Interne Wissenssuche automatisieren: 4-Wochen-Pilot im Schweizer E-Commerce

Das Problem: Manuelle Wissenssuche und Compliance-Last

Im Schweizer E-Commerce mit 51 bis 200 Mitarbeitern staut sich die interne Kommunikation. Compliance-Abteilungen und Operations-Teams verbringen Stunden damit, Informationen aus CRM, ERP und Dokumentenablagen für Monatsberichte zusammenzusuchen. Die Antwortzeiten auf interne Anfragen in Microsoft Teams oder Slack liegen oft über 4 Stunden. Gleichzeitig verlangt der EU AI Act, der als Referenzrahmen für die Schweizer Regulierung dient, eine dokumentierte menschliche Aufsicht bei KI-gestützten Entscheidungen. Der Pilot zielt darauf ab, diese manuelle Arbeit durch einen konversationellen Agenten zu ersetzen, der rund um die Uhr verfügbar ist und die Datenhoheit durch eine model-agnostische Architektur wahrt.

Voraussetzungen für den Piloten

Bevor der Agent entwickelt wird, müssen folgende Voraussetzungen erfüllt sein:

• API-Zugänge: Lesezugriffe auf das CRM (z. B. Salesforce oder HubSpot), das ERP (z. B. SAP Business One) und den Kommunikationskanal (Microsoft Teams oder Slack) via OAuth 2.0.
• Dokumentationsstandards: Alle relevanten Dokumente (Verträge, Richtlinien, FAQs) müssen in einem zentralen Repository vorliegen und maschinenlesbar sein (PDF, DOCX, Markdown).
• Compliance-Framework: Eine klare Definition, welche Daten als „sensibel“ gelten und welche menschliche Freigabe erfordern.
• Infrastruktur: Ein Cloud-Konto (AWS, Azure oder GCP) oder eigene Hardware für das Hosting der Vektor-Datenbank und der Orchestrierungsschicht.
• Baseline-Daten: Historische Daten der letzten 3 Monate zu Antwortzeiten und Fehlerquoten der manuellen Prozesse.

Schritte zur Implementierung

1. Prozess-Audit und Baseline-Erfassung: Dokumentieren Sie den aktuellen Workflow der Monatsbericht-Erstellung. Messen Sie die durchschnittliche Zeit von der Anfrage bis zur Freigabe und die Anzahl der manuellen Korrekturen. Diese Werte bilden die Referenz für den Erfolg des Piloten.
2. Infrastruktur-Setup: Richten Sie die Vektor-Datenbank (z. B. Weaviate) ein und laden Sie die Dokumente aus dem CRM und ERP. Konfigurieren Sie die Embedding-Modelle für die semantische Suche.
3. Agent-Entwicklung mit Claude API: Implementieren Sie die Logik des konversationellen Agenten. Verwenden Sie die Anthropic Claude API für die Generierung von Antworten und die Triage von Anfragen. Definieren Sie die System-Prompts, die den Agenten anweisen, nur auf Basis der abgerufenen Dokumente zu antworten.
4. Integration in Microsoft Teams: Registrieren Sie den Agenten als Bot in Microsoft Teams. Verknüpfen Sie ihn mit den relevanten Kanälen für Compliance und Operations. Testen Sie die Berechtigungen, um sicherzustellen, dass der Agent nur in autorisierten Kanälen aktiv ist.
5. Human-in-the-Loop-Workflow: Implementieren Sie die Freigabe-Logik. Wenn der Agent einen Monatsreport erstellt, wird dieser an einen Compliance-Beauftragten geschickt. Erst nach dessen manueller Bestätigung wird der Report versendet.
6. Pilotbetrieb und Messung: Lassen Sie den Agenten für 2 Wochen im Live-Betrieb laufen. Erfassen Sie die neuen Antwortzeiten und Fehlerquoten. Vergleichen Sie diese mit der Baseline aus Schritt 1.

Häufige Stolperfallen und wie Sie sie erkennen

• Halluzinationen bei der Zitation: Der Agent erfindet Quellen, die nicht im Dokument existieren. Erkennung: Prüfen Sie die Zitations-IDs im Antwort-Log und vergleichen Sie sie mit der Vektor-Datenbank. Lösung: Erhöhen Sie den Similarity-Score-Schwellenwert und erzwingen Sie die Angabe der Dokument-ID im Prompt.
• Berechtigungsfehler in Teams: Der Agent antwortet in Kanälen, für die er keine Berechtigung hat. Erkennung: Überwachen Sie die API-Logs auf 403-Fehler. Lösung: Verwenden Sie OAuth 2.0 mit minimalen Scopes und testen Sie die Berechtigungen vor dem Rollout.
• Langsame Antwortzeiten: Die Antwortzeit liegt über 10 Sekunden. Erkennung: Messen Sie die Latenz der Vektor-Suche und der API-Aufrufe. Lösung: Optimieren Sie die Embedding-Modelle oder wechseln Sie zu einem lokalen Modell für die Suche.
• Fehlende menschliche Freigabe: Der Report wird ohne Compliance-Prüfung versendet. Erkennung: Prüfen Sie den Workflow-Log auf fehlende Freigabe-Schritte. Lösung: Implementieren Sie eine harte Blockade im Code, die den Versand ohne Freigabe-Flag verhindert.

Fazit und nächste Schritte

Der Pilot ist abgeschlossen, wenn die Zykluszeit für die Monatsbericht-Erstellung um mindestens 40 Prozent gesunken ist und die Fehlerquote unter 2 Prozent liegt. Die nächste logische Schritt ist die Skalierung auf weitere Prozesse, wie die automatische Triage von Kundenanfragen oder die Generierung von Vertragsentwürfen. Die Managed AI Operations übernehmen die fortlaufende Überwachung der Modelle, die Aktualisierung der Vektor-Datenbank und die Anpassung der Prompts an neue Compliance-Anforderungen. So bleibt das System auch nach dem Piloten zuverlässig und compliant.