Zuletzt geprüft: 2026-10. Schwerpunkt: EU / DSGVO.
Einführung & Umfang
Die KNOW-Familie umfasst KI, die Informationen findet, daraus Antworten gibt, sie pflegt und recherchiert. Vier Muster: - KNOW.SEARCH - zuerst Suche, eine gerankte Trefferliste (Unternehmens-, Produkt-, multimodale, Archiv-, CAD-, Ersatzteil- und Ausschreibungssuche). - KNOW.QA - Antworten mit Quellenangabe über einen abgegrenzten Bestand (Unternehmensdokumente, Personal, Technik, Normen, Klinik). - KNOW.RESEARCH - mehrstufige Recherche in externen Beständen (Recht, Patente, Wissenschaft, Marken, Finanzen, OSINT, Deep Research). - KNOW.MANAGE - Aufbau und Pflege des Wissens selbst (Wissensdatenbank/FAQ, Expertensuche, Graph, Gedächtnis, Akten, SOPs, persönliche Notizen).
Abgrenzungen zwischen sich überschneidenden Dateien: - KNOW-001 (Suche, zuerst Trefferliste) vs. KNOW-002 (zuerst generierte Antwort): gleicher Index, andere Oberfläche und anderes Risiko; 002 ist die Antwortschicht auf 001. - KNOW-002 ist der allgemeine Assistent für Unternehmensdokumente; KNOW-003, 004, 009, 010 sind fachspezifische Varianten (Personal, Servicetechniker, Normen, Klinik) mit eigenen Quellen und Pflichten. - KNOW-006/007/022 sind Schutzrechts- und Rechtsrecherche in externen Registern; KNOW-015 ist offene Web-Schreibtischrecherche; KNOW-008 ist wissenschaftliche Literatur; KNOW-023 sind Finanzbestände. - KNOW-013 baut den Graphen (Datenschicht); KNOW-026 nutzt Graphen für Ermittlungen (Personen, hohes Risiko). KNOW-025 verwaltet Akten und Aufbewahrung, KNOW-011 verwaltet Artikelinhalte. - KNOW-004 beantwortet Fragen zu Handbüchern, KNOW-021 identifiziert das Teil, KNOW-020 findet ähnliche CAD-Teile, KNOW-005 ist die Shop-Suche mit Katalog. Familienübergreifend: Dokumentenverarbeitung in DOC (insbesondere DOC-014), Agenten in AGENT, Sprache in SPEECH, Bildverarbeitung in VIS.
Legende der Wege: A = verwaltete/SaaS- oder API-Lösung, B = zusammengestellte Plattform bzw. Partnerlösung, C = vollständig selbst betrieben (die HW-Stufe ist die für Weg C mindestens sinnvolle Stufe).
Anwendungsfälle
| ID | Titel | Muster | Reifegrad | Weg | HW-Stufe | KI-VO-Risiko |
|---|---|---|---|---|---|---|
| KNOW-001 | Semantische Unternehmenssuche über Intranet, Laufwerke und Werkzeuge | KNOW.SEARCH | mainstream | A | HW2 | minimal |
| KNOW-002 | RAG-Assistent über Unternehmensdokumente („Chat mit Ihren Daten“) | KNOW.QA | mainstream | A | HW2 | limited |
| KNOW-003 | Self-Service-Assistent für Personal und Richtlinien für Beschäftigte | KNOW.QA | mainstream | A | HW2 | limited |
| KNOW-004 | Assistent für technische Dokumentation und Servicehandbücher für Techniker | KNOW.QA | early-adopter | A | HW3 | minimal |
| KNOW-005 | Semantische Produktsuche im E-Commerce | KNOW.SEARCH | mainstream | A | HW1 | minimal |
| KNOW-006 | Rechercheassistent für Recht (Rechtsprechung, Gesetze, Kommentare) | KNOW.RESEARCH | early-adopter | A | HW3 | depends |
| KNOW-007 | Patentrecherche und Stand-der-Technik-Analyse | KNOW.RESEARCH | early-adopter | A | HW3 | minimal |
| KNOW-008 | Auswertung wissenschaftlicher Literatur und Rechercheassistent | KNOW.RESEARCH | mainstream | A | HW3 | minimal |
| KNOW-009 | Fragen und Antworten zu Normen und regulatorischer Konformität (ISO, DIN, Normen) | KNOW.QA | early-adopter | B | HW2 | minimal |
| KNOW-010 | Assistent für klinische Leitlinien und medizinisches Wissen | KNOW.QA | early-adopter | A | HW3 | depends |
| KNOW-011 | Automatische Erstellung und Pflege von Wissensdatenbank und FAQ | KNOW.MANAGE | early-adopter | A | HW2 | minimal |
| KNOW-012 | Expertensuche und Kompetenzlandkarte | KNOW.MANAGE | early-adopter | A | HW2 | depends |
| KNOW-013 | Aufbau eines Wissensgraphen aus Dokumenten (GraphRAG) | KNOW.MANAGE | early-adopter | B | HW2 | minimal |
| KNOW-014 | Organisationsgedächtnis und Erfassung von Lessons Learned | KNOW.MANAGE | early-adopter | B | HW2 | depends |
| KNOW-015 | Deep-Research-Agent für Markt- und Schreibtischrecherche | KNOW.RESEARCH | mainstream | A | HW3 | minimal |
| KNOW-016 | Multimodale Suche in Bild-, Video- und Audioarchiven | KNOW.SEARCH | early-adopter | A | HW2 | depends |
| KNOW-017 | Auffinden und Abgleichen öffentlicher Ausschreibungen und Fördermöglichkeiten | KNOW.SEARCH | mainstream | A | HW1 | minimal |
| KNOW-018 | Persönliches Wissensmanagement („zweites Gehirn“) | KNOW.MANAGE | mainstream | A | HW1 | minimal |
| KNOW-019 | Erschließung von Archiv-, Bibliotheks- und Kulturerbe-Beständen | KNOW.SEARCH | early-adopter | B | HW3 | minimal |
| KNOW-020 | Ähnlichteilsuche in 3D-CAD und Teilewiederverwendung | KNOW.SEARCH | early-adopter | A | HW2 | minimal |
| KNOW-021 | Ersatzteil-Identifikation und Teilesuche im Aftersales | KNOW.SEARCH | early-adopter | A | HW2 | minimal |
| KNOW-022 | Marken- und Designrecherche (Kollisionsprüfung) und Verletzungsüberwachung | KNOW.RESEARCH | mainstream | A | HW2 | minimal |
| KNOW-023 | Assistent für Investment- und Finanzrecherche (Berichte, Earnings Calls, Broker-Research) | KNOW.RESEARCH | mainstream | A | HW3 | minimal |
| KNOW-025 | Records Management: automatische Klassifikation, Aufbewahrungskennzeichnung und ROT-Bereinigung | KNOW.MANAGE | early-adopter | A | HW2 | minimal |
| KNOW-026 | Ermittlungsaufklärung und OSINT-Analyse (Entitätsauflösung, Verknüpfungsanalyse) | KNOW.RESEARCH | early-adopter | C | HW3 | depends |
| KNOW-027 | Erstellung von SOPs und Arbeitsanweisungen aus Bildschirmaufzeichnungen und Expertenvideos | KNOW.MANAGE | mainstream | A | HW2 | minimal |
Gemeinsamer Technologie-Stack
Grundsatz: eine Retrieval-Plattform je Organisation, die von allen KNOW-Anwendungsfällen (sowie DOC, AGENT, CONV) genutzt wird. Die Anwendungsfälle unterscheiden sich in Beständen, Zugriffsrechten (ACLs), Prompts und Evaluierungsdatensätzen, nicht in der Infrastruktur.
Gemeinsame Schicht (alle Stufen)
- Einlesen: Konnektoren (SharePoint, Confluence, Dateiserver, Ticketsysteme) plus ein Dokumenten-Parser/OCR (Docling, Unstructured oder Azure/Mistral OCR), der strukturierte Abschnitte (Chunks) mit ACL-Metadaten und Seitenverweisen auf die Quelle erzeugt.
- Index: PostgreSQL + pgvector (oder Qdrant / OpenSearch / Elasticsearch), der BM25 und Vektoren nebeneinander vorhält (hybride Suche); ACLs werden als Abfragefilter angewendet.
- Retrieval: mehrsprachiges Embedding (z. B. bge-m3, multilingual-e5, Qwen3-Embedding) und ein Cross-Encoder-Reranker (bge-reranker-v2-m3 oder Cohere Rerank über die EU-Region).
- Antworten: LLM mit verpflichtenden Quellenangaben, Antwortverweigerung ohne Quelle, Leitplanken (Prompt-Injection, PII, Ausgabeprüfungen), Protokollierung mit Aufbewahrungsfristen.
- Betrieb: Evaluierungsdatensatz je Anwendungsfall (Retrieval-Recall, Treue zur Quelle), Identität über SSO, Hosting in der EU-Region, AVV und Klauseln gegen Training mit jedem API-Anbieter.
HW1 (CPU / Edge, < 16 GB)
Verwendet von: KNOW-005, 017, 018. - Postgres + pgvector oder OpenSearch auf der CPU; kleines Embedding-Modell (bge-m3 oder e5-small über ONNX/TEI auf der CPU); Reranker auf der CPU für die Top-50. - Generierung über eine in der EU gehostete API oder bei Bedarf ein 3-8B-Modell über Ollama/llama.cpp; die persönliche Nutzung (KNOW-018) läuft vollständig lokal (Laptop-NPU).
HW2 (eine GPU mit 16-32 GB)
Verwendet von: KNOW-001, 002, 003, 009, 011, 012, 013, 014, 016, 020, 021, 022, 025, 027. - Inferenzknoten (vLLM oder Ollama) mit einem quantisierten Instruct-Modell mit 14-30 Mrd. Parametern (Qwen3, Mistral Small, Gemma 3), Embeddings und Reranker über TEI auf derselben GPU. - Qdrant oder pgvector, dazu OpenSearch für BM25. Ergänzen Sie ein kleines VLM (Qwen2.5-VL 7B) und Whisper (large-v3-turbo) für KNOW-016, 021, 027; Neo4j/Memgraph für KNOW-013 und 012; Klassifikator-Feintuning für KNOW-025. - Nutzen Sie einen Knoten gemeinsam für die HW2-Anwendungsfälle über ein LLM-Gateway (LiteLLM) mit Kontingenten je Mandant und Protokollierung.
HW3 (eine GPU mit 48-141 GB oder Mac-Studio-Klasse)
Verwendet von: KNOW-004, 006, 007, 008, 010, 015, 019, 023, 026. - Alles aus HW2, plus ein Modell der 70-120B-Klasse (gpt-oss-120b, Llama 3.3 70B, Qwen3-235B quantisiert) oder ein Reasoning-Modell für lange Synthesen über mehrere Dokumente; Bereitstellung mit langem Kontext über vLLM. - Agentenschicht (LangGraph o. Ä.) für Deep Research mit Web-Abruf in einer Sandbox; größeres VLM für Scans und Zeichnungen; Graphdatenbank mit Community-Zusammenfassung für GraphRAG (KNOW-013, 019, 026). - Sensible Bestände (klinisch, Ermittlungen, rechtlich) bleiben auf Weg C; regulierte externe Bestände (Patente, Finanzdaten) werden lizenziert und als getrennte Indizes geführt.
Zusammenspiel mit anderen Familien
- DOC: Nutzen Sie die Parsing-/OCR-Pipeline und den Chunk-Speicher (DOC-014) weiter; bauen Sie keine zweite.
- AGENT / CONV: Stellen Sie das Retrieval als Werkzeug (MCP oder REST) mit demselben ACL-Filter bereit, statt private Kopien des Index anzulegen.
- SPEECH / VIS: Transkription und Bild-Embeddings speisen als zusätzliche Modalitäten denselben Index.
- Wechseln Sie erst dann in eine höhere Stufe, wenn eine gemessene Qualitätslücke dies rechtfertigt; die meisten Anwendungsfälle der Stufen HW1-HW2 können mit einer in der EU gehosteten API (Weg A) und demselben Index starten und den Generator später austauschen.