Wie ich aus dem aufbereiteten Handbuch eine KI-Hilfe für das ganze Team gemacht habe

Das Problem

Am Ende des ersten Teils lagen 1.176 saubere Textseiten auf der Platte, das komplette Handbuch unserer Werkstatt-Software, befreit aus einem Windows-Format von 1997, jede Seite mit ihrer Programm-Nummer im Titel. Ein schönes Ergebnis. Nur konnte damit immer noch niemand arbeiten. Ein Ordner voller Textdateien hilft einem Kollegen am Arbeitsplatz genauso wenig wie das Original, er ist nur ordentlicher.

Das ist der Teil, den von außen niemand sieht. Ein ganzes Wochenende steckt in diesen Dateien, und für meine Kollegen hat sich bis hierher nichts geändert. Mir ist dabei aufgefallen, wie schwer von außen einzuschätzen ist, was in so einem internen Werkzeug an Arbeit und Wissen steckt. Auch mit KI ist das nicht in einer Stunde erledigt, es braucht Entscheidungen, Umwege und ein paar Fehlversuche. Ich sage das ohne jeden Groll, im Gegenteil. Genau deshalb freut es mich jedes Mal, wenn jemand das fertige Werkzeug benutzt, ohne einen Gedanken daran zu verschwenden, wie es dorthin gekommen ist. So soll es sein.

Mein erster Reflex war, eine Oberfläche zu bauen. Das hatte ich schon einmal getan, und heraus kam ein Eingabefeld, ein Knopf, und dann Warten auf einen Textblock. Die Antworten waren meistens hilfreich, aber benutzt hat es trotzdem kaum jemand, denn es lud nicht dazu ein. Und jede Verbesserung hätte für immer an mir gehangen.

Irgendwann habe ich mir die Frage gestellt, die dieses Projekt gerettet hat: Was daran ist eigentlich unsere Arbeit, und was ist Massenware? Die Antwort war unbequem. Unsere Arbeit ist der aufbereitete Text aus Teil eins. Alles andere, also die Chat-Oberfläche, die Suche, die Datenbank, ist Massenware, die andere längst besser gebaut haben, als ich es je würde.

Nur: Woher soll ich wissen, was es an fertiger Massenware überhaupt gibt? Ich lese keine Fachzeitschriften über KI-Werkzeuge, und was ich vor einem halben Jahr recherchiert hatte, war beim nächsten Anlauf schon wieder überholt. Genau daraus ist bei mir ein fester Handgriff geworden, den ich für wichtiger halte als jedes einzelne Werkzeug in dieser Anleitung: Bevor ich etwas baue, lasse ich die KI den Markt für mich recherchieren.

Das ist etwas anderes als „gib mir eine Liste”. Ich beschreibe mein Problem so genau wie möglich, sage dazu, was ich schon im Haus habe und was ich mir nicht antun will, und bitte ausdrücklich um zwei Dinge: den heutigen Stand, nicht den aus den Trainingsdaten, und die übliche Vorgehensweise für genau diesen Fall. Das Wichtigste ist aber die Frage nach dem Haken. Was spricht gegen jede Option, was kostet sie mich in zwei Jahren, und wo würde ich sie bereuen? Eine KI, die nur bestätigt, was ich hören will, ist an dieser Stelle wertlos.

Und weil sich dieser Markt schnell dreht, mache ich das nicht einmal, sondern in Abständen wieder, jedenfalls für die Werkzeuge, an denen wirklich etwas hängt. Die Frage „gibt es das inzwischen fertig?” ist die billigste Frage der Welt und erspart einem im besten Fall ein ganzes Projekt.

Bei uns hat genau diese Frage die Antwort geliefert, um die es in Schritt 1 geht.

Diese Ausgabe ist der zweite von zwei Teilen. Wenn du den ersten nicht gelesen hast, ist das kein Problem, du brauchst nur einen Ordner mit den Textseiten deines Handbuchs. Ab hier geht es darum, welche Software welche Aufgabe übernimmt, warum jede davon nötig ist, und wie du am Ende prüfst, ob das Ganze die Wahrheit sagt.

Schritt 1: Das Werkzeug nehmen, statt es zu bauen

Es gibt fertige, kostenlose Open-Source-Werkzeuge, die aussehen und sich anfühlen wie die großen KI-Chats und in die du deine eigenen Texte hineinlädst. Wir nutzen Open WebUI. Man installiert es auf einem eigenen Server, es bringt Gesprächsverlauf, Rückfragen, Quellenanzeige, Handy-Ansicht und Benutzerverwaltung mit, und es kostet nichts.

Wichtiger als der Name ist, warum es dieses geworden ist. Wir haben vier Wege ernsthaft geprüft:

Selbst bauen hatten wir schon hinter uns, und das Ergebnis war die Formular-Oberfläche von oben. Der Bau ist nicht das Problem, die Pflege ist es. Jede Verbesserung, jede Sicherheitslücke, jede Handy-Ansicht wäre für immer meine Aufgabe gewesen.

Unseren vorhandenen Firmen-Chat nehmen, bei uns ist das Matrix mit Element, klang zuerst verlockend, weil die Kollegen darin ohnehin schreiben. Es war aber das falsche Werkzeug. Ein Chat-Programm ist für Gespräche zwischen Menschen gebaut, nicht für Fragen an ein Handbuch, und wir hätten uns eine zweite Baustelle geschaffen.

Die großen Plattformen wie Onyx oder Dify können deutlich mehr, etwa Daten aus vielen Systemen anbinden und ganze Abläufe automatisieren. Genau das brauchten wir nicht. Sie sind schwerer zu betreiben, und was man nicht braucht, muss man trotzdem am Leben halten.

Ein eigenes Sprachmodell auf eigener Hardware, also die Grafikkarte für mehrere tausend Euro, war meine ursprüngliche Idee. Weil in unserer Wissensbasis kein einziger Kundenname steht, sondern nur das Handbuch des Herstellers, war sie nicht nötig. Das Thema kommt wieder, sobald echte Betriebsdaten dazukommen. Dann ist es die richtige Antwort. Heute wäre es teuer bezahlte Beruhigung.

Wir haben unsere selbst gebaute Oberfläche also in Rente geschickt und das fertige Werkzeug davorgestellt. Der alte Stand läuft nicht mehr, ist aber nicht gelöscht, sodass wir jederzeit zurückkönnten. Diesen Rückweg würde ich immer offenhalten.

Schritt 2: Verstehen, wie die Zahnräder ineinandergreifen

Diesen Teil erkläre ich ausführlich, weil er von außen wie Zauberei aussieht und keine ist. Wenn du ihn verstanden hast, kannst du beurteilen, ob dir jemand etwas Sinnvolles anbietet oder nur Fachwörter verkauft. Ich benutze dabei die echten Begriffe, damit du sie wiedererkennst, wenn sie dir begegnen.

Warum man das Handbuch nicht einfach in den Chat kippt

Die naheliegende Idee wäre, der KI das ganze Handbuch auf einmal hinzulegen. Das geht nicht. Ein Sprachmodell kann immer nur eine begrenzte Menge Text gleichzeitig lesen, das nennt sich Kontextfenster, und das reicht für ein paar Dutzend Seiten, nicht für tausend. Und selbst wenn es ginge, wäre es teuer und langsam, weil du bei jeder einzelnen Frage das komplette Handbuch mitschicken würdest.

Deshalb der Umweg. Man baut aus dem Handbuch etwas, das man gezielt durchsuchen kann, und schickt der KI pro Frage nur die paar Abschnitte, die wirklich zur Frage passen. Dieses Verfahren hat einen Namen, den du überall lesen wirst: RAG, kurz für Retrieval Augmented Generation. Auf Deutsch: Erst suchen, dann antworten lassen.

Einbetten, Vektor, Ähnlichkeit

Damit man nach Bedeutung suchen kann und nicht nach Buchstaben, braucht es einen Zwischenschritt, der Einbetten heißt, auf Englisch Embedding.

Ein Einbettungs-Modell bekommt einen Textabschnitt und gibt eine lange Zahlenreihe zurück. Bei dem Modell, das wir nutzen, sind das 1.536 Zahlen. Diese Zahlenreihe nennt man einen Vektor. Man kann sich das vorstellen wie eine Koordinate, nur nicht auf einer Landkarte mit Länge und Breite, sondern in einem Raum mit 1.536 Richtungen. Jede Richtung steht grob gesagt für einen Bedeutungsaspekt.

Der ganze Trick ist: Texte mit ähnlicher Bedeutung bekommen ähnliche Zahlen und liegen in diesem Raum nah beieinander. „Rechnung stornieren” und „Beleg rückgängig machen” landen dicht nebeneinander, obwohl sie kein einziges Wort gemeinsam haben. Das ist gemeint, wenn von semantischer Suche die Rede ist: Gesucht wird nach Sinn, nicht nach Zeichenketten.

Diese Vektoren müssen irgendwo liegen, und zwar so, dass man in Sekundenbruchteilen die nächsten Nachbarn zu einer Frage findet. Dafür gibt es Vektordatenbanken. Das ist der Karteikasten für Bedeutungen. Open WebUI bringt eine mit, du musst dich darum nicht kümmern.

Der API-Schlüssel

Das Einbetten und das Antworten erledigen bei uns zugekaufte Dienste, und dafür brauchst du einen API-Schlüssel. Das ist nichts Geheimnisvolles: ein langer Zeichensalat, der wie ein Passwort für Maschinen funktioniert. Deine Software schickt ihn bei jeder Anfrage mit, damit der Dienst weiß, wer fragt und wem er es in Rechnung stellt.

Drei Dinge solltest du darüber wissen. Erstens wird nach Verbrauch abgerechnet, nicht pauschal, und die Beträge sind bei so einem Projekt klein. Zweitens gehört so ein Schlüssel in eine geschützte Datei auf deinem Server und niemals in eine Mail, in ein Dokument oder in ein öffentliches Verzeichnis. Wer ihn hat, kann auf deine Rechnung arbeiten. Drittens achte auf die Bedingungen des Anbieters: Für den geschäftlichen Zugang gilt in der Regel, dass mit deinen Daten nicht trainiert wird. Genau das war eine der drei Linien aus Teil eins.

So läuft es einmalig beim Einlesen

flowchart TD
  A["Handbuch als Textdateien<br/>1.176 Seiten aus Teil 1"] --> B["Zerlegen in Abschnitte<br/>ergibt 2.379 Stück"]
  B --> C["Einbettungs-Modell<br/>macht aus jedem Abschnitt<br/>1.536 Zahlen"]
  C --> D[("Vektordatenbank<br/>speichert alle Abschnitte<br/>samt Zahlenreihe")]

Und so läuft jede einzelne Frage

flowchart TD
  A["Kollege fragt:<br/>Wie storniere ich eine Rechnung?"] --> B["Anmeldung prüft:<br/>gehört er zum Betrieb?"]
  B --> C["Einbettungs-Modell<br/>macht aus der Frage<br/>dieselbe Art Zahlenreihe"]
  C --> D[("Vektordatenbank sucht<br/>die 8 ähnlichsten Abschnitte")]
  D --> E["Antwort-Modell bekommt:<br/>die Frage, die 8 Abschnitte<br/>und die Hausregeln"]
  E --> F["Antwort mit Programm-Nummer<br/>und Link zur Originalseite"]

Wichtig an dem zweiten Bild ist, was das Antwort-Modell nicht bekommt: das Handbuch. Es sieht pro Frage nur acht Abschnitte. Deshalb ist das Verfahren schnell und günstig, und deshalb kann es auch nur aus deinen Unterlagen antworten und nicht aus seinem Allgemeinwissen.

Die Hausregeln im vorletzten Kasten heißen im Fachjargon System-Prompt. Das ist ein Text, den du einmal hinterlegst und den das Modell bei jeder Frage mitbekommt, ohne dass der Nutzer ihn sieht. Bei uns steht darin sinngemäß: Antworte nur aus den mitgelieferten Unterlagen, antworte auf Deutsch, nenne immer die Programm-Nummer, und wenn du es nicht weißt, sag das. Diese paar Sätze haben mehr Wirkung auf die Qualität als jede technische Einstellung.

Wer macht was

Baustein	Was wir nehmen	Welche Aufgabe er erledigt	Warum man ihn braucht
Aufbereiteter Handbuch-Text	eigene kleine Programme, siehe Teil 1	Macht aus der Windows-Hilfe saubere Textdateien mit Programm-Nummer	Ohne diesen Schritt hat die KI nichts Verwertbares. Das ist der einzige Teil, der wirklich dein Betrieb ist
Oberfläche und Betrieb	Open WebUI, kostenlos, auf eigenem Server	Chatfenster, Verlauf, Nutzerverwaltung, Quellenanzeige, Handy-Ansicht	Sonst müsstest du all das selbst bauen und für immer pflegen
Zerlegen und Einbetten	in Open WebUI eingebaut, nutzt OpenAI text-embedding-3-small	Schneidet die Texte in Abschnitte und berechnet je 1.536 Zahlen	Nur so lässt sich später nach Bedeutung statt nach Wörtern suchen
Vektordatenbank	in Open WebUI eingebaut	Speichert die Abschnitte samt Zahlenreihe und findet die nächsten Nachbarn	Sonst müsste bei jeder Frage alles neu durchgerechnet werden
Antwort-Modell	OpenAI gpt-4.1-mini	Formuliert aus Frage plus acht Abschnitten die Antwort	Das ist der Teil, der aus Fundstellen einen verständlichen Satz macht
Anmeldung	unsere vorhandene zentrale Anmeldung	Lässt nur Mitarbeiter herein, ohne zweites Passwort	Erfüllt die Zusage, dass die Herstellerdoku intern bleibt
Original-Handbuch im Browser	ein einfacher Webserver	Stellt die unveränderte Hilfe samt Screenshots bereit	Damit jede Antwort auf die Originalseite verlinken kann

Zwei Einstellungen mussten wir von Hand ändern, und sie sind der Unterschied zwischen brauchbar und ärgerlich. Erstens holt das Werkzeug ab Werk nur drei Abschnitte pro Frage heraus. Das ist zu knapp, wir haben es auf acht gestellt. Zweitens haben wir die Abschnitte größer geschnitten als voreingestellt, sodass die meisten Handbuch-Seiten in einem Stück bleiben. Eine Anleitung, die mitten im zweiten Schritt zerschnitten wird, ergibt eine halbe Antwort.

Zu den Kosten, denn danach fragen alle zuerst: Das einmalige Einlesen eines Handbuchs dieser Größe kostet Cent-Beträge, und pro Frage zahlst du Bruchteile davon, weil ja nur acht Abschnitte verschickt werden statt tausend Seiten. Verglichen mit der Grafikkarte, die ich anfangs für nötig hielt, bewegen wir uns in einer anderen Größenordnung. Es ist günstig genug, dass es in keiner Betriebsversammlung ein Thema wäre.

Schritt 3: Hinter die eigene Anmeldung stellen und für alle freigeben

Die Hilfe liegt bei uns unter einer internen Adresse und hinter derselben Anmeldung, mit der sich die Kollegen ohnehin bei unseren Werkzeugen einloggen. Wer im Haus ist, kommt hinein, sonst niemand. Das ist die technische Umsetzung der ersten der drei Linien aus Teil eins: Das Handbuch des Herstellers bleibt intern.

Ein Punkt, den man leicht übersieht: Anmelden können und etwas sehen sind zwei verschiedene Dinge. In solchen Werkzeugen gehört alles, was du einrichtest, zunächst dir. Für alle anderen kann dieselbe Seite leer aussehen, obwohl sie sich erfolgreich angemeldet haben. Prüfe deshalb bei jeder Neuerung ausdrücklich, was ein Kollege ohne Sonderrechte sieht, und gib Wissensbasis und Modell bewusst für die Belegschaft frei. Wie man das systematisch macht, steht im nächsten Schritt.

Dazu eine kleine, aber wirksame Sache: Wir haben der Hilfe ein Info-Banner mitgegeben, das sagt, dass dies kein allgemeiner KI-Chat ist, sondern nur das Handbuch kennt. Dazu vier Beispielfragen als Karten auf der Startseite. Ohne das tippen die Kollegen ihre erste Frage nach dem Wetter, bekommen eine ausweichende Antwort und kommen nie wieder.

Schritt 4: Systematisch abnehmen, statt zu hoffen

Das System lief, die Technik meldete auf ganzer Linie Erfolg. Dann habe ich die erste eigene Fachfrage gestellt, eine aus dem echten Alltag: Wie storniere ich eine Rechnung? Die Antwort kam schnell, klang souverän und war schlicht falsch. Sie schickte mich in ein Programm, das mit Rechnungsstorno nichts zu tun hat.

Wir sind dem nachgegangen, und die falsche Antwort war die Spur zu etwas Größerem: Ein knappes Drittel unseres Handbuchs war beim Einlesen unbemerkt liegengeblieben. Nicht falsch verarbeitet, sondern gar nicht erst angekommen. Kein Fehler, keine Warnung, kein roter Balken. Der Computer sagte fertig, und fertig war es nicht.

Ich erspare dir die technische Ursache, denn sie war unser Problem an unserem Werkzeug und wird bei dir eine andere sein. Der übertragbare Teil ist ein anderer und er ist unbequem: Ein KI-System sagt dir nicht, was es nicht weiß. Es antwortet auf jede Frage, auch auf die, deren Grundlage fehlt. Deshalb kannst du dich auf keine Erfolgsmeldung verlassen, sondern musst abnehmen wie eine Reparatur, mit Probefahrt.

So machen wir das inzwischen, in vier Durchgängen.

Erstens: nachzählen. Bevor du inhaltlich prüfst, vergleiche zwei Zahlen: Wie viele Seiten hat dein Handbuch, und wie viele sind tatsächlich in der Wissensbasis angekommen? Diese beiden Zahlen müssen gleich sein. Bei uns heißt das 1.176 von 1.176, und diese Zahl lasse ich mir nach jeder größeren Änderung neu ausrechnen. Es ist die billigste Prüfung von allen und die, die am meisten findet.

Zweitens: dein eigener Fragenkatalog. Schreib dir zwanzig Fragen auf, deren richtige Antwort du sicher kennst, und lass sie dir von Kollegen aus allen Bereichen geben, aus der Werkstatt, dem Verkauf, der Teileausgabe, der Buchhaltung. Wichtig ist die Streuung, denn ein Loch in der Wissensbasis betrifft immer nur einen Teil des Handbuchs. Frag in der Sprache, die deine Leute wirklich benutzen, nicht in der Sprache des Handbuchs. Prüfe bei jeder Antwort drei Dinge: Stimmt sie fachlich? Ist die Programm-Nummer oder der Weg richtig? Ist die Quelle verlinkt und führt der Link wirklich dorthin?

Drittens: die KI ihre eigene Arbeit prüfen lassen. Das ist der Durchgang, den ich anfangs nicht auf dem Schirm hatte und der am meisten bringt. Du kannst eine KI beauftragen, ein Audit zu fahren: Sie liest die Liste aller Handbuch-Seiten, gleicht sie gegen die Wissensbasis ab und nennt dir die fehlenden beim Namen. Sie kann sich aus dem Original-Handbuch selbst Prüffragen ausdenken, quer über alle Kapitel, die Antworten des Systems einholen und jede gegen die Quellseite halten. Und sie kann dir eine Liste der Antworten geben, bei denen sie selbst unsicher war. Ein Mensch schafft zwanzig Fragen an einem Abend, eine KI schafft dreihundert, während du Feierabend machst. Deine Aufgabe verschiebt sich damit vom Prüfen zum Beurteilen der Prüfergebnisse, und das ist genau die richtige Richtung.

Für diesen Durchgang gilt allerdings etwas anderes als für den laufenden Betrieb: Nimm hier das stärkste Modell, das du bekommen kannst, und achte vor allem auf ein großes Kontextfenster. Beim Antworten reicht ein günstiges Modell völlig, weil es pro Frage nur acht Abschnitte lesen muss. Ein Audit ist das Gegenteil davon. Da müssen Handbuch-Seiten, gestellte Fragen und gegebene Antworten nebeneinanderliegen und miteinander verglichen werden, und das frisst Kontext. Die Spitzenmodelle liegen inzwischen bei etwa einer Million Token, was grob überschlagen ein paar tausend Seiten Text auf einmal sind. Mit einem kleinen Modell bekommst du hier zwar auch ein Ergebnis, aber eines, dem du nicht trauen kannst, und das ist schlimmer als gar keine Prüfung. Ein Audit fährt man selten, meist einmalig und nach größeren Änderungen, deshalb fällt der höhere Preis für ein paar Stunden kaum ins Gewicht.

Viertens: als normaler Mitarbeiter testen. Melde dich mit einem Konto ohne jede Sonderberechtigung an und geh den ganzen Weg noch einmal, von der Anmeldung bis zur Antwort. Wer ein System einrichtet, hat immer mehr Rechte als alle anderen, sieht deshalb mehr und merkt als Letzter, wenn für die Belegschaft die Tür zu ist. Ich lege mir für diesen Zweck inzwischen bewusst ein zweites, rechtloses Konto an und schaue mir jede Neuerung zuerst damit an.

Und dann die Regel, die ich für die wichtigste dieser ganzen Reihe halte: Nicht die Technik nimmt ein KI-System ab, sondern der Mensch mit den Fachfragen. Jede falsche Antwort ist keine Blamage, sondern eine Spur zu einer Lücke, die du sonst nie gefunden hättest. Bei uns galt das System erst als fertig, als die Frage vom Anfang die richtige Antwort bekam, mit Programm 242 und der echten Tastenfolge.

Schritt 5: Jede Antwort mit der Original-Seite verlinken

Eine KI-Antwort ist eine Zusammenfassung, und manchmal will man das Original sehen, mit allen Screenshots und Schaltflächen, so wie der Hersteller es geschrieben hat. Deshalb haben wir die komplette Original-Hilfe zusätzlich als interne Webseite abgelegt, alle Seiten samt Bildern, dazu die 85 PDF-Handbücher, alles hinter derselben Anmeldung. Und jede Antwort endet mit einem Link, der beim Namen nennt, wohin er führt: „Rechnungen stornieren (Programm 242)”. Ein Klick, und man steht auf der Originalseite.

Das klingt nach Komfort, ist aber Vertrauensarbeit. Nachdem ich einmal erlebt hatte, wie souverän eine falsche Antwort klingen kann, wollte ich, dass jeder Kollege sie in einer Sekunde selbst überprüfen kann, ohne mich zu fragen. Die Antwort behauptet nicht nur, sie zeigt her.

Zwei Dinge waren dafür nötig, und beide sind übertragbar. Erstens muss die Adresse der Originalseite wörtlich im Text jeder einzelnen Seite stehen, oben und unten. Denn das Antwort-Modell sieht, wie im Bild oben, nur die acht mitgelieferten Textabschnitte, nicht die Dateinamen und nicht deinen Server. Was nicht im Text steht, kann es nicht verlinken. Zweitens haben wir ihm in den Hausregeln fest mitgegeben, ausschließlich Adressen zu verwenden, die wörtlich in den Quellen stehen, und im Zweifel gar keinen Link zu setzen. Vorher hatte es sich in einem Test einen Link schlicht ausgedacht, zusammengebaut aus einer Telefonnummer, die im Text stand. So eine Regel kostet einen Satz und erspart dir, dass dein Team dem Werkzeug nach dem ersten toten Link nie wieder traut.

Ein schöner Nebeneffekt: Damit gibt es das Original-Handbuch jetzt auch als ganz normale interne Webseite, durchblätterbar und suchbar im Browser. Das konnte die alte Windows-Hilfe nie komfortabel, und manche Kollegen benutzen inzwischen lieber das als die KI. Das stört mich nicht im Geringsten.

Was du danach hast

Am Ende steht etwas, das es vorher nicht gab. Das Wissen, das in einem unübersichtlichen Handbuch eingesperrt war, ist ansprechbar geworden. Ein Neuer, eine Vertretung, jeder von uns an einer seltenen Aufgabe tippt eine Frage in normalen Worten und bekommt in Sekunden eine Antwort mit Programm-Nummer, Quelle und einem Klick zur Originalseite mit allen Screenshots. Die stumpfe Sucherei fällt weg, das Urteil bleibt beim Menschen, der die Antwort einordnet.

Ich will ehrlich sein, wer die Hilfe am häufigsten benutzt: ich selbst. Ich arbeite nicht täglich in Loco-Soft, sondern nur gelegentlich, und genau dann fehlt mir das Wissen, das meine Kollegen im Schlaf haben. Früher habe ich sie gefragt und dabei aus ihrer Arbeit gerissen. Heute frage ich das Werkzeug. Daran habe ich etwas gelernt, das ich vorher nicht auf dem Schirm hatte: So eine Hilfe nützt nicht dem am meisten, der jeden Tag mit der Software arbeitet, sondern dem, der es selten tut. Dem Neuen, der Vertretung, der Aushilfe, dem Chef. Also genau den Leuten, die sonst jemand anderen unterbrechen müssten.

Nicht unterschlagen will ich, was es nicht leistet. Die Hilfe kennt nur das Handbuch. Sie weiß nichts über euren Betrieb, nichts über eure Einstellungen, nichts über die Eigenheiten, die ihr euch über Jahre angewöhnt habt. Sie beantwortet die Frage „Wie geht das in dieser Software”, nicht die Frage „Wie machen wir das hier”. Und sie kann irren, deshalb der Link auf das Original unter jeder Antwort.

Was mich an diesem Projekt am meisten überrascht hat, ist nicht die Technik, sondern die Verschiebung der Arbeit. Früher war der Engpass, etwas bauen zu können. Heute ist der Engpass, beurteilen zu können, ob das Gebaute stimmt. Das erste kann man einkaufen. Das zweite kann nur jemand, der den Betrieb kennt. Deshalb glaube ich, dass solche Werkzeuge unsere Leute nicht überflüssig machen, sondern ihr Urteil aufwerten. Diese Haltung steckt auch hinter unserer Werkstatt-KI, die ich Karl KI nenne, nach einem Kollegen, der in Rente ging und viel Wissen mitnahm. Genau das meine ich, wenn ich sage, AI First ist Menschlichkeit First.

Ein Faden bleibt offen, und er wird eine eigene Ausgabe. Bisher fragt die Hilfe nur das Handbuch, und das ist bewusst so, denn das Handbuch enthält keinen einzigen Kundennamen. Der nächste Schritt wäre, die KI auch echte Betriebsdaten fragen zu lassen, etwa welche Fahrzeuge zur Hauptuntersuchung anstehen. In dem Moment sind wir bei Kundendaten, und dann wird aus der Grafikkarte im Keller, die ich in Teil eins noch als Irrweg abgetan habe, plötzlich die richtige Antwort. Aber das ist eine eigene Starthilfe.

So sah mein Gespräch mit der KI aus

Häufige Fragen

Was ist eine Wissensbasis und warum kann ich mein Handbuch nicht einfach in den KI-Chat kopieren?

Weil ein Sprachmodell immer nur eine begrenzte Menge Text gleichzeitig lesen kann, das sogenannte Kontextfenster, und das reicht für ein paar Dutzend Seiten, nicht für tausend. Eine Wissensbasis löst das so: Der Text wird in Abschnitte zerlegt, für jeden Abschnitt wird eine Zahlenreihe berechnet, die seine Bedeutung abbildet, und diese wird gespeichert. Stellst du eine Frage, sucht das System die inhaltlich passendsten Abschnitte heraus und schickt nur diese an die KI. Das Verfahren heißt RAG, kurz für Retrieval Augmented Generation, also erst suchen, dann antworten lassen.

Was ist ein Embedding und was ein Vektor?

Ein Embedding, auf Deutsch eine Einbettung, ist die Umrechnung eines Textabschnitts in eine lange Zahlenreihe. Diese Zahlenreihe nennt man einen Vektor, bei gängigen Modellen sind das etwa 1.536 Zahlen. Man kann sich das wie eine Koordinate in einem Raum mit sehr vielen Richtungen vorstellen. Der Nutzen: Texte mit ähnlicher Bedeutung bekommen ähnliche Zahlen und liegen nah beieinander. Deshalb findet die Suche „Beleg rückgängig machen” auch dann, wenn im Handbuch „Rechnung stornieren” steht. Das nennt man semantische Suche, also Suche nach Sinn statt nach Zeichenketten.

Was ist ein API-Schlüssel und worauf muss ich dabei achten?

Ein API-Schlüssel ist ein langer Zeichensalat, der wie ein Passwort für Maschinen funktioniert. Deine Software schickt ihn bei jeder Anfrage an den KI-Dienst mit, damit dieser weiß, wer fragt und wem er die Nutzung berechnet. Abgerechnet wird nach Verbrauch. Bewahre ihn in einer geschützten Datei auf deinem Server auf und niemals in einer Mail oder einem geteilten Dokument, denn wer ihn hat, kann auf deine Rechnung arbeiten. Achte außerdem darauf, dass der Anbieter für den geschäftlichen Zugang zusichert, nicht mit deinen Daten zu trainieren.

Welche Werkzeuge brauche ich konkret, und was kostet das?

Für Oberfläche, Wissensbasis und Vektordatenbank genügt ein kostenloses Open-Source-Werkzeug auf einem eigenen Server, wir nutzen Open WebUI. Dazu kommen zwei zugekaufte Dienste: einer, der die Texte in Zahlenreihen umrechnet, und einer, der die Antworten formuliert. Wir nutzen dafür OpenAI mit den Modellen text-embedding-3-small und gpt-4.1-mini. Das einmalige Einlesen eines Handbuchs mit gut tausend Seiten kostet Cent-Beträge, der laufende Betrieb ist günstig, weil pro Frage nur wenige Abschnitte verschickt werden. Eine eigene KI-Grafikkarte für mehrere tausend Euro braucht man dafür nicht.

Muss ich die Chat-Oberfläche selbst programmieren?

Nein, und du solltest es auch nicht. Es gibt fertige Open-Source-Werkzeuge, die aussehen wie die großen KI-Chats und in die du deine aufbereiteten Texte einfach hineinlädst, mit Verlauf, Quellenanzeige und Handy-Ansicht. Deine eigentliche Arbeit steckt woanders, nämlich darin, den Text sauber aus deinem Handbuch herauszuholen. Das ist der Teil, der deinem Betrieb gehört, alles andere ist Massenware.

Wie teste ich, ob eine KI-Wissensbasis wirklich vollständig und richtig ist?

In vier Durchgängen. Erstens zählen: Die Zahl der Seiten im Handbuch und die Zahl der Seiten in der Wissensbasis müssen übereinstimmen. Zweitens ein eigener Fragenkatalog aus etwa zwanzig Fragen, deren Antwort du sicher kennst, gesammelt bei Kollegen aus allen Bereichen. Drittens ein Audit durch die KI selbst: Sie kann sich aus dem Original hunderte Prüffragen ausdenken, die Antworten einholen und gegen die Quelle halten, während du Feierabend machst. Viertens ein Durchgang mit einem Konto ohne Sonderrechte, denn wer ein System einrichtet, sieht immer mehr als alle anderen.

Woher weiß ich, welche Software es für mein Problem überhaupt gibt?

Indem du die KI danach fragst, bevor du etwas baust. Beschreib dein Problem in eigenen Worten, sag dazu, was du schon im Haus hast und wie viel du selbst pflegen willst, und verlange ausdrücklich den heutigen Stand statt des Wissensstands aus dem Training. Lass dir drei Optionen mit Stärken, Schwächen, laufenden Kosten und dem jeweils größten Haken nennen, und frag zum Schluss, wovon sie abraten würde. Wiederhole das in Abständen für die Werkzeuge, an denen wirklich etwas hängt, denn dieser Markt dreht sich schnell und aus einem Eigenbau von gestern ist oft längst fertige Massenware geworden.

Brauche ich für alles das teuerste KI-Modell?

Nein, im Gegenteil, aber unterscheide die Aufgaben. Für das Beantworten der Fragen im Alltag reicht ein günstiges, schnelles Modell völlig, weil es pro Frage nur eine Handvoll Abschnitte lesen muss. Für ein Audit deiner Wissensbasis solltest du dagegen das stärkste Modell nehmen, das du bekommst, und dabei besonders auf ein großes Kontextfenster achten, weil dort viele Seiten, Fragen und Antworten gleichzeitig verglichen werden. Die Spitzenmodelle liegen inzwischen bei rund einer Million Token. Weil ein Audit selten läuft, fällt der höhere Preis dafür kaum ins Gewicht.

Woher weiß ich, dass die KI nicht einfach etwas erfindet?

Durch drei Dinge, die du einfordern kannst. Erstens antwortet das System nur aus den mitgelieferten Abschnitten deines Handbuchs, nicht aus seinem Allgemeinwissen. Zweitens zeigt jede Antwort ihre Quelle und verlinkt die Originalseite, sodass jeder in einer Sekunde nachprüfen kann. Drittens, und das ist der wichtigste Teil: Du nimmst das System selbst ab, mit Fragen, deren Antwort du sicher kennst. Merk dir dabei den unangenehmen Satz: Ein KI-System sagt dir nicht, was es nicht weiß. Es antwortet auch auf Fragen, deren Grundlage fehlt.

Verlassen dabei Kundendaten den Betrieb?

Nein, denn diese Hilfe kennt nur das Handbuch der Software, keinen einzigen Kundennamen und kein Kennzeichen. Die KI-Dienste verarbeiten die Handbuch-Texte, trainieren aber laut Vertrag nicht damit. Erst wenn man später echte Betriebsdaten anschließen will, beginnt die Datenschutz-Abwägung, und dann gehört dieser Teil auf eigene Hardware.

Kann ich das auf jede Software anwenden, nicht nur auf Loco-Soft?

Im Prinzip ja. Der Weg ist immer derselbe: Text aus dem Handbuch herausholen, ein fertiges Chat-Werkzeug davorstellen, die Texte hineinladen, systematisch abnehmen und jede Antwort auf das Original verlinken. Ob das Handbuch als Windows-Hilfe, als PDF oder als Webseite vorliegt, ändert nur den ersten Schritt.