Die meisten Unternehmen nähern sich KI falsch an. Sie kaufen Tools. erst das, dann jenes. ChatGPT für die Inhalte, dann einen Chatbot für den Kundendienst, dann ein Tool für die Dokumentenanalyse. Am Ende haben sie 12 verschiedene Systeme, die nicht zusammenpassen, keine Kontrolle über ihre Daten und keine konsistente Wissensinfrastruktur.
Es gibt einen besseren Weg: Zuerst die Infrastruktur bauen, dann die Tools.
Die Technologie, die das ermöglicht, heißt RAG: Retrieval-Augmented Generation. Ein Seniorentaxi-Unternehmen zeigt in der Praxis, wie das funktioniert.
Was ist RAG?
RAG ist im Kern keine komplizierte Technologie. Es verbindet ein KI-Sprachmodell mit Ihren eigenen Unternehmendokumenten: FAQs, Preislisten, Prozesshandbücher, Kundenrichtlinien.
Das klassische Problem mit KI-Modellen: Sie halluzinieren. Sie generieren überzeugend klingende Antworten, die falsch sind. Ihre Preise sind veraltet? Das Modell macht sich trotzdem etwas zusammen.
RAG löst das anders: Das Modell fragt nicht seine trainierten Gewichte ab. Es ruft die echten Daten aus Ihrem Unternehmen ab und antwortet basierend auf diesen echten Dokumenten. Keine Halluzinationen. Keine erfundenen Preise. Keine falschen Prozessschritte.
Kernidee: Der KI-Assistent wird nicht selbst klüger trainiert. er wird mit den korrekten Dokumenten Ihres Unternehmens "gefüttert" und gibt nur auf Basis dieser Dokumente Antworten.
Der Fall: Seniorentaxi
Seniorentaxi ist ein fiktives Unternehmen. aber ein realistisches Beispiel aus der AIM-Weiterbildung. Es ist ein spezialisierter Fahrservice für ältere und mobilitätseingeschränkte Menschen.
Wie die meisten Dienstleistungsunternehmen hat Seniorentaxi ein klassisches Problem: Die Kundenbetreuung ist dokumentintensiv.
- Wie lange dauert eine Buchung?: Die Antwort steht in der FAQ, aber auch im Handbuch, aber auch in den AGB.
- Was kostet eine Fahrt von A nach B?: Es gibt Preislisten, Sonderpreise, Staffelungen.
- Wie storniere ich?: Das Prozesshandbuch hat 3 verschiedene Szenarien.
- Welche Zahlungsarten nehmt ihr an?: Das steht in mindestens zwei Dokumenten.
Das Resultat: Kunden rufen an, warten 5–10 Minuten, während Staff ein 50-Seiten-Handbuch durchsucht. Oder sie erhalten inkonsistente Antworten, weil der neue Mitarbeiter noch nicht alle Prozesse kennt.
Mit RAG ändert sich das radikal.
Alten Prozess vs. Neuer Prozess
Alt: Manuelle Recherche
- Kunde ruft an
- Staff sucht in Handbuch (5–10 Min)
- Kunde wartet in Warteschleife
- Inkonsistente Antworten möglich
- Telefonleitung blockiert
- Staff kann nicht fahren
Neu: RAG-Assistent
- Kunde stellt Frage (Chat/Anruf-Bot)
- RAG holt Antwort aus Dokumenten (30 Sek)
- Konsistente, korrekte Antwort
- Staff kann Fahrtaugaben machen
- Telefon frei für komplexe Anfragen
- Dokumentation bleibt aktuell
Wie der RAG-Baukasten funktioniert
Der RAG-Baukasten von WPT ist kein Blackbox-Tool. Er ist ein strukturiertes Framework mit 7 Dimensionen. entworfen für Fach- und Führungskräfte, die verstehen wollen, was passiert.
Der 5-Schritt-Prozess
Zielklärung: Das Geschäftsproblem
Nicht "Wir wollen RAG bauen". Sondern: "Wir wollen die Antwortzeit von 10 Minuten auf 30 Sekunden reduzieren" oder "Wir wollen 20 % der Kundenanfragen ohne menschliche Intervention lösen". Der Geschäftszweck kommt zuerst.
Datenerfassung: Was füttern wir rein?
Welche Dokumente geben Ihnen den ROI? Für Seniorentaxi: FAQ, Preislisten, Stornierungsrichtlinien, Servicevereinbarungen. Nicht alles. nur das, was tatsächlich Kundenfragen beantwortet.
Strukturierung: Organisation des Wissens
Wie wird das Wissen im System organisiert? Welche Metadaten helfen der KI, die richtige Information zu finden? Das ist nicht sexy, aber es ist entscheidend.
Konfiguration: Assistent-Verhalten
Soll der Assistant "Fach- und Führungskräfte" ansprechen oder eher casual? Soll er bei Unsicherheit eskalieren? Welche Fragen darf er beantworten, welche muss ein Mensch übernehmen?
Test & Iteration
Nicht "Launch and forget". Sie testen mit echten Kundenfragen, sehen, wo der Assistant schwach wird, und passen Dokumente und Konfiguration an.
Angewendet auf Seniorentaxi
S0 | Ziel: Seniorentaxi möchte 80 % der Standard-Kundenfragen (Preise, Buchung, Stornierung, Zahlungsarten) ohne menschliche Vermittlung beantworten. Das spart 200 Stunden pro Monat Telefonzeit.
S1 | Daten: Sie laden hoch: FAQ (30 Seiten), Preislisten (5 Varianten), Prozesshandbuch Stornierung (8 Seiten), AGB (20 Seiten), Zahlungsrichtlinien (3 Seiten). Total etwa 100 Seiten strukturiertes Wissen.
S2 | Struktur: Die Dokumente werden mit Metadaten versehen: "Preisliste. gültig ab 1.1.2026", "FAQ: letzte Aktualisierung März 2026", "Stornierung: Regel für Kurzfristigkeit", etc. Der RAG-Assistent weiß dann, welche Versionen aktuell sind.
S3 | Konfiguration: Der Assistant ist höflich, verwendet "Sie", erklärt sein Wissen transparenten ("Diese Information stammt aus unserer Preisliste") und eskaliert bei Spezialfällen: "Für diese Situation empfehle ich, mit unseren Spezialisten zu sprechen."
S4 | Test: Sie lassen den Assistant eine Woche live testen mit 50 echten Kundenanfragen. 46 davon beantwortet er korrekt. Für die 4 fehlerhaften optimieren Sie die Datenstruktur und kalibrieren.
Ergebnisse: Was hat sich verändert?
Nach dem Launch zeigen sich konkrete Verbesserungen:
- Weniger Warteschlangen: Kunden werden sofort beantwortet, nicht in die Warteschleife gestellt.
- Staff fokussiert auf Kern: Statt Handbücher zu lesen, fahren Dispatcher und Fahrer. das ist ihre echte Aufgabe.
- Konsistent: Der Assistant antwortet immer gleich. unabhängig davon, welcher Mitarbeiter gerade in Urlaub ist.
- Skalierbar: Wenn Seniorentaxi in 5 weitere Städte expandiert, müssen Sie kein neues Team trainieren. Der Assistant skaliert mit.
- Feedback-Schleife: Jede Kundeninteraktion zeigt, wo Ihre Dokumentation lückenhaft ist. So verbessern Sie kontinuierlich.
Das Kernprinzip: Geschäftsziel zuerst
Viele Unternehmen fallen in die Falle: Sie sehen "RAG" oder "KI" und denken "Das müssen wir haben." Dann bauen sie RAG für RAGs Willen und fragen nie: Welches Geschäftsproblem lösen wir eigentlich?
Seniorentaxi hat nicht mit der Frage "Wie bauen wir RAG?" begonnen. Sie haben gefragt: "Wie reduzieren wir Wartezeiten auf 30 Sekunden? Wie können wir Staff auf die echte Arbeit konzentrieren?" Die RAG war nur das Mittel zum Zweck und ein sehr effektives Mittel.
Das ist der Unterschied zwischen Unternehmen, die von Technologie-Hype getrieben werden, und Unternehmen, die KI strategisch einsetzen.
Die größere Idee: Eine Infrastruktur statt 12 Tools
Der Seniorentaxi-Fall ist klein. ein Unternehmen, ein RAG-Assistent. Aber das Prinzip skaliert.
Stellen Sie sich vor, ein Softwareunternehmen mit 200 Mitarbeitern hat folgende Probleme:
- Support-Team sucht 30 Min. pro Ticket in Dokumentation
- Sales braucht schnelle Antworten zu Feature-Kompatibilität
- HR will Onboarding-Prozesse automatisieren
- Product-Team will Kundenfeedback analysieren
Die klassische Lösung: 4 verschiedene Tools kaufen. Dashboards, Integrationen, Lizenzen, Support. Jeder Tool hat andere UIs. Keine gemeinsame Daten-Policy.
Die RAG-Lösung: Eine zentrale Wissensinfrastruktur aufbauen. Support-Docs, Sales-Wikis, HR-Handbücher, Kundendaten. alles in einem Dokumentenpool. Ein RAG-System, viele Anwendungen (Support-Bot, Sales-Assistant, Onboarding-Bot, Analytics). Zentrale Kontrolle. Ein Quelltext der Wahrheit.
Das ist nicht nur billiger. Es ist intellektuell ehrlicher. Sie bauen eine echte Infrastruktur, keine Flickwerk-Lösung.
Den RAG-Baukasten kennenlernen
Der RAG-Wizard ist eine interaktive Demo des RAG-Baukastens, der Teil des AIM-Lehrgangs ist. In der Demo können Sie die 5-Schritte-Logik erkunden und ein Gefühl für den Aufbau einer RAG-Infrastruktur bekommen.
Zur RAG-Demo