KI-Assistent für Servicewissen mit nachvollziehbaren Quellen
Antworten aus freigegebenen Handbüchern mit Versionen, Zuständigkeit und fachlicher Prüfung
Unsere Rolle
neexo definierte den zulässigen Wissensraum, entwarf Retrieval- und Zitationslogik und baute gemeinsam mit Fachexperten ein Evaluationsset auf, das Qualität und Fehlverhalten sichtbar macht.
Das Problem
Servicewissen verteilt sich häufig auf Handbücher, Supportnotizen, Ersatzteillisten und unterschiedliche Dokumentversionen. Eine allgemeine KI-Antwort kann überzeugend klingen und für die konkrete Maschine dennoch falsch sein. Quellen und Gültigkeit müssen überprüfbar bleiben.
- Relevante Informationen waren dokumentübergreifend schwer auffindbar und unterschiedlich aktuell
- Antworten ohne Seiten-, Abschnitts- oder Dokumentbezug konnten nicht fachlich geprüft werden
- Es fehlten Testfragen und Kriterien, um Retrieval-Qualität und Antwortgrenzen systematisch zu bewerten
Warum es wichtig ist
Ein nützlicher Serviceassistent zeigt Quellen und Grenzen. Dazu gehören freigegebene Dokumente, Versionsmetadaten, Testfragen und explizite Ablehnung, wenn Belege fehlen.
- Retrieval-Qualität für repräsentative Servicefragen
- Vollständigkeit und Genauigkeit der Quellenbelege
- Sicheres Verhalten bei fehlenden, widersprüchlichen oder unzulässigen Informationen
Unsere Lösung
Kuratiertes, freigegebenes Quellenkorpus mit Dokument-, Versions- und Abschnittsmetadaten
Retrieval-Pipeline, die relevante Passagen auswählt und Antworten auf diese Evidenz begrenzt
Zitate pro Antwort sowie klare Ablehnungs- und Eskalationsregeln bei unzureichender Grundlage
Fachlich gepflegtes Evaluationsset für Retrieval, Antworttreue, Quellenqualität und Grenzfälle
Ergebnisse
Manuelle Dokumentensuche oder unbelegte Antworten aus einer allgemeinen Chat-Oberfläche
Kontrollierter Retrieval-Assistent mit Zitaten, Evaluation und definierten Grenzen
- Prototyp mit nachvollziehbaren Dokument- und Versionsbezügen in Antworten
- Evaluationssatz aus typischen Servicefragen, erwarteten Quellen und sicheren Ablehnungsfällen
- Kontrollierter Einstieg in eine spätere Einführung erst bei nachgewiesener Antwortqualität
Projektkontext
Ein Maschinenbauer wollte Serviceteams den Zugriff auf bestehende Dokumentation erleichtern. Ziel war kein generischer Chatbot, sondern ein kontrollierbares Retrieval-System, dessen Antworten fachlich geprüft und auf Quellen zurückgeführt werden können.
Lieferergebnisse
- Freigegebenes Quellenkorpus mit Metadaten- und Aktualitätsregeln
- Retrieval-Prototyp mit Zitaten, Ablehnung und Eskalation
- Experten-Evaluationsset mit Kriterien für Retrieval, Antworttreue und Grenzfälle
Möchten Sie technische KI-Suche mit Quellen, Evaluation und klaren Grenzen erproben?
Gern helfen wir Ihnen, Ihre Situation zu analysieren und Möglichkeiten für ähnliche Lösungen zu identifizieren.