Wissen abrufen statt suchen.

Der KnowledgeBot ist ein unternehmensinterner Chatbot, der auf modernster RAG-Technologie (Retrieval-Augmented Generation) basiert. Er verbindet semantische Suche mit generativer KI, um Wissen aus deinen Dokumenten und Systemen präzise, nachvollziehbar und sicher verfügbar zu machen.
Im Gegensatz zu herkömmlichen KI-Assistenten arbeitet der KnowledgeBot ausschliesslich mit deinen eigenen Daten und wird in einer kontrollierten Umgebung betrieben – lokal oder in einer Schweizer Cloud. Das bedeutet: keine Datenabflüsse, keine externen Modelle, keine Blackbox.

Der Bot nutzt eine mehrschichtige Architektur:

Retriever – durchsucht deine Dokumente mithilfe einer Vektor-Datenbank nach semantisch ähnlichen Passagen.

Embeddings – Textpassagen werden in mathematische Vektoren umgewandelt, was die inhaltliche Nähe statt nur Schlagworte berücksichtigt.

LLM (Large Language Model) – formuliert auf Basis der gefundenen Informationen eine präzise Antwort in natürlicher Sprache.

Sicherheitslayer – stellt sicher, dass nur berechtigte Benutzer auf zugängliche Inhalte zugreifen und dass alle Abfragen DSG-konform protokolliert werden.

Diese Komponenten sind modular aufgebaut und können sowohl in einer containerisierten Umgebung (Docker/Kubernetes) als auch hybrid betrieben werden.

Alle Daten liegen in einer Schweizer Infrastruktur – entweder in unserer Cloud, oder in deiner eigenen Umgebung.
‍
Daten werden in einer Vektor-Datenbank gespeichert, die nur Metadaten und semantische Repräsentationen enthält. Der eigentliche Text wird verschlüsselt abgelegt, sodass keine Rückschlüsse auf sensible Inhalte möglich sind.

Optional kann auch eine vollständige On-Premise-Variante betrieben werden – etwa in regulierten Branchen (Banken, Gesundheitswesen, Behörden).

Nein. Der KnowledgeBot arbeitet ausschliesslich mit lokalen Modellen (z. B. Llama, Mistral, Falcon oder OpenHermes), die innerhalb der geschützten Serverumgebung ausgeführt werden.
‍
Damit garantieren wir volle Datenhoheit – es gibt keine Verbindungen zu OpenAI, Anthropic, Google oder AWS. Auch Telemetriedaten werden standardmässig deaktiviert, sodass weder Logfiles noch Metriken externe Systeme erreichen.

Ja. Die gesamte Architektur wurde auf die Einhaltung des Schweizer Datenschutzgesetzes (DSG) und branchenspezifischer Vorgaben wie der FINMA-RS 08/21 (Betrieb) und FINMA-RS 20/07 (Outsourcing) ausgelegt.

Alle Datenzugriffe sind nachvollziehbar protokolliert, Berechtigungen werden rollenbasiert gesteuert, und jede Instanz ist mandantenfähig. Zudem erfolgt keine Datenverarbeitung ausserhalb der Schweiz.

Der KnowledgeBot verarbeitet aktuell folgende Formate nativ:

PDFs (gescannte und textbasierte)
Microsoft Office (DOCX, XLSX, PPTX)
Textbasierte Formate (TXT, CSV, Markdown, HTML)
E-Mails (über M365 Connector oder IMAP)
‍
Darüber hinaus lassen sich strukturierte Datenquellen (z. B. SQL-Datenbanken oder REST-APIs) anbinden. Das Parsing erfolgt über modulare Loader in der Ingest-Pipeline.

Ja. Über unsere M365-Integration kann der KnowledgeBot direkt auf Dokumente in SharePoint, OneDrive oder Microsoft Teams zugreifen.
‍
Dabei werden OAuth2.0 und Azure Entra ID (früher Azure AD) verwendet. Zugriff erfolgt ausschliesslich innerhalb deiner Microsoft-Tenant-Umgebung.
‍
Es werden keine Dokumente kopiert – der Bot liest nur temporär Metadaten oder Textauszüge zum Erstellen der Vektoren, ohne Inhalte zu exportieren.

Unsere Architektur ist horizontal skalierbar. Eine einzelne Instanz kann problemlos mehrere Tausend gleichzeitige Sessions verarbeiten, sofern genügend Rechenressourcen bereitstehen.
‍
Durch Containerisierung kann der KnowledgeBot linear skaliert werden. Lizenzierung erfolgt pro Instanz, nicht pro Benutzer – du zahlst also nicht pro Anfrage oder Token.

Ja. Der KnowledgeBot verfügt über ein integriertes Zugriffsmanagement mit Rollen und Gruppen.
‍
Über LDAP oder Azure Entra ID werden Berechtigungen automatisch übernommen.
‍
Jede Abfrage prüft dynamisch, ob der Nutzer Zugriff auf die zugrunde liegende Quelle hat. So erhält z. B. das HR-Team nur HR-bezogene Antworten, während juristische Dokumente geschützt bleiben.

Das System überwacht die angebundenen Speicherorte kontinuierlich.
Sobald neue Dateien erkannt oder bestehende geändert werden, startet der Ingest-Service eine inkrementelle Reindizierung.
‍
Dabei werden nur betroffene Vektoren aktualisiert, was Zeit und Ressourcen spart. So bleibt der KnowledgeBot immer aktuell – ohne manuelles Eingreifen.

Ja. Dank mehrsprachiger Embedding-Modelle (z. B. nomic-embed-text, text-embedding-3-small, laser3) kann der KnowledgeBot Inhalte in mehreren Sprachen verstehen und verarbeiten.
‍
Die Antwortsprache richtet sich automatisch nach der Anfrage. Zudem lassen sich Sprachmodelle pro Instanz konfigurieren, um etwa interne Kommunikation konsequent auf Deutsch zu halten.

Ja. Der KnowledgeBot ist modellagnostisch aufgebaut.
Du kannst eigene Foundation Models (z. B. Llama 3, Mistral, Claude oder Falcon) einbinden oder sogar eigene Fine-Tunes nutzen.
‍
Dazu wird ein Adapter-Layer zwischen Retrieval und LLM gesetzt, sodass verschiedene Modelle (lokal, hybrid oder API-basiert) parallel betrieben werden können.

Nach der Einführung erhältst du Zugang zu unserem neuronetix Helpdesk mit Support-Leveln nach SLA.

Starter: E-Mail-Support und monatliche Check-ins

Professional: Helpdesk + Monitoring + Quartals-Review

Enterprise: Dedizierter Ansprechpartner, 24/7 Incident Response und Priorisierung im Entwicklungs-Backlog
‍
Zudem erhältst du Zugriff auf ein Administrations-Dashboard mit Telemetrie, Performance-Graphen und Logdaten.