Knowledge Safe: KI-generierte intelligente Fragen
Knowledge Safe nutzt KI-Technologien, die nicht nur Antworten generieren, sondern auch strategisch geplante Fragen stellen. Dadurch wird das Fachwissen von Mitarbeitenden automatisiert und in hoher Qualität erfasst.
Die Technologie basiert auf Large Language Models (LLMs) und umfasst:
- Retrieval-Augmented Generation (RAG)
Hierbei erweitert das LLM sein generiertes Wissen durch die gezielte Einbindung unternehmensspezifischer Dokumente (z. B. Übergabedokumente, Unternehmens-Wikis oder Meetingprotokolle).
- Prompt Engineering
Durch systematisch konzipierte Prompts wird das KI-Modell gesteuert, um gezielt relevante und strategisch sinnvolle Fragen zu generieren.
- LLM-Agents
Diese KI-Agenten orchestrieren automatisch die Gesprächsführung. Sie greifen sowohl auf das bisher gesammelte Wissen als auch auf bestehende Dokumente zurück und generieren fortlaufend Folgefragen.
Die gesamte Lösung ist wahlweise als Cloud-Dienst oder On-Premise-Installation konzipiert, um die hohe Datensicherheit und Datenhoheit in Unternehmen zu gewährleisten. Knowledge Safe verwendet offene europäische LLMs, darunter die Mistral LLM-Familie, sowie moderne Modelle wie Whisper für Speech-to-Text und Distiluse-base für Embeddings. Die Architektur ermöglicht einen flexiblen Austausch der eingesetzten Modelle, sodass alternative Lösungen jederzeit integriert werden können. Standards wie ESCO und EUROPASS sichern die Interoperabilität der gewonnenen Kompetenzprofile.
Technischer Deep-Dive
Knowledge Safe wurde prototypisch u.a. vom Fraunhofer FOKUS entwickelt und nutzt Sentence Embeddings, um die Bedeutung von Textpassagen mathematisch darzustellen (siehe Abbildung 1). Diese Technik ermöglicht es der KI, den Gesprächsverlauf strategisch zu steuern:
- Semantische Varianz: Die KI stellt sicher, dass alle relevanten Wissensbereiche abgedeckt werden.
- Semantische Kohärenz: Die Interviews bleiben zielgerichtet und vermeiden irrelevante Themen.
Durch den Ansatz des »Sokratischen Fragens« zerlegt die KI Problemstellungen in Unterfragen und integriert Unternehmenswissen, was eine präzise Externalisierung von prozeduralem und implizitem Wissen ermöglicht.