Der erfahrene Kollege, der niemals schläft
Wenn Wissen in Köpfen steckt
Stellen Sie sich vor, jeder neue Mitarbeiter hätte vom ersten Tag an Zugang zum gesammelten Wissen Ihrer besten Fachkraft – jederzeit, auf Knopfdruck, in verständlicher Sprache. Genau das haben wir gebaut.
Als wir vor etwa drei Monaten das erste Gespräch mit unserem Kunden – einem mittelständischen Installationsunternehmen aus der Steiermark – führten, war die Frustration spürbar. Ein erfahrener Monteur mit 18 Jahren Betriebszugehörigkeit würde bald in Pension gehen. Mit ihm drohte ein enormer Wissensschatz für immer verloren zu gehen: Hunderte von Sonderfall-Lösungen, undokumentierte Tricks, Erfahrungen aus tausenden Einsätzen bei Heizung, Sanitär und Lüftung.
Die Frage war nicht ob man dieses Wissen sichern sollte – sondern wie.
Technisches Wissen in Installationsbetrieben ist selten vollständig dokumentiert. Handbücher beschreiben den Normalfall – die Realität auf der Baustelle ist aber selten normal. Anlagen altern, Kunden bauen um, Normen ändern sich. Die wirklich wertvollen Antworten stecken in den Köpfen der erfahrenen Leute.
Das Resultat: Junge Monteure fragen ständig beim Senior nach. Dieser verbringt bis zu zwei Stunden pro Tag damit, Fragen zu beantworten, die er schon hundert Mal beantwortet hat. Wertvolle Zeit geht verloren – auf beiden Seiten.
Die Lösung: Aufbau der KI-Wissensbasis
Unser Ansatz: Keine generische KI-Lösung von der Stange, sondern ein System, das tief im Kontext des Unternehmens verankert ist. Wir nennen es intern „Retrieval-Augmented Generation" (RAG) – aber für den Kunden ist es schlicht „der digitale Franz" (benannt nach dem pensionierten Senior-Monteur).
Das Herzstück der Lösung ist eine RAG-Pipeline. Alle internen Dokumente, Wartungsberichte und aufgezeichneten Experten-Interviews werden in einer Vektordatenbank gespeichert. Wenn ein Monteur eine Frage stellt, sucht das System automatisch die relevantesten Textstellen heraus – und das KI-Modell formuliert daraus eine verständliche, kontextgenaue Antwort.
Vier Schritte zur richtigen Antwort
Kein Formular, keine Keywords. Die Frage wird so gestellt, wie man sie einem Kollegen stellen würde: „Die Heizungsanlage im Objekt Herrengasse verliert nach zwei Stunden Betrieb Druck – was sind typische Ursachen?"
Das System durchsucht alle Dokumente nicht nach Keywords, sondern nach Bedeutung. Es findet Textstellen, die inhaltlich relevant sind – auch wenn sie andere Formulierungen verwenden.
Das KI-Modell liest die gefundenen Stellen und formuliert eine strukturierte Antwort. Es erfindet nichts, sondern synthetisiert das vorhandene Wissen verständlich.
Jede Antwort enthält Quellenangaben – welches Dokument, welche Seite. Der Monteur kann bei Bedarf sofort ins Original springen. Vertrauen durch Transparenz.
In acht Wochen vom Konzept zur Produktion
Systematische Sichtung aller 280+ internen Dokumente: Wartungshandbücher, Herstellerunterlagen, Revisionsberichte und Checklisten. Identifikation der wichtigsten Wissensträger. Strukturierte Interviews mit Franz und zwei weiteren Senior-Monteuren.
Bereinigung, Chunking und Vektorisierung aller Dokumente. Aufbau der semantischen Suchinfrastruktur. Erste Tests mit realen Fragen aus dem Tagesgeschäft.
Anpassung des Systems an den Unternehmenskontext (Normen, Produktlinien, Kundensegmente). Definition von Antwortformaten, Tonalität und Quellenangaben. Iterative Qualitätsprüfung mit dem Montageteam.
Integration in die bestehende Intranet-Oberfläche. Schulung der Monteure – auch der skeptischsten. Laufendes Monitoring und Feedback-Loop für kontinuierliche Verbesserung.
Was nach 8 Wochen messbar ist
Zahlen sind das eine. Was uns aber wirklich beeindruckt hat, war die menschliche Seite: Franz, unser Senior-Monteur, war anfangs skeptisch – „Das kann nie so gut sein wie ein echter Mensch." Nach vier Wochen im Einsatz war er der größte Fan des Systems. Nicht weil er ersetzt wurde – sondern weil er endlich wieder Zeit hatte für die wirklich komplexen Fälle, die seine Expertise brauchen.
"Ich hab jetzt endlich wieder Zeit zum Nachdenken. Die Routinefragen beantwortet der digitale Franz. Ich kümmere mich ums Schwierige." — Franz M., Senior-Monteur, 18 Jahre im Unternehmen
Die messbaren Ergebnisse nach 8 Wochen:
- •87 % der Anfragen korrekt beantwortet (ab Woche 6)
- •−75 % Unterbrechungen des Senior-Monteurs
- •4× schnellere Einarbeitung neuer Mitarbeiter
Was wirklich den Unterschied macht
Technologie ist nur ein Drittel des Projekts. Die anderen zwei Drittel sind Datenqualität und Change Management. Unsere 5 wichtigsten Learnings:
- •Garbage in, garbage out: Die Qualität der Wissensbasis bestimmt die Qualität der Antworten. Saubere, strukturierte Dokumente sind keine Nice-to-have, sondern Voraussetzung.
- •Die Experten einbinden: Franz hat die Validierung der Antworten in den ersten Wochen übernommen. Dieses menschliche Feedback hat die Qualität massiv verbessert.
- •Kleinere Chunks, bessere Suche: Wir haben die Chunk-Größe dreimal angepasst, bis die Retrieval-Präzision stimmte. Kein Richtig-auf-Anhieb.
- •Quellenangaben sind Pflicht: Das Vertrauen der Monteure stieg sprunghaft, als sie sehen konnten, woher eine Antwort kommt.
- •Ein Feedback-Loop ist kein Feature – er ist das Produkt: Das System wird durch tägliche Nutzung besser. Ohne strukturiertes Feedback bleibt es auf dem Stand von Woche 1.
Auch Ihr Expertenwissen verdient ein Upgrade. Lassen Sie uns in einem kostenlosen Gespräch herausfinden, wie eine KI-Wissensbasis Ihr Team entlasten kann.
Weitere Artikel
Buchhaltung automatisieren: Von 40 auf 4 Stunden
Wie ein mittelständisches Unternehmen seine Buchhaltungszeit um 90% reduzierte - ein Praxisbericht.