten Mehrwert schaffen? Wir geben eine erste Orientierung.
  • Voraussetzungen besser verstehen
    Wir zeigen, welche Rolle Daten, Prozesse, Organisation und IT-Landschaft spielen.
  • Nächste Schritte ableiten
    Sie erhalten eine Einschätzung, welche Themen und AI4ME-Bausteine relevant sind 

Wie unterstützt FIS Unternehmen mit Knowledge AI?

Mit Knowledge AI können Unternehmen vorhandene Wissensquellen schrittweise erschließen und für konkrete Anwendungsfälle nutzbar machen.

Im Mittelpunkt steht dabei nicht ein weiteres isoliertes Dokumentenarchiv. Stattdessen werden relevante Informationen aus verschiedenen Systemen in einem gemeinsamen fachlichen Kontext zugänglich gemacht. Dazu können unter anderem SAP-Daten, Dokumentenablagen, Wissensplattformen und weitere Unternehmensanwendungen gehören.

Welche Quellen eingebunden werden, hängt vom jeweiligen Anwendungsfall ab. Ebenso wichtig ist die Frage, welche Mitarbeitenden auf welche Informationen zugreifen dürfen. Deshalb berücksichtigt der Ansatz neben fachlichen Anforderungen auch:

  • Rollen und Berechtigungen
  • Datenschutz und Informationssicherheit
  • Governance und Verantwortlichkeiten
  • Qualität und Aktualität der Quellen
  • Integration in bestehende Arbeitsabläufe
  • schrittweise Erweiterung auf weitere Einsatzbereiche

So entsteht eine Knowledge-AI-Lösung, die an die Systeme, Prozesse und Sicherheitsanforderungen des jeweiligen Unternehmens angepasst wird.

Welche Rolle spielt FISMWASP bei Knowledge AI?

FISMWASP ist ein von FIS entwickeltes und betriebenes multimodales Embedding-Modell. Es bildet unterschiedliche Arten maschinenlesbarer Informationen in einem gemeinsamen Vektorraum ab und schafft damit eine technologische Grundlage für die intelligente Verarbeitung heterogener Datenbestände.

Dadurch können nicht nur identische Begriffe, sondern auch inhaltliche Beziehungen zwischen unterschiedlichen Informationen berücksichtigt werden. Für Knowledge AI ist dies besonders relevant, weil Unternehmenswissen in verschiedenen Formaten vorliegt, beispielsweise als Text, Tabelle, Bild oder strukturierter Datensatz.

Der Ansatz kombiniert mehrere technologische Bausteine:

FISMWASP
(Embedding-Model)

Das multimodale Embedding-Modell repräsentiert unterschiedliche Datenarten in einem gemeinsamen semantischen Raum.

Retrieval Augmented Generation

Relevante Informationen aus angebundenen Unternehmensquellen werden gezielt für die Beantwortung einer Anfrage bereitgestellt.

Large Language Models

Die gefundenen Informationen werden für verständliche Antworten in natürlicher Sprache genutzt.

Berechtigungen und Datensicherheit

Bei Abfragen werden die vorgesehenen Zugriffsrechte und internen Berechtigungsstrukturen berücksichtigt.

FISMWASP und Knowledge AI erfüllen dabei unterschiedliche Aufgaben: FISMWASP stellt die technologische Grundlage für die multimodale Verarbeitung bereit, während Knowledge AI den übergeordneten Ansatz zur Erschließung und Nutzung von Unternehmenswissen beschreibt.

Mitarbeitende müssen dadurch nicht ausschließlich nach exakten Begriffen oder Dateinamen suchen. Sie können ihr Informationsziel als natürliche Frage formulieren und passende Informationen aus den für sie freigegebenen Quellen erhalten.

Wie bricht Knowledge AI Datensilos auf?

Knowledge AI führt relevante Informationen aus getrennten Wissens- und Datenquellen für eine konkrete Fragestellung zusammen. Dabei müssen diese Informationen nicht zwangsläufig in ein einziges neues System verschoben werden. Entscheidend ist, dass die angebundenen Quellen semantisch erschlossen und entsprechend der jeweiligen Berechtigungen berücksichtigt werden können.

Auf der einen Seite stehen unstrukturierte Informationen wie PDFs, Verträge, CAD-Zeichnungen, E-Mails oder Serviceberichte. Auf der anderen Seite befinden sich strukturierte Daten aus SAP- und weiteren Geschäftssystemen. FISMWASP bildet für die Verarbeitung dieser unterschiedlichen Informationsarten eine technologische Grundlage.

Mitarbeitende können anschließend in natürlicher Sprache mit einem KI-Agenten interagieren. Dieser greift auf die freigegebenen Informationsquellen zu, stellt relevante Inhalte für die Antwort bereit und verweist auf die zugrunde liegenden Quellen.

Wo kann KI den Zugang zu Unternehmenswissen verbessern?

Der Einsatz ist nicht auf einzelne Abteilungen oder Prozesse beschränkt. Er bietet sich überall dort an, wo relevantes Wissen über verschiedene Dokumente, Datenquellen oder Systeme verteilt ist.

Ein Einsatz kommt insbesondere infrage, wenn:

  • Mitarbeitende regelmäßig in mehreren Systemen recherchieren,
  • ähnliche Fragen häufig wiederkehren,
  • wichtige Informationen in umfangreichen Dokumentenbeständen liegen,
  • strukturierte und unstrukturierte Daten gemeinsam betrachtet werden sollen,
  • Erfahrungswissen einzelner Fachkräfte gesichert werden soll,
  • Antworten auf ihre Quellen zurückgeführt werden müssen.

Der konkrete Nutzen entsteht jedoch nicht allein durch die eingesetzte Technologie. Entscheidend ist ein klar abgegrenzter Anwendungsfall mit geeigneten Quellen, definierten Nutzergruppen und überprüfbaren Zielen.

Welche Use Cases gibt es für Knowledge AI im Unternehmen?

Knowledge AI kann für unterschiedliche Fachbereiche ausgestaltet werden. Die folgenden Beispiele zeigen typische Einsatzmöglichkeiten.

Fachbereich

Typische Herausforderung

Möglicher Nutzen durch Knowledge AI

Vertrieb und Customer Service

Angebote, Produktspezifikationen und historische Verkaufsinformationen liegen in unterschiedlichen Systemen.

Vertriebs- und Servicemitarbeitende können relevante Produkt- und Kundeninformationen schneller finden und Anfragen fundierter bearbeiten.

Produktion und Instandhaltung

Bei Maschinenstörungen werden kurzfristig Wartungsinformationen, Fehlerbeschreibungen und Erfahrungswerte benötigt.

Techniker können Wartungsanleitungen, Serviceberichte und vergleichbare Fehlerfälle gezielt durchsuchen. Schichtinformationen können strukturiert zusammengefasst werden.

Entwicklung und Konstruktion

Zeichnungen, Lastenhefte und Änderungsverläufe sind über lange Zeiträume und verschiedene Ablagen verteilt.

Entwickler können Dokumente vergleichen, technische Zusammenhänge recherchieren und vorhandene Lessons Learned leichter auffinden.

Einkauf und Beschaffung

Verträge, Lieferantendaten und Konditionen müssen manuell zusammengetragen und verglichen werden.

Einkäufer können relevante Vertragsinhalte und Lieferanteninformationen recherchieren und Vergleiche vorbereiten.

Personalwesen

Wiederkehrende Fragen zu internen Regelungen oder zum Einstieg neuer Mitarbeitenden verursachen manuellen Aufwand.

Ein interner Wissensassistent kann Informationen aus freigegebenen Richtlinien, Betriebsvereinbarungen und Onboarding-Unterlagen bereitstellen.

IT und interner Support

Lösungswissen befindet sich in Tickets, Dokumentationen, Wikis und den Erfahrungswerten einzelner Spezialisten.

Support-Mitarbeitende können ähnliche Fälle, technische Anleitungen und dokumentierte Lösungswege leichter auffinden.

Diese Beispiele verdeutlichen den zentralen Nutzen: Bereits vorhandene Informationen werden für Mitarbeitende schneller und im jeweiligen fachlichen Zusammenhang nutzbar.

Wie lässt sich Knowledge AI passend zum Unternehmen einführen?

Die Umsetzung sollte mit einem klar definierten Anwendungsfall beginnen. So lassen sich Datenquellen, Antwortqualität, Zugriffsrechte und organisatorische Anforderungen kontrolliert betrachten.

Ein mögliches Vorgehensmodell umfasst folgende Bausteine:

  • einsAnwendungsfall bestimmen: Welche konkrete Frage oder Rechercheaufgabe soll unterstützt werden?
  • zweiWissensquellen festlegen: Welche Dokumente, Systeme und Datenbestände sind dafür notwendig?
  • dreiNutzer und Berechtigungen definieren: Wer darf auf welche Informationen zugreifen?
  • vierQualitätsanforderungen bestimmen: Wie aktuell, vollständig und nachvollziehbar müssen die Antworten sein?
  • fünfIntegration planen: An welcher Stelle im Arbeitsablauf soll der Wissenszugang bereitgestellt werden?
  • sechsErgebnisse überprüfen: Wie werden Antworten fachlich bewertet und Quellen kontrolliert?
  • siebenEinsatzbereich erweitern: Welche weiteren Abteilungen oder Wissensquellen können anschließend einbezogen werden?

Dabei muss nicht für jeden Anwendungsfall eine vollständig neue technologische Lösung entstehen. Eine bestehende Grundlage kann passend zum jeweiligen Einsatzbereich konfiguriert und erweitert werden.

Für einen nachhaltigen Einsatz sind klare Verantwortlichkeiten erforderlich. Unternehmen sollten festlegen, wer die angeschlossenen Quellen pflegt, wer die Antwortqualität bewertet und wie mit veralteten oder widersprüchlichen Informationen umgegangen wird.

So entsteht eine Lösung, die zu den konkreten Anforderungen des Unternehmens passt und schrittweise auf weitere Anwendungsbereiche ausgeweitet werden kann.

Was verbirgt sich hinter Natural Language Processing?

Natural Language Processing, kurz NLP, ist ein Teilgebiet der künstlichen Intelligenz, das sich mit der Verarbeitung menschlicher Sprache beschäftigt. Es ermöglicht Computersystemen, sprachliche Eingaben zu analysieren und ihre Bedeutung im jeweiligen Kontext zu berücksichtigen.

Für Knowledge AI ist NLP relevant, weil Mitarbeitende ihre Fragen in alltäglicher Sprache formulieren können. Sie müssen weder den genauen Namen eines Dokuments kennen noch wissen, in welchem angebundenen System die gesuchte Information gespeichert ist.

Im Zusammenspiel mit Sprachmodellen und einer angebundenen Wissensbasis können solche Fragen verarbeitet, passende Informationen gesucht und verständlich zusammengeführt werden.

Welche Voraussetzungen sind für verlässliche Antworten wichtig?

Die Qualität einer Knowledge AI Lösung hängt wesentlich von den verfügbaren Informationen und den organisatorischen Rahmenbedingungen ab.

Wichtige Voraussetzungen sind:

Geeignete Quellen

Die benötigten Informationen müssen in den angebundenen Systemen vorhanden sein.

Aktuelle Inhalte

Veraltete Dokumente können zu unzutreffenden oder widersprüchlichen Antworten führen.

Klare Berechtigungen

Nutzer dürfen nur Informationen erhalten, für die sie zugriffsberechtigt sind.

Nachvollziehbare Quellen

Antworten sollten auf die zugrunde liegenden Dokumente oder Daten verweisen.

Definierte Verantwortlichkeiten

Es muss festgelegt sein, wer Wissensquellen und Antwortqualität überprüft.

Klarer fachlicher Kontext

Ein abgegrenzter Anwendungsfall verbessert die Relevanz der bereitgestellten Informationen.

Knowledge AI ersetzt damit nicht die fachliche Verantwortung. Der Ansatz verbessert den Zugang zu vorhandenem Wissen. Die Bewertung, Freigabe und sachgerechte Nutzung der Informationen bleiben im Unternehmen verankert.

Fazit: Wie wird Unternehmenswissen zum strategischen Vorteil?

Unternehmenswissen entfaltet seinen Wert erst, wenn Mitarbeitende es zur richtigen Zeit finden und im jeweiligen Kontext nutzen können. Knowledge AI schafft dafür einen intelligenten Zugang über System- und Abteilungsgrenzen hinweg.

Durch die Verbindung strukturierter SAP-Daten mit unstrukturierten Dokumenten können Unternehmen vorhandene Informationen gezielter einsetzen, Rechercheaufwände reduzieren und Erfahrungswissen besser sichern.

FISMWASP bildet als von FIS entwickeltes und betriebenes multimodales Embedding-Modell eine technologische Grundlage dafür. Die konkrete Knowledge AI Lösung wird an die Anforderungen, Datenquellen, Prozesse und Berechtigungsstrukturen des jeweiligen Unternehmens angepasst. So wird aus verteilten Informationen eine aktiv nutzbare Wissensbasis für den Arbeitsalltag.

FAQ – Häufig gestellte Fragen

Klassische Suchmaschinen liefern eine Liste möglicher Fundstellen, die anschließend manuell geprüft werden müssen. Knowledge AI erfasst den inhaltlichen Zusammenhang einer natürlichsprachlichen Frage und stellt relevante Informationen aus den freigegebenen Unternehmensquellen als verständliche Antwort mit Quellenverweisen bereit.

Knowledge AI berücksichtigt bestehende Rollen, Berechtigungen und freigegebene Datenquellen. Die konkrete Verarbeitung richtet sich nach dem jeweiligen Anwendungsfall und der vereinbarten Systemarchitektur. Ziel ist, dass Nutzer ausschließlich auf Informationen zugreifen können, für die sie berechtigt sind, und Unternehmensdaten nur für den festgelegten Zweck verarbeitet werden.

Der erste Schritt ist ein persönliches Gespräch mit den Ansprechpartnern von FIS. Ausgehend von einem definierten Anwendungsfall werden relevante Datenquellen, Nutzergruppen, Berechtigungen und technische Rahmenbedingungen gemeinsam eingeordnet. Anschließend wird festgelegt, wie der Anwendungsfall konkret vertieft und umgesetzt werden kann.

Nein. Knowledge AI beschreibt den übergeordneten Ansatz zur Erschließung von Unternehmenswissen. FISMWASP ist das multimodale Embedding-Modell, das innerhalb dieses Ansatzes eine technologische Grundlage bildet.