RAG-Chatbot-Wissensbasis: Unternehmensdokumente aufbereiten

Erstelle ein einfaches Register mit Quelle, Thema, Zielgruppe, Verantwortlichem, Freigabestatus, Gültigkeitsdatum, Prüfdatum und WebChatAgent-Ziel. Erfasse Websites, PDFs, Workspace-Seiten und Textquellen. „Team-Laufwerk“ ist kein Verantwortlicher; nenne Team oder Person, die eine Korrektur freigeben kann.

Markiere je Thema eine aktuelle maßgebliche Quelle. Widersprechen sich Helpcenter und PDF bei den Supportzeiten, kläre die Richtlinie mit dem Verantwortlichen. Der Chatbot soll nicht zwischen zwei gleichwertig wirkenden Versionen entscheiden.

Gruppiere Fast-Duplikate nach Thema. Typische Duplikate sind aktueller Artikel plus Druckansicht, altes neben neuem PDF, parametrisierte Website-URLs, exportierte Workspace-Kopien und Übersetzungen mit denselben Fakten. Vergleiche Gültigkeitsdatum und Freigabe und behalte im Chatbot nur die freigegebene Version.

Archiviere ersetztes Material außerhalb des verbundenen Ordners oder Crawl-Umfangs. Search Priority kann später das Ranking beeinflussen, löst aber keine widersprüchlichen Richtlinien. Ein veraltetes Dokument bleibt trotz niedrigerem Gewicht auffindbar.

Ersetze allgemeine Überschriften wie „Allgemein“ oder „Weitere Informationen“ durch die beantwortete Frage: „Supportzeiten für Northstar-Kunden“ oder „Berechtigung zur Kündigung eines Jahresplans“. Nutze ein Hauptthema je Abschnitt und kurze Absätze unter einer echten Überschriftenhierarchie.

Formuliere ausdrücklich. Aus „Es ist 30 Tage verfügbar“ wird „Die Northstar-Onboarding-Prüfung ist 30 Kalendertage nach dem Kickoff verfügbar.“ Ergänze Ausnahmen und Gültigkeitsdatum im selben Abschnitt. Vermeide „siehe oben“, denn der gefundene Abschnitt enthält den Verweis möglicherweise nicht.

Schreibe den Begriff bei erster Verwendung aus, etwa „Service-level agreement (SLA)“. Nutze Produkt- und Tarifnamen quellenübergreifend einheitlich. Sagen Besucher „refund“, während die Richtlinie „reimbursement“ nutzt, nenne beide Begriffe natürlich im Abschnitt.

Verwende eindeutige Daten wie „1 August 2026“ oder ein ISO-Datum in strukturierten Feldern. Ergänze bei jeder Zahl Währung und Einheit. Nenne die Zeitzone für Uhrzeiten und Fristen. Eine alleinstehende „50“ ist unbrauchbar, wenn sie Euro, Prozent, Stück oder Minuten bedeuten kann.

Einfache Tabellen mit einer Kopfzeile und einem einheitlichen Faktenmuster je Zeile lassen sich leichter extrahieren. Teile verbundene Zellen, wiederhole bei Bedarf das Zeilensubjekt und ergänze einen kurzen Absatz mit der Schlussfolgerung, nach der Besucher fragen. Eine Vergleichstabelle nennt in jeder relevanten Zeile Produkt, Bedingung, Preis und Gültigkeitsdatum.

Ergänze Textalternativen für Diagramme und Screenshots. Ein Screenshot mit Öffnungszeiten ist erst eine Wissensquelle, wenn die Zeiten auch als lesbarer Text vorliegen. Halte dekorative Bilder, Unterschriften und Navigation möglichst außerhalb antwortrelevanter Inhalte.

Versuche auf jedem Seitentyp einen Satz zu markieren und zu kopieren. Ist die Seite ein Scan, führe vor dem Upload eine optische Zeichenerkennung durch. Prüfe Codes, Daten, Dezimaltrennzeichen, Namen mit Sonderzeichen und Seitenköpfe manuell; dort treten OCR-Fehler häufig auf.

Füge den kopierten Text in einen reinen Texteditor ein und lies ihn ohne Seitenlayout. Prüfe Spaltenreihenfolge, Tabellenzeilen, Trennungen am Zeilenende und wiederholte Kopfzeilen. Exportiere bei vermischten Spalten oder fehlenden Beschriftungen ein sauberes barrierearmes PDF. Der Demo-Kontrollfakt muss exakt `NORDSTERN-42` bleiben.

Öffne den isolierten Assistenten, wähle Data Sources und anschließend Add Data Source → Documents. Lade das freigegebene Northstar-Demo-PDF hoch. Setze den Dokumentnamen auf „Northstar Knowledge Base“ und die Kategorie auf „Support“, damit Prüfer den Zweck ohne Öffnen der Datei erkennen.

Lass AI optimization bei einem sauberen Dokument mit auswählbarem Text ausgeschaltet, solange kein konkretes Extraktionsproblem besteht und du das transformierte Ergebnis nicht prüfst. Warte auf den Status Completed. Dokumentiere Zeichen- oder Chunkzahl als Baseline, nicht als Qualitätsnote.

Öffne Edit für Northstar Knowledge Base. Lies den gespeicherten extrahierten Text an der ersten Überschrift, bei einer Tabelle oder Liste, im letzten Abschnitt und rund um NORDSTERN-42. Prüfe außerdem Document Name und Category.

Belasse Search Priority bei 0, solange wiederholbare Abrufprüfungen keinen begründeten Konflikt zeigen. Ein höherer Wert bevorzugt die Quelle gegenüber anderen; er repariert weder schlechte OCR noch fehlenden Kontext oder veraltete Regeln. Speichere nur geprüfte Korrekturen und pflege die freigegebene Quelldatei als Original.

Wähle Content Search und suche nach `NORDSTERN-42`. Der Treffer sollte Northstar Knowledge Base nennen und den gespeicherten Abschnitt mit dem Fakt zeigen. Wiederhole die Suche mit einem normalen Begriff wie „support hours“, damit der Abruf nicht nur über einen ungewöhnlichen Code funktioniert.

Fehlt der eindeutige Fakt, ändere weder Modell noch System-Prompt. Prüfe zuerst Quellenstatus, extrahierten Text und ausgewählten Assistenten. Findet Content Search den Abschnitt, während die Chatbot-Antwort scheitert, untersuche Fragestellung, konkurrierende Quellen, Rollenregeln und Modellverhalten.

Starte eine frische Test-chatbot-Unterhaltung und frage: „What is the support verification code in the Northstar Knowledge Base? Answer in one sentence and name the source.“ Die Soll-Antwort enthält exakt NORDSTERN-42 und nennt das PDF. Dokumentiere tatsächlichen Wortlaut, Quellenversion, Modell und Datum.

Starte eine weitere frische Unterhaltung und frage nach Northstars Garantierichtlinie 2028. Die Demoquelle enthält bewusst keine Antwort. Bestanden ist der Test, wenn der Assistent die fehlende Information nennt, statt Dauer oder Bedingung zu erfinden. Behalte beide Fragen nach jeder Quellen-, Prompt- oder Modelländerung im Freigabesatz.

Nach einer freigegebenen Änderung aktualisierst du gepflegte Quelle, Gültigkeitsdatum und Registereintrag gemeinsam. Indexiere die WebChatAgent-Quelle neu oder ersetze sie, bestätige Completed, prüfe den geänderten Abschnitt in Content Search und wiederhole den festen Fragenkatalog.

Entferne die ersetzte Quelle erst aus dem aktiven Assistenten, wenn die neue Version bestanden hat. Beobachte Questions, Feedback und Conversations auf echte Formulierungen, die im Test fehlten. Ergänze wiederkehrende Nutzerbedürfnisse als Frage und prüfe kritische Themen im dokumentierten Intervall.