Ausgangslage
In jedem Unternehmen steckt Wissen in hunderten Dokumenten, Wikis, Tickets und Mails – auf Deutsch und Englisch, mit unterschiedlichen Begriffen für dasselbe. Wer neu ist, fragt sich durch. Wer geht, nimmt Wissen mit.
Klassische Suche findet Wörter, aber keine Zusammenhänge. Und sensible Firmendokumente an eine Cloud-KI zu schicken, kommt für viele nicht infrage.
Die Lösung: OntologyMiner
OntologyMiner extrahiert mit einem lokal laufenden Sprachmodell Personen, Teams, Systeme, Projekte und ihre Beziehungen. Dubletten werden sprachübergreifend zusammengeführt, neue Begriffe zu Schema-Vorschlägen gruppiert.
Ein Mensch gibt das Schema frei – und das System lernt aus jeder Entscheidung. So entsteht Schritt für Schritt eine Ontologie, die zum Unternehmen passt, statt einem starren Standardmodell.
So funktioniert es
-
Einlesen & Einbetten
Dokumente werden zerlegt und semantisch indiziert – für Suche nach Bedeutung statt nach Stichwort.
-
Extraktion mit lokalem LLM
Ein Open-Source-Sprachmodell erkennt Entitäten und Beziehungen – auf eigener Hardware, ohne Cloud.
-
Konsolidierung
Regeln und ein KI-Richter führen Dubletten zusammen, auch über Sprachgrenzen hinweg.
-
Lernendes Schema
Neue Typen werden als Vorschlag gesammelt. Freigaben im Review fließen in die nächsten Durchläufe ein.
-
Gemessene Qualität
Ein synthetisches Testunternehmen mit Musterlösung macht jede Verbesserung messbar.
Ergebnis
- Eine navigierbare Wissenslandkarte statt verstreuter Ordner.
- Fundament für KI-Assistenten, die Fragen mit Quellen beantworten.
- Datenschutzfreundlich: Sprachmodell und Datenbank laufen vollständig lokal.