Wissensagent

Alle Unternehmensdaten. Eine Frage.

Das Problem

Die Daten sind da. Aber sie sind verstreut, inkonsistent, und wer etwas auswerten will, braucht ein IT-Ticket oder eine Excel-Eskalation. Das eigentliche Problem: Es gibt keinen Ort, an dem alle relevanten Unternehmensdaten zusammenlaufen und sich ohne Programmieraufwand ad hoc auswerten lassen.

  • ERP, CRM, SharePoint, Datenbanken, Dokumentenablagen: relevante Daten existieren, liegen aber in getrennten Systemen ohne gemeinsamen Zugriff
  • Monatliches Reporting bindet Kapazität: Berichte entstehen manuell, dauern Tage und sind beim Versenden schon veraltet
  • Jede Ad-hoc-Auswertung erfordert ein IT-Ticket, eine Excel-Eskalation oder beides. Für eine einfache Antwort ist der Aufwand zu hoch
  • Entscheidungen werden verzögert oder auf Basis unvollständiger Daten getroffen, weil niemand schnell genug an alle relevanten Zahlen kommt

Wissensagent: Ein Ort für alle Daten

Der Wissensagent führt die verteilten Datenquellen eines Unternehmens (ERP, CRM, SharePoint, Datenbanken, Dokumente) in einer strukturierten, durchsuchbaren Datenbasis zusammen. Ein KI-Agent mit Zugriff auf SQL, Vektorsuche und Volltextsuche entscheidet selbst, wie er Fragen am besten beantwortet: strukturierte Abfragen, semantische Suche, oder beides kombiniert.

  • Dashboard-Modul: Der Agent generiert SQL-basierte Auswertungen mit visueller Ausgabe, einmal erstellt, jederzeit mit aktuellen Daten abrufbar, ohne neu zu fragen
  • Zugriffskontrolle je Nutzergruppe: differenzierte Rechte, DSGVO-Anforderungen von Anfang an Teil der Architektur
  • Kein BI-Tool mit starren Dashboards, kein 12-Monats-Warehouse-Projekt, kein reiner RAG-Chatbot: Antworten kommen aus strukturierten Daten und Dokumenten kombiniert, lieferbar in Wochen
  • Keine Ablösung bestehender Systeme: ERP, CRM und SharePoint bleiben, wir konsolidieren ihre Daten

Was entsteht

Konsolidierte PostgreSQL-Datenbasis mit pgvector

Ihre bestehenden Quellen angebunden und synchronisiert, an einem Ort.

Embeddings direkt in der Datenbank

Kein separater Vektorspeicher, der zusätzlich betrieben und synchron gehalten werden muss.

KI-Agent mit Multi-Tool-Zugriff

SQL, Vektorsuche, Volltextsuche und Kontextladung, alles auf einem Stack.

Dashboard-Modul

Der Agent generiert wiederverwendbare SQL-basierte Auswertungen mit visueller Ausgabe.

Zugriffskontrolle je Nutzergruppe

Wer welche Daten sehen darf, wird an der Datenbasis entschieden und nicht im Prompt.

Monitoring & Qualitätsindikatoren

Sichtbar, wie gut die Antworten sind und wo die Datenbasis nachgezogen werden muss.

Betriebsdokumentation

Die Grundlage dafür, dass Sie die Datenbasis auch selbst betreiben können.

Preis auf Anfrage

Festpreis für den Aufbau, abhängig von Anzahl und Qualität der Datenquellen; der Betrieb ab Go-Live wird gesondert vereinbart.

In 6–10 Wochen zum produktiven KI-Agenten

  1. Data Audit

    1–2 Wochen

    Datenquellen inventarisieren, Qualität und Struktur beurteilen, Zugänge klären, Prioritäten setzen.

  2. Datenbasis-Aufbau

    2–4 Wochen

    PostgreSQL-Datenbank aufbauen, Quellen anbinden und synchronisieren, Embeddings via pgvector direkt in der Datenbank generieren.

  3. Agent-Konfiguration

    1–2 Wochen

    Multi-Tool-Agent mit SQL, Vektor- und Volltextsuche auf einem Stack einrichten, Dashboard-Modul integrieren.

  4. Evaluierung

    1 Woche

    Mit echten Fragen aus dem Arbeitsalltag testen, Qualität und Query-Strategie nachjustieren.

  5. Go-Live & Übergabe

    zum Abschluss

    Übergabe an Ihr Team oder Übergang in den Managed Retainer.

Betrieb ab Go-Live

Managed Retainer

Support-Retainer

Wer betreibt

taliox betreibt und pflegt die Datenbasis.

Sie betreiben die Datenbasis selbst, taliox unterstützt.

Leistungsumfang

Betrieb, Synchronisierung und Erweiterungen.

Unterstützung im Selbstbetrieb, auf Basis der Betriebsdokumentation.

Für wen ist der Wissensagent geeignet?

Geschäftsführung und COO

Dort liegt der Entscheidungsdruck, wenn die Datenlage Entscheidungen verzögert.

Head of Controlling

Wo monatliches Reporting manuell entsteht und Tage dauert.

Mittelstand, 50–500 Mitarbeitende

Mit relevanten Daten in 3+ Systemen. Prioritär: Versicherung, Logistik, Gesundheit, Produktion.

So starten wir

Vier Schritte bis zum produktiven KI-Agenten.

  1. Erstgespräch (30 min)

    Wir klären, ob und wie der Wissensagent für Ihr Unternehmen passt: welche Datenquellen relevant sind, wie groß der Scope realistisch ist, und was der nächste sinnvolle Schritt wäre.

  2. Angebot & Data Audit Scope

    Sie erhalten ein verbindliches Angebot mit Festpreis. Im Data Audit inventarisieren wir gemeinsam Ihre Datenquellen, klären Zugänge und DSGVO-Anforderungen. Das schafft die Grundlage für den Aufbau.

  3. Aufbau & Konfiguration

    In 6–10 Wochen entsteht Ihre Datenbasis: Quellen anbinden, PostgreSQL mit pgvector aufbauen, KI-Agent konfigurieren, Dashboard-Modul einrichten, Evaluierung mit echten Fragen aus dem Arbeitsalltag.

  4. Go-Live & Betrieb

    Übergabe aller Deliverables und Einweisung der Nutzergruppen. Übergang in Ihr gewähltes Betriebsmodell: Vollbetreuung durch taliox oder Selbstbetrieb mit Support. Die Datenbasis wächst mit Ihrem Unternehmen.

Lokaler Wissensagent für einen Maschinenbauer mit drei Standorten

Ein Maschinenbauer wollte das Servicewissen seiner drei Standorte durchsuchbar machen, ohne dass Konstruktions- und Kundenunterlagen das Haus verlassen. Der Wissensagent läuft deshalb komplett auf eigener Hardware im Serverraum.

Vollständigen Bericht lesen
Alle Case Studies ansehen

Häufig gestellte Fragen

Alles Wesentliche vor dem ersten Gespräch.

Mindestens 2–3 Datenquellen mit Export- oder API-Zugang, eine fachliche Ansprechperson, die die Datenstruktur kennt und repräsentative Fragen liefern kann, sowie die Klärung von Zugriffsrechten und DSGVO-Anforderungen vorab. Grundlegende Datenbereinigung ist Teil des Projekts, vollständige Neudokumentation nicht.

Kein starres Dashboard, das von der IT vorkonfiguriert werden muss: Fragen in natürlicher Sprache. Kein 12-Monats-Großprojekt mit Beratungshaus: wir liefern in Wochen. Kein reiner RAG-Chatbot: Antworten kommen aus strukturierten Daten und Dokumenten kombiniert. Und keine Ablösung bestehender Systeme: ERP, CRM und SharePoint bleiben, wir konsolidieren ihre Daten.

Das Gesamtprojekt dauert 6–10 Wochen, abhängig von Anzahl und Qualität der Datenquellen. Der Ablauf: Data Audit (1–2 Wochen) → Datenbasis-Aufbau (2–4 Wochen) → Agent-Konfiguration (1–2 Wochen) → Evaluierung (1 Woche) → Go-Live.

Sie wählen ein Betriebsmodell: Vollbetreuung, bei der taliox alles betreibt und pflegt, oder Selbstbetrieb mit Support durch taliox. Beide Modelle ermöglichen laufende Erweiterungen: neue Datenquellen, neue Dashboard-Ansichten, neue Nutzergruppen. Die Datenbasis wird mit der Zeit wertvoller, nicht veraltet.

Grundlegende Bereinigung und Strukturierung sind Teil des Projekts. Im Data Audit beurteilen wir gemeinsam Qualität und Aufwand und setzen Prioritäten. Wenn bestimmte Quellen zu aufwändig sind, klammern wir sie zunächst aus und integrieren sie später. Vollständige Neudokumentation ist keine Voraussetzung.