Digitalisierung: Ein erfahrener Polier geht in Rente. Mit ihm verschwinden 20 Jahre Erfahrungswissen: welche Materialien bei welchem Untergrund funktionieren, welche Fehler sich bei bestimmten Konstruktionen einschleichen, wie man schwierige Lieferantensituationen löst. Das ist kein Einzelfall – es ist das größte stille Risiko vieler Handwerksbetriebe. Wissen klebt an Köpfen. „Frag mal den Hans“ ist keine skalierbare Lösung.
Warum das wichtig wird
Betriebe wachsen, Mitarbeiter wechseln, Azubis starten. Wer kein System hat, Wissen zu sichern und zugänglich zu machen, verliert es – still, schleichend, unwiderruflich. KI bietet heute erstmals eine praktikable Antwort: eine interne Wissensdatenbank, die per Sprache oder Dokument befüllt wird und per Chatbot rund um die Uhr antwortet.
Wie funktioniert das? RAG und Vektorisierung einfach erklärt
Das Herzstück solcher Systeme heißt RAG – Retrieval Augmented Generation. Es besteht aus zwei Phasen:
Schritt 1 – Wissen einpflegen:
Texte, Dokumente oder Sprachaufnahmen werden per Chunking in kleine Abschnitte zerlegt. Jeder Abschnitt wird durch ein KI-Modell in einen Vektor umgewandelt – eine mathematische Darstellung, die die semantische Bedeutung des Textes konserviert. Diese Vektoren – nicht die Dokumente selbst – werden in einer Vektordatenbank gespeichert.
Schritt 2 – Wissen abrufen:
Stellt ein Nutzer eine Frage, wird auch diese Frage vektorisiert. Der KI-Agent vergleicht den „Fragevektor“ mit allen gespeicherten „Wissensvektoren“. Ähnliche Vektoren bedeuten: dieses Wissen passt zur Frage. Die fünf ähnlichsten Treffer werden abgerufen, zu einer Antwort formuliert und im Chatbot ausgegeben.
Der entscheidende Vorteil: Der Chatbot antwortet ausschließlich auf Basis des eigenen Wissens – kein Wikipedia, kein Google, keine unverlässlichen Internetquellen.
Zwei Workflows aus unserem Betrieb
Wir setzen bei OVER DACH zwei verschiedene RAG-Systeme produktiv ein:
Audio-Wissens-App:
- Sprachaufnahme
- Transkription
- Chunking und Embedding
- Vektordatenbank
- Chatbot antwortet auf Fachwissen aus Sprache
Regelwerk-Chatbot:
- PDF-Upload (Formular)
- PDF-Text-Extraktion
- Chunking und Embedding
- Vektordatenbank
- Chatbot antwortet auf Regelwerk & Datenblätter
Beide Systeme nutzen dieselbe RAG-Architektur – nur der Eingabekanal ist unterschiedlich. Die Audio-App sammelt das implizite Erfahrungswissen des Teams. Der Regelwerk-Chatbot macht offizielle Dokumente wie Verarbeitungsanleitungen, Datenblätter und interne Regelwerke per Frage-Antwort verfügbar.
Multimodale Eingabe – aus nahezu jedem Format möglich
Wissen kommt in vielen Formen: gesprochenes Wort, PDF-Handbücher, handschriftliche Notizen, Fotos von Schildern oder Aufklebern. In Kombination mit OCR, KI-Bildanalyse und Transkription lässt sich nahezu jedes Rohformat in strukturiertes, durchsuchbares Wissen verwandeln. Der Eingabekanal wird zur Nebensache – entscheidend ist, dass das Wissen ins System gelangt.
Fazit
Wissensmanagement war lange ein Thema für Konzerne. Mit RAG-Systemen, die sich mit n8n in wenigen Stunden aufbauen lassen, wird es für jeden Handwerksbetrieb greifbar. Das Wissen bleibt im Betrieb – auch wenn die Menschen wechseln.
