Eine selbst gehostete RAG-Chatbot-Plattform, die sich an die bestehende MediaWiki-Wissensdatenbank einer Organisation anbindet – Mitarbeitende stellen Fragen in natürlicher Sprache und erhalten in Sekunden Antworten direkt daraus, jede mit nachvollziehbarer Quelle.
Diese Fallstudie beschreibt die RAG-Chatbot-Plattform von Unitech DACH, entwickelt für Organisationen, die umfangreiche interne Dokumentation in MediaWiki führen – Unternehmen, Bildungseinrichtungen, interne Wiki-Teams und Rechts-/Compliance-Abteilungen, die im Tagesgeschäft auf eine wikibasierte Wissensdatenbank angewiesen sind.
Für diese Organisationen ist MediaWiki das führende System für Richtlinien, Verfahren und institutionelles Wissen – doch ein Wiki ist nur so nützlich, wie schnell Mitarbeitende die richtige Seite finden und bestätigen können, dass sie ihre Frage tatsächlich beantwortet.
In einem klassischen MediaWiki müssen Mitarbeitende eine Seite suchen oder durchblättern und sie dann lesen – oft mehrere zusammenhängende Seiten –, um sicherzugehen, dass sie die richtige Antwort gefunden haben. Die Suche beschränkt sich auf exakte Schlüsselwörter, sodass Treffer davon abhängen, den genauen Wortlaut des Wikis zu erraten, statt die Bedeutung der Frage zu verstehen.
Inhalte sind nur aktuell, wenn jemand sie manuell pflegt und neu indexiert – ein Wiki kann also unbemerkt veralten. Und weil der Zugriff auf ein Wiki meist nach dem Alles-oder-nichts-Prinzip erfolgt, bedeutet die Öffnung als Self-Service-Wissenswerkzeug entweder, den Nutzerkreis stark einzuschränken, oder ein Berechtigungssystem auf Rollen- und Seitenebene von Grund auf zu entwickeln – was allein Monate dauern kann.
|
PROBLEM Mitarbeitende können ein Wiki nur nach exakten Schlüsselwörtern durchsuchen, müssen ganze Seiten lesen, um eine Antwort zu bestätigen, und Inhalte veralten zwischen manuellen Neuindexierungen. |
AUSWIRKUNG Eine konkrete Antwort zu finden, heißt blättern und lesen statt fragen – und eine saubere rollenbasierte Zugriffskontrolle für die Self-Service-Suche aufzubauen, kann allein Monate dauern. |
Die RAG-Chatbot-Plattform von Unitech DACH macht aus einer bestehenden MediaWiki-Instanz einen dialogfähigen KI-Assistenten – ohne dass die Organisation ihre Dokumentation migrieren muss.
| VORHER | MIT DEM RAG-CHATBOT | |
|---|---|---|
| Antwort finden | Wiki durchblättern, nach exakten Schlüsselwörtern suchen, mehrere Seiten lesen | Frage in natürlicher Sprache stellen, Antwort in Sekunden erhalten |
| Suchabgleich | Nur exakte Schlüsselwörter | Semantische Suche, die die Bedeutung der Frage versteht |
| Inhalte aktuell halten | Manuelle Pflege und Neuindexierung | Automatisches Crawling mit inkrementeller Synchronisierung |
| Zugriffskontrolle | Nutzer müssen eingeschränkte Inhalte selbst meiden | KI setzt Berechtigungen auf Rollen- und Seitenebene automatisch durch |
| Bereitstellungszeit | Monate für den Aufbau eines vergleichbaren Systems | Tage für die Anbindung einer bestehenden MediaWiki-Instanz |
Die Plattform läuft hinter einem FastAPI-Backend und verarbeitet die MediaWiki-Instanz einer Organisation in einer fünfstufigen Pipeline: Erfassen (Wiki automatisch crawlen), Verstehen (Inhalte extrahieren und standardisieren), Zusammenfassen (KI-generierte Zusammenfassungen halten den Index effizient), Analysieren (Inhalte in semantische statt beliebige Abschnitte zerlegen) und intelligentes Speichern (alles in OpenSearch für kombinierte Vektor- und Schlüsselwortsuche indexieren).
Auf der Abfrageseite verarbeitet eine Suchschicht eingehende Fragen: Sie führt semantische, kontextbezogene und Schlüsselwortsuche parallel aus, führt die Ergebnisse zusammen und sortiert die besten Kandidaten mit einem CrossEncoder-Modell neu, bevor eine Antwort mit Quellenangaben erzeugt und gestreamt wird. Die rollenbasierte Zugriffskontrolle greift an derselben Stelle und filtert die Ergebnisse auf das, was der anfragende Nutzer sehen darf – noch bevor eine Antwort entsteht. Das System basiert auf FastAPI, OpenSearch und PostgreSQL hinter einer OpenAI-kompatiblen Streaming-API und lässt sich selbst gehostet betreiben, statt über einen Drittanbieter zu laufen.
|
<5 Sek. Antwortzeit bis zum ersten Token |
>98 % Genauigkeit mit hybrider Suche + Reranking |
100+ Gleichzeitige Nutzer unterstützt |
Tage Bereitstellung statt Monate Eigenentwicklung |
Laut den angegebenen Leistungswerten der Plattform liefert der Chatbot das erste Token in unter 5 Sekunden und streamt den Rest der Antwort in Echtzeit – mit einer Genauigkeit von über 98 % durch die Kombination aus hybrider Suche und Reranking statt einer einzelnen Suchmethode. Die Architektur ist auf über 100 gleichzeitige Nutzer mit asynchronem Backend ausgelegt, mit einer Wissenskapazität von mehreren hunderttausend Seiten oder Dokumenten; inkrementelle Synchronisierung hält den Index ohne vollständige manuelle Neuindexierung aktuell. Die Bereitstellungszeit sinkt von Monaten für eine Eigenentwicklung auf wenige Tage für die Anbindung einer bestehenden MediaWiki-Instanz.
|
BEREITSTELLUNGSOPTION Auch als sofort einsatzbereite Virtual Appliance erhältlich – ein vorkonfiguriertes Disk-Image, in dem alle Komponenten bereits installiert und eingerichtet sind – für einen schnellen, eigenständigen Rollout mit minimalem internem Aufwand. Ein klarer Vorteil für Kunden, denen eine einfache Bereitstellung wichtig ist. |
INVESTITION (RICHTWERT) In der Regel ein Bruchteil der Kosten und Zeit, die Aufbau und Betrieb eines vergleichbaren Systems in Eigenregie erfordern. |
FastAPI (Python), PostgreSQL, OpenSearch (Vektor + BM25), FAISS (HNSW, 1024-dim. Embeddings), CrossEncoder-Reranker, vLLM, llama-index / sentence-transformers, mwparserfromhell, Docker Compose, OpenAI-kompatible Streaming-API.