In fast jedem Betrieb, mit dem ich arbeite, sieht es ähnlich aus: Wissen liegt verstreut auf Netzlaufwerken, in E-Mail-Postfächern, in alten Zeichnungssätzen und, vor allem, im Kopf einzelner Mitarbeitender. Geht diese Person in den Urlaub oder verlässt sie das Unternehmen, geht das Wissen mit ihr. Klassische Wikis scheitern meist daran, dass niemand Zeit hat, sie zu pflegen.
Viele Betriebe wollen KI-Werkzeuge wie ChatGPT nutzen, um schneller an Informationen zu kommen. Das Problem: Diese Werkzeuge kennen Ihre internen Dokumente nicht. Und interne Handbücher, Kundendaten oder Konstruktionsunterlagen in ein öffentliches Cloud-Tool hochzuladen, ist aus Datenschutzsicht meist keine Option.
Was ein RAG-System macht
RAG steht für Retrieval-Augmented Generation. Bevor die KI eine Frage beantwortet, durchsucht sie zuerst Ihre eigenen Dokumente nach den relevanten Stellen und liefert der Antwort genau diesen Kontext mit. Die KI erfindet nichts, sondern stützt sich auf das, was in Ihren Handbüchern, Prozessbeschreibungen oder Zeichnungen tatsächlich steht.
Das Ergebnis ist ein Unternehmens-Wiki, das sich selbst aktualisiert, sobald neue Dokumente dazukommen. Mitarbeitende arbeiten damit in normaler Sprache statt mit Stichwortsuche: “Welches Anzugsdrehmoment gilt für Baugruppe X?” statt endloses Klicken durch Ordnerstrukturen.
Warum lokal statt Cloud
Für Industrie- und Handwerksbetriebe ist der Ort, an dem diese Daten verarbeitet werden, keine Nebensache:
- DSGVO-Konformität: Kunden-, Projekt- und Personaldaten verlassen zu keinem Zeitpunkt das eigene Netz.
- Kein Vendor Lock-in: Sie hängen nicht an der Preis- oder Nutzungspolitik eines Cloud-Anbieters.
- Kontrolle über sensible Unterlagen: Konstruktionsdaten, Kalkulationen oder Prozess-Know-how bleiben in Ihrer Hand – gerade bei Zulieferern ein häufiges Vertragsthema.
- Verfügbarkeit auch offline: Das System läuft unabhängig von Internetverbindung und externen Ausfällen.
Der Stack, den ich auch selbst produktiv einsetze
Ich setze für mein eigenes Wissensmanagement genau den Aufbau ein, den ich auch Kunden empfehle: etablierte Open-Source-Bausteine als Docker-Container auf eigener Hardware.
- Dokumentenablage: vorhandene Struktur oder ein System wie Paperless-ngx für gescannte Belege und PDFs
- Vektordatenbank (Qdrant): macht Dokumente semantisch durchsuchbar statt nur stichwortbasiert
- Lokales Sprachmodell (Ollama): beantwortet Fragen, ohne dass Daten das Netzwerk verlassen
- Automatisierung (n8n): verbindet Dokumentenquellen, Vektordatenbank und Chat-Oberfläche
- PostgreSQL: zentrale Datenbank im Hintergrund
Alles läuft auf einem NAS oder Server im eigenen Netz. Bei kleineren Betrieben reicht oft ein einzelnes, ausreichend dimensioniertes Gerät.
Was das für Ihren Betrieb bedeutet
Für Industrie, Maschinenbau, Werkzeugbau und Handwerk sehe ich drei Anwendungsfälle:
- Onboarding beschleunigen: Neue Mitarbeitende fragen den Assistenten, statt Kolleginnen und Kollegen bei jeder Kleinigkeit zu unterbrechen.
- Technisches Wissen sichern: Zeichnungen, Prüfprotokolle und Prozessbeschreibungen bleiben auffindbar, auch wenn die Person, die sie erstellt hat, nicht mehr im Betrieb ist.
- Schnellere Antworten im Tagesgeschäft: Statt in mehreren Ordnern zu suchen, stellt man die Frage direkt, inklusive Quellenangabe, welches Dokument die Antwort liefert.
Wie ein Einstieg aussehen kann
Ich fange nie mit dem kompletten Dokumentenbestand an. Ein guter erster Schritt ist ein klar begrenzter Ausschnitt, etwa die Betriebsanleitungen einer Maschinengruppe oder die Qualitätsdokumentation eines Bereichs. Hat sich das System im Alltag bewährt, wächst der Bestand von dort aus weiter.
Wenn Sie prüfen möchten, ob sich das für Ihren Betrieb lohnt, sprechen wir über Ihren konkreten Anwendungsfall.