KI-Suchagent für die Startup-Datenbank von SpinLab

Passende Startups finden, ohne die Datenbank kennen zu müssen

Womit wir angefangen haben

Hinter der SpinLab Group steht ein Wissensschatz: eine umfangreiche Datenbank mit Unternehmen aus den Fokusbranchen, jeweils mit Beschreibung, Themen-Tags und Ansprechpartnern. Wer darin gezielt Innovationstreiber finden wollte, musste die Datenstruktur kennen und Filter von Hand kombinieren. Zugleich soll dieses Wissen für Partner leichter zugänglich werden. Ziel war ein Zugang in natürlicher Sprache: Fragen stellen, passende Unternehmen finden, ohne Datenbankkenntnisse und mit sauber getrennten Zugriffsrechten.

Wie das Projekt gelaufen ist

  1. Anforderungsanalyse & Datenmodell

    2 Wochen

    Analyse der bestehenden Datenbankstruktur und der typischen Nutzeranfragen als Grundlage für den Suchagenten.

  2. Tool- & Oberflächen-Entwicklung

    1 Monat

    Entwicklung und Optimierung der Tools, mit denen der Agent die Datenbank eigenständig durchsuchen und interpretieren kann und der Oberfläche, über die Nutzende ihn bedienen.

  3. Test & Rollout

    2 Monate

    Testphase mit ausgewählten Nutzenden und anschließender Rollout für alle Nutzer.

Was wir gebaut haben

Wir haben für SpinLab einen KI-gestützten Suchagenten auf Basis von Langchain entwickelt, der Nutzeranfragen in natürlicher Sprache versteht und eigenständig in strukturierte Such- und Analyseaufträge übersetzt. Kern der Lösung sind speziell entwickelte Tools, mit denen der Agent die Datenbank selbstständig erkunden, Zusammenhänge erkennen und relevante Datensätze identifizieren kann. Für die semantische Suche nutzen wir pgvector in der bestehenden Supabase als Vektordatenbank in Kombination mit einem RAG-Ansatz (Retrieval-Augmented Generation), sodass die Ergebnisse direkt auf den tatsächlichen Datenbankinhalten basieren statt auf reinem Modellwissen. Neben der semantischen Suche formuliert und führt der Agent auch klassische SQL-Abfragen selbstständig aus. Eine eigens entwickelte Oberfläche macht den Agenten einfach zugänglich. Das Zugriffsmanagement wurde vollständig in das bestehende Berechtigungssystem von SpinLab integriert, sodass jeder Nutzer nur auf die Daten zugreifen kann, für die er berechtigt ist. Die gesamte Lösung wurde unter Berücksichtigung der DSGVO umgesetzt.

Was dabei herausgekommen ist

Mit dem Suchagenten stellen Nutzerinnen und Nutzer ihre Fragen an die Datenbank so, wie sie sie einer Kollegin stellen würden, etwa nach passenden Startups für ein Themenfeld oder nach den richtigen Ansprechpartnern. Je nach Frage kommen semantische Suche, klassische SQL-Abfragen oder beides zusammen zum Einsatz. Zurück kommt eine Trefferliste oder ein Filter für die allgemeine Liste, keine frei formulierte Antwort. Das verhindert, dass die KI Informationen leakt oder halluziniert. Datenbankkenntnisse sind dafür nicht mehr nötig, und jede Person sieht nur die Daten, für die sie freigeschaltet ist. Einen zusätzlichen Nutzen gibt es für das Partnernetzwerk: SpinLab kann Partnern einen direkten, dialogbasierten Zugang zu diesem Wissen anbieten. Das stärkt die Bindung bestehender Partner und macht das Netzwerk auch für künftige Partner reizvoll.