KI-Wissensdatenbank für Unternehmen.
RAG-System aus Deutschland, auf jedem Kanal abrufbar.
Wissen sitzt überall, in PDFs, Wikis, Word-Dokumenten, FAQ-Listen, alten E-Mails. Mitarbeitende und Kundschaft müssen es manuell suchen. Klassische Wissensmanagement-Tools sind Such-Werkzeuge, sie zeigen Suchergebnisse, beantworten aber nicht. Generative KI wie ChatGPT kann antworten, kennt aber dein Firmen-Wissen nicht. Was fehlt: ein RAG-System das beides verbindet, und über jeden Kanal (Telefon, Chat, E-Mail) abrufbar ist.
Jetzt startenKurz gesagt
RAG (Retrieval Augmented Generation) ist die Standard-Architektur für Enterprise-KI-Wissensbasen: Dokumente werden in Vektor-Embeddings übersetzt und in einer Vektor-Datenbank gespeichert. Bei Anfragen sucht das System die relevantesten Passagen, gibt sie als Kontext an ein LLM, das daraus eine Antwort generiert. Vorteil gegenüber klassischen Such-Tools: natürlichsprachliche Antwort statt Link-Liste. Vorteil gegenüber generischer KI: spezifisches Firmen-Wissen statt Allgemein-Wissen. Aber RAG-Systeme selbst zu bauen ist Custom-Enterprise-Engineering: Vektor-DB lizenzieren (US-Cloud-Dienst oder self-hosted), LLM-Integration konfigurieren, Embedding-Pipeline aufbauen, Chunking-Strategie wählen, Re-Ranking-Modell einsetzen, Compliance-Layer für DSGVO/AI-Act bauen. Zeit-Aufwand: 2-6 Monate Custom-Implementation. Pricing: 5-stellige Setup + 4-stellige monatliche Cloud-Kosten. rinqos Architektur löst das: Wissensmanagement ist out-of-the-box im Produkt enthalten, selbst betriebene Vektor-Datenbank auf Hetzner in Deutschland, KI-Modelle mit vertraglich garantierter Datenverarbeitung in der EU, AI-Act-konforme Disclosure. Aktivierung via Wizard.
Mit rinqo bekommst du eine KI-Wissensdatenbank mit Multi-Channel-Output. Eine zentrale RAG-basierte Wissensbasis pro Organisation, gespeist aus PDFs, Webseite-Crawl, FAQ-Listen, Helpdesk-Artikeln; Systeme mit REST-API wie Confluence oder Notion bindest du als Verbindung an, der Agent schlägt dort im Gespräch nach. Auf jedem Kanal abrufbar: Telefon (ein Anruf liefert die Antwort aus der Wissensbasis), Chat (Widget mit Function-Calling), E-Mail (Agent legt Antworten auf Standard-Anfragen zur Freigabe vor) und der Persönliche Agent (interne Q&A-Suche fürs ganze Team), Marketing und künftige Kanäle greifen auf dieselbe Basis zu. Hetzner-DE-Hosting.
Inhalt
Warum rinqo?
RAG out-of-the-box statt Custom-Engineering
Klassische RAG-Implementation: 2-6 Monate Custom-Engineering mit Vektor-DB-Lizenz, LLM-Setup, Embedding-Pipeline, Chunking, Re-Ranking, Compliance. rinqo: Wizard-Setup, selbst betriebene Vektor-Datenbank, KI-Dienst mit EU-Datenverarbeitung, AI-Act-Disclosure standardmäßig integriert.
Multi-Channel-Output ohne separate Integration
Klassische KB-Tools sind Web-Frontends. rinqo macht dieselbe Wissensbasis über Telefon, Chat-Widget, E-Mail-Triage und den Persönlichen Agenten abrufbar, ohne separate Channel-Integrationen. Eine Wissensbasis, jeder Kanal.
Hetzner-DE statt US-Cloud-Vector-DB
Verbreitete Vektor-DB-Dienste hosten in US-Regionen. rinqo betreibt die Vektor-Datenbank selbst auf Hetzner Falkenstein/Nürnberg, deine Wissensbasis liegt nicht bei einem US-Cloud-Vektor-Dienst, sondern in der EU. AVV automatisch beim Vertragsabschluss.
Knowledge-Gap-Resolution Continuous-Learning
Wenn die KI eine Anfrage nicht beantworten kann, wird die Lücke im Dashboard gemeldet. Du fügst die Antwort in einer Minute hinzu, beim nächsten Mal kann die KI antworten. Wissensbasis wächst aus echten Kunden-Anfragen heraus, nicht aus theoretischer FAQ-Pflege.
AI-Act-Art.-50 Disclosure standardmäßig
Bei jeder KI-generierten Antwort: Disclosure-Hinweis (Voice-Ansage, Chat-Badge, E-Mail-Footer). Pflicht ab 02.08.2026, bei rinqo Standard. Klassische RAG-Custom-Implementations müssen Disclosure manuell einbauen.
Function-Calling für strukturierte Antworten
Statt nur Text-Antworten kann die KI Funktionen aufrufen: Termin im Kalender buchen, Lead in CRM eintragen, Webhook auslösen, Re-Eskalation an Mensch. Dadurch wird die Wissensbasis aktiv (handelt) statt passiv (informiert nur).
Vorher. Nachher.
Klassische Optionen für Unternehmen-Wissensmanagement: (1) Wiki- und Dokumenten-Tools, Web-Frontend für Suche, keine KI-Antwort, keine Multi-Channel-Verfügbarkeit. (2) Custom-RAG-Implementation, 2-6 Monate Engineering, 5-stellige Setup-Kosten, US-Cloud-Vektor-DB, manuelle DSGVO-Compliance. (3) Generische KI-Chats, kennen dein Firmen-Wissen nicht, geben erfundene Antworten (Halluzinationen).
rinqo (DE, Hetzner): RAG-System out-of-the-box mit selbst betriebener Vektor-Datenbank in Deutschland, KI-Modellen mit EU-Datenverarbeitung, AI-Act-Standard. Multi-Channel-Output: Telefon + Chat + E-Mail + Persönlicher Agent. Knowledge-Gap-Resolution für Continuous-Learning. Setup via Wizard.
Was ist eine KI-Wissensdatenbank? RAG für Unternehmen erklärt
RAG (Retrieval Augmented Generation) ist die führende Architektur für KI-Wissensbasen. Drei Schritte: erstens, Dokumente werden in semantische Vektor-Embeddings übersetzt (via Embedding-Modell) und in einer Vektor-Datenbank gespeichert. rinqo betreibt die Vektor-Datenbank selbst auf Hetzner in Deutschland. Zweitens, bei einer Anfrage berechnet das System die Vektor-Embedding der Frage und sucht die ähnlichsten Dokument-Passagen in der Datenbank, typisch top-5-Treffer. Drittens, die gefundenen Passagen werden als Kontext an ein LLM (bei rinqo mit vertraglich garantierter Datenverarbeitung in der EU) gegeben, das daraus eine natürlichsprachliche Antwort generiert. Vorteil: spezifisches Firmen-Wissen statt Allgemein-Wissen, natürlichsprachliche Antwort statt Link-Liste. Trade-off: braucht qualitativ-gute Wissensbasis-Inhalte und sauberes Chunking. rinqo hat Chunking + Re-Ranking standardmäßig kalibriert für DACH-KMU-Wissensbasen (Helpdesk-Artikel 100-500 Wörter, gemischt mit FAQ-Listen und PDF-Dokumenten).
Wie rinqos Wissensbasis aufgebaut wird, vier Eingabe-Quellen mit Freigabe
Die Wissensbasis nimmt mehrere Eingabe-Typen an. Erstens, Webseite-Crawl. Du gibst die URL deiner Hauptdomain an, rinqo crawlt automatisch alle indexierbaren Seiten, extrahiert Text, embeddet in die selbst betriebene Vektor-Datenbank. Zweitens, Datei-Upload. PDF-Dokumente, Word-Dokumente, Markdown-Files, Excel-Tabellen werden hochgeladen. Der Text wird extrahiert und automatisch embeddet. Funktioniert für Helpdesk-Artikel-Sammlungen, Mitarbeiter-Handbücher, Produkt-Dokumentation, Compliance-Richtlinien. Drittens, Drittanbieter-Quellen. Systeme mit REST-API wie Confluence oder Notion bindest du als Verbindung an, der Agent schlägt dort im Gespräch nach; auf Wunsch richten wir das ein. Viertens, aus dem Arbeitsalltag selbst. Fragt jemand den Persönlichen Agenten etwas, das noch nicht hinterlegt ist, oder beantwortet ein Mensch eine eskalierte Anfrage, schlägt rinqo den neuen Wissens-Baustein vor. Wichtig: Ein Vorschlag wird nicht automatisch aktiv. Eine verwaltende Person gibt ihn frei und entscheidet, ob er ins gemeinsame Firmenwissen oder in das persönliche Wissen der jeweiligen Person wandert. So wächst die Wissensbasis kontrolliert aus der täglichen Arbeit mit, ohne mühsame Pflege, und nichts landet ungeprüft in den Antworten.
Multi-Channel-Output, eine Wissensbasis für jeden Kanal
Klassische Wissensmanagement-Tools sind Web-Frontends, Mitarbeitende und Kundschaft müssen die App öffnen, suchen, lesen. Bei Telefonanrufen, Chat-Anfragen oder E-Mails muss das Wissen manuell von jemandem im Team abgerufen werden. rinqo dreht das um: dieselbe Wissensbasis wird über jeden Kanal ausgespielt. Telefon-Kanal: KI-Telefon-Agent nimmt Anruf an, sucht in Wissensbasis, antwortet sprachlich (Sprachsynthese über einen deutschen Anbieter, EU-gehostet). Chat-Kanal: Web-Widget mit derselben Wissensbasis. E-Mail-Kanal: autonomer Triage-Agent verbindet sich via IMAP zum Postfach, beantwortet Anfragen die in der Wissensbasis stehen, eskaliert komplexe Mails. Persönlicher Agent: direkte Q&A-Suche fürs ganze Team (z.B. zur Krankheitsmeldungs-Workflow-Dokumentation), mit Quellenangabe bei jeder Antwort. Eine Wissensbasis, jeder Kanal, kein Wissens-Silo.
Wissen zuteilen, jeder Agent sieht nur, was er sehen soll
Eine Wissensbasis heißt nicht, dass jeder alles sieht. In rinqo teilst du jedem Agenten gezielt zu, aus welchem Wissen er antworten darf. Der Chat-Agent auf der Website bekommt Öffnungszeiten, Leistungen und Preise; der E-Mail-Agent zusätzlich die Reklamations-Abläufe; interne Personalunterlagen, Einkaufskonditionen oder Verträge bleiben komplett außen vor. So beantwortet ein kundenseitiger Agent nur, was für Kundschaft bestimmt ist, und greift nie auf interne Dokumente zu, die Trennung ist strukturell, nicht eine Frage der Formulierung im Prompt. Der Persönliche Agent fürs Team darf umgekehrt auf das interne Wissen zugreifen, jede Person zusätzlich auf ihr eigenes persönliches Wissen, das für niemanden sonst sichtbar ist. Du legst die Zuteilung im Dashboard fest und änderst sie jederzeit, eine Änderung wirkt sofort auf allen Kanälen, ohne dass du Dokumente doppelt pflegst.
Knowledge-Gap-Resolution, die Wissensbasis lernt aus echten Anfragen
Klassische RAG-Systeme haben ein typisches Problem: die Wissensbasis ist initial unvollständig. Mitarbeitende und Kundschaft stellen Fragen, die in der Wissensbasis nicht abgedeckt sind. Klassische Systeme antworten dann mit Fehlermeldung oder schlimmer, halluzinieren. rinqo hat einen Continuous-Learning-Loop. Schritt 1: bei einer Anfrage die nicht beantwortbar ist, eskaliert die KI ehrlich an einen Menschen UND erfasst die Lücke strukturiert im Dashboard. Schritt 2: du siehst alle offenen Wissens-Lücken sortiert nach Häufigkeit. Schritt 3: du fügst die Antwort in 30 Sekunden hinzu (kann als FAQ-Eintrag, ergänzte Doku-Passage oder neue Wissens-Datei sein). Schritt 4: die nächste gleiche oder ähnliche Anfrage wird automatisch beantwortet. Wissensbasis wächst aus echten Kunden-Anfragen heraus, nicht aus theoretischer FAQ-Pflege.
rinqo vs. klassische Wissensmanagement-Tools, der Vergleich
Drei Optionen vergleichen DACH-KMU 2026 für Wissensmanagement. Erstens, klassische Wiki- und KB-Tools. Stärke: ausgereifte Editorial-Oberflächen, Versionierung, Berechtigungen, Team-Kollaboration. Schwäche: Web-Frontend nur, keine KI-Antwort, keine Multi-Channel-Verfügbarkeit. Pricing typisch 8-15 €/Person/Mo, aber kein KI-Layer enthalten. Zweitens, Custom-RAG-Implementation. Stärke: maximale Flexibilität in Architektur und Integrationen. Schwäche: 2-6 Monate Engineering, 5-stellige Setup-Kosten, Cloud-DB-Lizenzen, manuelle DSGVO/AI-Act-Compliance, entsprechend aufwendig. Drittens, generische KI-Chats. Stärke: ausgereifte LLM-Antworten. Schwäche: kennen Firmen-Wissen nicht (außer du kopierst manuell den Kontext rein), halluzinieren bei spezifischen Anfragen, oft US-Cloud-Hosting. rinqo verbindet die drei Vorteile: gepflegte Wissensbasis mit Editorial-Grundfunktionen plus RAG-Antworten plus DSGVO/EU-Hosting (Made-in-Germany).
Häufige Fragen
Quellen
- EU-Verordnung 2024/1689 (AI Act), Art. 50
- DSGVO Art. 28, Auftragsverarbeitung
- EuGH C-311/18 (Schrems II), Drittland-Datentransfer
Zuletzt aktualisiert: 2026-09-05
Gründer, rinqo
Gründer von rinqo. Baut ein Unternehmensgedächtnis, in dem das Wissen einer Organisation zusammenläuft und verfügbar bleibt, und die KI-Agenten, die damit arbeiten: am Telefon, im Postfach, im Chat, im Marketing und in weiteren Rollen. Schreibt hier über die Einführung von KI in Unternehmen, über Datenschutz und darüber, was im Betrieb trägt. Entwickelt in Deutschland, verarbeitet in der EU, ohne US-Anbieter.
Zuletzt aktualisiert:
Live ausprobieren
Zum Agenten