Gruppenmitgliedschaft
Der Benutzer gehört zu der Gruppe, für die die Datenbank gedacht ist.
Admin-Bereich › Benutzer › Gruppen › BenutzerLeitfaden
Wissensdatenbanken in der Praxis
Eine Wissensdatenbank ist eine Dokumentensammlung, die Ihre KI im Chat durchsucht und für Antworten heranzieht. Diese Seite zeigt, wie der Zugriff geregelt wird, wie Ihre Leute die Inhalte nutzen und was technisch dahintersteckt — belegt statt behauptet.
Grundlagen
Drei Schlüssel und alle drei müssen passen
Ob jemand eine Wissensdatenbank überhaupt zu sehen bekommt, hängt an drei Einstellungen. Sie werden an drei verschiedenen Stellen gesetzt und wissen nichts voneinander. Fehlt eine davon, erscheint keine Fehlermeldung — der Benutzer sieht schlicht nichts.
Wissenszugriff
Die Gruppe darf den Bereich Wissen überhaupt öffnen.
Gruppe › Berechtigungen › WissenszugriffFreigabe an der Datenbank
Die einzelne Datenbank ist an die Gruppe freigegeben, lesend oder schreibend.
Wissensdatenbank › Zugriff › Zugriff gewährenDie Verwechslung, die fast alle machen
Der Wissenszugriff aus Schlüssel 2 gibt niemandem Zugriff auf eine bestimmte Datenbank. Er öffnet nur die Tür zum Bereich Wissen. Was hinter dieser Tür liegt, entscheidet allein Schlüssel 3. Wer den Wissenszugriff hat, aber keine einzige Freigabe, findet einen leeren Bereich vor, und meldet sich vermutlich bei Ihnen.
Lieber an Gruppen freigeben als an Personen
Beides ist möglich. Für Teams empfehlen wir trotzdem ausschließlich die Gruppenfreigabe, aus einem sehr praktischen Grund: Kommt jemand neu ins Team, nehmen Sie ihn in die Gruppe auf und sind fertig: sämtliche Datenbanken stehen ihm sofort zur Verfügung. Bei Einzelfreigaben müssten Sie jede Datenbank einzeln nachziehen, und beim Ausscheiden dasselbe Spiel rückwärts. Das vergisst man.
Rechte
Wer darf was
Freigegeben wird immer an der einzelnen Datenbank, nicht zentral an einer Stelle. So bekommt jede Gruppe ihren eigenen, klar abgegrenzten Bereich. Für jede Freigabe wählen Sie eine von zwei Stufen.
| Aufgabe | Nur lesend | Schreiben |
|---|---|---|
| Datenbank öffnen und Dokumente lesen | Ja | Ja |
| Im Chat als Quelle verwenden | Ja | Ja |
| Dateien hochladen, Text oder Webseiten hinzufügen | Nein | Ja |
| Verzeichnisse anlegen, Dokumente löschen | Nein | Ja |
| An andere Gruppen freigeben | Nein | Nein |
Das Weitergeben an andere Gruppen bleibt Eigentümer und Administrator vorbehalten.
Zum Hochladen braucht es beides
Damit ein Teammitglied Dokumente einstellen kann, muss seine Gruppe den Wissenszugriff haben und auf genau dieser Datenbank die Stufe Schreiben. Fehlt das erste, sieht die Person überhaupt nichts. Fehlt das zweite, sieht sie die Datenbank, sucht aber vergeblich nach der Upload-Schaltfläche.
Öffentliche Freigabe bleibt aus
In allen Gruppen. Sonst lässt sich die Trennung zwischen den Bereichen auf Dauer nicht halten. Und genau diese Trennung ist der Grund, warum Sie überhaupt mit Gruppen arbeiten. Administratoren sehen ohnehin alles; das wird beim Prüfen von Berechtigungen leicht vergessen.
Einrichtung
In der Reihenfolge, die sich bewährt hat
Erst die Benutzer, dann die Gruppen, dann deren Berechtigungen, danach die Datenbanken, zuletzt die Freigaben. Wer mittendrin anfängt, arbeitet meistens doppelt.
1
Benutzer und Gruppen
Jedes Teammitglied braucht ein eigenes Konto: Sammelkonten lassen sich später nicht sinnvoll berechtigen. Danach die Mitglieder den Gruppen zuordnen.
2
Berechtigungen setzen
Je Gruppe den Wissenszugriff aktivieren, Wissen teilen nur dort, wo es gebraucht wird, und die öffentliche Freigabe überall ausschalten.
3
Datenbanken und Freigaben
Datenbanken mit sprechenden Namen anlegen, Sichtbarkeit auf Privat belassen, Dokumente hochladen und erst dann an die passende Gruppe freigeben.
Checkliste
Der Reihe nach abarbeiten: jeder Punkt setzt den vorherigen voraus.
- Benutzerkonten prüfen oder anlegen, Rolle Benutzer setzen
- Mitglieder den Gruppen zuordnen
- Wissenszugriff je Gruppe aktivieren
- Wissen teilen nur dort, wo es gebraucht wird
- Öffentliche Freigabe von Wissen überall aus
- Datenbanken mit sprechenden Namen anlegen
- Sichtbarkeit auf Privat belassen
- Dokumente hochladen, Verarbeitung abwarten
- Jede Datenbank an die passende Gruppe freigeben
- Stufen vergeben, Schreiben nur wo nötig
- Mit einem Testkonto je Gruppe gegenprüfen
- Anwender kurz einweisen, vor allem zur Raute
#
Namen sind wichtiger, als sie aussehen
Ihre Anwender suchen die Datenbank später im Chat über genau diese Bezeichnung aus einer Liste. Ein Name, der Fachbereich und Art der Inhalte nennt, funktioniert gut: etwa Vertrieb – Preislisten und Konditionen mit einem erklärenden Satz darunter. Neu, Test oder Sammlung 2 sind es nicht, und solche Namen bleiben erfahrungsgemäß jahrelang stehen.
Verarbeitung abwarten
Nach dem Hochladen bereitet Open WebUI jedes Dokument für die Suche auf. Vorher findet die KI darin nichts. Bei kleinen Dateien geht das in Sekunden, bei umfangreichen PDF-Dateien kann es ein paar Minuten dauern. Planen Sie das ein, wenn Sie direkt nach dem Upload eine Demo zeigen wollen.
Hinterher gegenprüfen
Die Konfigurationsansicht sagt Ihnen, was Sie eingestellt haben. Ob es auch ankommt, sehen Sie erst aus Sicht der Anwender: mit einem Testkonto je Gruppe anmelden und prüfen, ob die Zahl neben Wissen zur Anzahl der Freigaben passt.
Anwendung
Im Chat verwenden
Die KI durchsucht Ihre Dokumente nicht von allein. Sie müssen ihr sagen, worin sie
suchen soll: mit der Raute # im Nachrichtenfeld. Angeboten wird immer
nur, was für Sie freigegeben ist.
Beispiel im Nachrichtenfeld
#Wissensdatenbank A Welche Vorgaben gelten laut unserer aktuellen Richtlinie für Freigaben?
1
Immer erst die Datenbank wählen
Ohne Auswahl antwortet das Modell aus seinem allgemeinen Wissen. Die Antwort klingt dann oft plausibel, stammt aber nicht aus Ihren Unterlagen. Das ist der mit Abstand häufigste Fehler.
2
Konkret fragen
Eine Frage nach einer bestimmten Vorgabe trifft besser als eine allgemeine Frage zum ganzen Themengebiet.
3
Nach der Quelle fragen
Hängen Sie „Nenne die Quelldatei“ an. Dann sehen Sie sofort, worauf die Antwort beruht, und können sie prüfen.
Genau das soll bald direkt hier auf dsgpt.de gehen, ohne Umweg über die volle Chat-Oberfläche. So wird es aussehen:
Sie
Wie lange ist die Probezeit bei unbefristeten Verträgen?
DSGPT
Die Probezeit beträgt sechs Monate. Eine Verkürzung auf drei Monate ist möglich, wenn die Fachabteilung sie vor Vertragsschluss schriftlich bestätigt.
Quellen
Personalhandbuch.pdf · S. 12
Musterarbeitsvertrag.docx · § 3
Eine Datei im Chat ist keine Wissensdatenbank
Ziehen Sie ein Dokument direkt in einen Chat, gilt es nur für diese eine Unterhaltung. Es landet nicht in der gemeinsamen Datenbank, und Ihre Kolleginnen und Kollegen sehen es nicht. Soll ein Dokument dauerhaft für das Team da sein, laden Sie es in die freigegebene Datenbank.
Technik
Was dahintersteckt und was davon belegt ist
Das Verfahren heißt Retrieval-Augmented Generation. Es kombiniert das Wissen im Modell mit einer Suche über Ihre Dokumente. Vieles, was dazu als Standardrat kursiert, ist Konvention und kein Studienergebnis: hier steht, was sich belegen lässt.
Woher RAG kommt
Der Ansatz geht auf Lewis, Perez, Piktus und weitere zurück, eingereicht im Mai 2020 und publiziert auf der NeurIPS 2020. Ursprünglich war RAG ein Fine-Tuning-Rezept mit trainiertem Retriever. Was heute meist RAG genannt wird, ist eine vereinfachte Variante davon.
Reine Vektorsuche reicht nicht
Der BEIR-Benchmark über 18 Datensätze zeigt: BM25 ist eine robuste Baseline, und dichte Retriever fallen beim Wechsel auf fremde Domänen häufig dahinter zurück. Betroffen sind gerade Fachbegriffe, Eigennamen, Produktcodes und Artikelnummern: also genau das, was in Unternehmensdokumenten steht.
Reranking hebt die Qualität
Übliches Vorgehen ist zweistufig: schnelles Retrieval der Top-Kandidaten, danach ein Cross-Encoder-Reranking auf die endgültige Auswahl. In Anthropics Auswertung senkte allein das Reranking die Fehlerrate von 2,9 auf 1,9 Prozent.
Lost in the Middle: mehr Kontext kann schaden
Liu, Lin, Hewitt und weitere untersuchten, wie Sprachmodelle Informationen abhängig von deren Position im Kontext nutzen. Die Trefferquote für GPT-3.5-Turbo beim Multi-Document QA:
| Anzahl Dokumente | Relevantes Dokument vorn | in der Mitte | am Ende |
|---|---|---|---|
| 10 | 76,8 % | 61,2 % | 62,4 % |
| 20 | 75,8 % | 53,8 % | 63,2 % |
| 30 | 73,4 % | 50,9 % | 63,7 % |
Tabelle seitlich scrollbar
Ohne jeden Kontext erreichte dasselbe Modell 56,1 Prozent. Bei 20 und 30 Dokumenten liegt die mittlere Position also unter dieser Baseline: mehr Kontext kann die Leistung verschlechtern. Die Kurve ist U-förmig: Anfang und Ende werden zuverlässiger genutzt als die Mitte. Gemessen 2023 an den damaligen Modellen; der Effekt ist gut belegt, die konkreten Zahlen sind nicht auf 2026 übertragbar.
Chunking: Konvention statt Beleg
Die verbreiteten Faustregeln, 512 Token pro Chunk, 10 bis 20 Prozent Überlappung, immer an Satzgrenzen trennen, stammen aus den Voreinstellungen verbreiteter Frameworks, nicht aus kontrollierten Vergleichsstudien. Als Ausgangspunkt für eine eigene Messung taugen sie, als belegte Empfehlung nicht.
Für Semantic Chunking gilt sogar das Gegenteil des Standardrats: Qu, Tu und Bao kommen zu dem Schluss, dass die höheren Rechenkosten durch keine verlässlichen Qualitätsgewinne gerechtfertigt sind.
Deutsch kostet rund 40 Prozent mehr
Eine Untersuchung über 25 europäische Sprachen misst die Anzahl Token pro Wort: Englisch 1,23, Deutsch 1,76. Daraus folgt ein Aufschlag von etwa dem 1,43-Fachen für denselben Inhalt, nicht das Doppelte, wie oft behauptet.
Praktisch heißt das: Ein Chunk von 800 Token enthält auf Deutsch spürbar weniger Inhalt, die nutzbare Kapazität eines Kontextfensters liegt in Wörtern gerechnet rund 30 Prozent unter der englischen Angabe, und Kostenschätzungen aus englischen Quellen sind mit etwa 1,4 zu multiplizieren.
Große Kontextfenster machen RAG nicht überflüssig
Aktuelle Modelle bieten rund eine Million Token Kontext. Trotzdem bleibt RAG relevant: Das Positionsproblem verschwindet mit der Kapazität nicht, und Google dokumentiert zum Needle-in-a-Haystack-Test ausdrücklich, dass die Genauigkeit sinkt, sobald mehrere Informationen gesucht werden — der Regelfall bei echten Fragen.
Dazu kommen drei architektonische Gründe, die in der Praxis meist den Ausschlag geben: einzelne Dokumente lassen sich aktualisieren, ohne den ganzen Kontext neu zu verarbeiten; Zugriffskontrolle greift auf Dokumentebene; und die Quelle einer Aussage bleibt nachvollziehbar. Li und Kollegen halten fest, dass Long-Context bei reiner Antwortqualität im Schnitt vorn liegt, RAGs deutlich geringere Kosten aber ein klarer Vorteil bleiben.
Grenzen
Ehrlich benannt
Eine Wissensdatenbank macht Antworten nachvollziehbar. Sie macht sie nicht automatisch richtig. Diese Unterscheidung fehlt in den meisten Darstellungen, und sie entscheidet darüber, was Sie von einem solchen System erwarten dürfen.
Treue ist nicht Wahrheit
Die Fachliteratur unterscheidet Faithfulness — hält sich die Antwort an den gelieferten Kontext? — von Factuality, also der Übereinstimmung mit der Wirklichkeit. RAG adressiert primär die Treue zum Kontext.
Daraus folgt ein Satz, der in Diskussionen fast immer fehlt: Ein RAG-System kann perfekt kontexttreu und trotzdem sachlich falsch sein, wenn die Quelle falsch, veraltet oder widersprüchlich ist. Die Qualität Ihrer Dokumente bleibt die Grenze.
Was eine Quellenangabe beweist
Nur, dass die Aussage im Dokument steht. Nicht, dass das Dokument recht hat. Zitierfähigkeit ist nicht dasselbe wie Korrektheit.
Deshalb ist die dritte Regel aus dem Kapitel zuvor mehr als ein Komfortmerkmal: Wer nach der Quelldatei fragt, kann die Aussage gegen das Original prüfen, und merkt, wenn die Grundlage veraltet ist.
Messbar machen
Das RAGAS-Framework trennt Retrieval-Fehler von Generierungsfehlern: Context Precision und Context Recall zeigen, ob überhaupt das Richtige gefunden wurde, Faithfulness und Answer Relevancy, was das Modell daraus gemacht hat.
Einschränkung: Diese Metriken werden selbst von einem Sprachmodell berechnet und sind entsprechend fehleranfällig. Als Trendindikator und Regressionstest brauchbar, als absolute Wahrheit nicht.
Warum „Sag Bescheid, wenn du unsicher bist“ nur begrenzt wirkt
Kalai, Nachum, Vempala und Zhang argumentieren, dass Halluzinationen keine mysteriöse Anomalie sind, sondern statistische Fehler, die aus Training und Evaluation folgen: Übliche Benchmarks belohnen Raten und bestrafen das Eingeständnis von Unsicherheit. Das gegenteilige Verhalten wurde also antrainiert — eine Prompt-Anweisung allein dreht das nicht um.
Praktisch heißt das: Planen Sie Evaluation und Nachjustierung von vornherein ein. Barnett und Kollegen halten aus drei Fallstudien fest, dass sich Robustheit in RAG-Systemen entwickelt, statt sich beim ersten Wurf entwerfen zu lassen.
Rechtlicher Rahmen
Was gilt, wenn Ihre Dokumente ins Spiel kommen
Sobald personenbezogene Daten in einer Wissensdatenbank landen, greifen die üblichen Regeln, und für RAG-Szenarien gibt es inzwischen eine eigene Orientierungshilfe der deutschen Aufsichtsbehörden.
DS
DSGVO und Aufsichtsbehörden
Der Europäische Datenschutzausschuss hat am 18. Dezember 2024 die Stellungnahme 28/2024 zu KI-Modellen veröffentlicht. Die deutsche Datenschutzkonferenz hat drei Orientierungshilfen vorgelegt: die jüngste vom Oktober 2025 behandelt ausdrücklich die datenschutzrechtlichen Besonderheiten generativer KI-Systeme mit RAG-Methode und ist damit für interne Wissensdatenbanken einschlägig.
BSI
BSI-Vorgaben
Für Häuser, die ein extern bereitgestelltes Modell anbinden, ist der Kriterienkatalog zur Integration von extern bereitgestellten generativen KI-Modellen in eigene Anwendungen vom 24. Juni 2025 das einschlägigste Dokument. Ergänzend: Generative KI-Modelle – Chancen und Risiken für Industrie und Behörden sowie die Checklisten zu Evasion-Angriffen auf LLMs.
Art 4
KI-Kompetenz nach AI Act
Artikel 4 der KI-Verordnung gilt seit dem 2. Februar 2025 und richtet sich an Anbieter und Betreiber, also auch an Häuser, die KI lediglich einsetzen. Die Änderungsverordnung (EU) 2026/1744 hat daraus eine Bemühens- statt einer Ergebnispflicht gemacht. Die Pflicht bleibt; der Nachweis läuft über die Dokumentation der Maßnahmen, etwa ein internes Schulungsregister.
Auftragsverarbeitung und Drittland
Beim Einsatz externer KI-Dienste sind die Anforderungen des Artikels 28 DSGVO einschlägig: Vertrag zur Auftragsverarbeitung, Weisungsgebundenheit, Regelung von Unterauftragnehmern. Bei Übermittlungen in Drittländer kommen die Artikel 44 ff. hinzu. Der Angemessenheitsbeschluss zum EU-US Data Privacy Framework ist nach dem Stand Mitte 2026 in Kraft; das Gericht der EU hat ihn am 3. September 2025 in der Rechtssache T-553/23 bestätigt, ein weiteres Verfahren ist beim EuGH anhängig.
Diese Seite gibt den Rechtsstand mit Quellenangabe wieder und ersetzt keine Rechtsberatung. Für die Beurteilung eines konkreten Einzelfalls ist fachkundiger Rat einzuholen.
Glossar
Deutsch und Englisch
Falls die Oberfläche nach einem Update auf Englisch umspringt oder Sie eine fremde Anleitung lesen. Sollte eine Beschriftung anders lauten, hilft die Orientierung an der Funktion: Benutzer und Gruppen liegen im Admin-Bereich, Dokumente im Arbeitsbereich, und die Freigabe einer Datenbank finden Sie immer an der Datenbank selbst.
| Deutsch | Englisch | Bedeutung |
|---|---|---|
| Arbeitsbereich | Workspace | Arbeitsplatz mit Modellen, Wissen, Prompts, Werkzeugen |
| Wissen | Knowledge | Die Registerkarte mit allen Datenbanken |
| Wissensspeicher, Wissensdatenbank | Knowledge Base | Eine einzelne Dokumentensammlung |
| Wissenszugriff | Knowledge Access | Gruppenrecht, den Bereich Wissen zu öffnen |
| Wissen teilen | Knowledge Sharing | Recht, Datenbanken weiterzugeben |
| Zugriff gewähren | Add Access, Share | Freigabe an Gruppen oder Benutzer |
| Nur lesend | Read | Lesen und im Chat verwenden |
| Schreiben | Write | Zusätzlich Dokumente pflegen |
| Admin-Bereich | Admin Panel | Verwaltung von Benutzern und Gruppen |
| Benutzergruppe bearbeiten | Edit User Group | Der Dialog für Mitglieder und Rechte |
| Sammlungen | Collections | Die Datenbanken in der Auswahl hinter # |
Tabelle seitlich scrollbar
Wie eine Wissensdatenbank geschnitten sein sollte
Damit ein einzelner Abschnitt als Chunk für sich verständlich bleibt, hat sich folgendes bewährt: ein Thema pro Datei, damit das Retrieval trennscharf bleibt; Überschriften, die den Suchbegriff selbst enthalten; keine Rückverweise wie „siehe oben“, weil jeder Abschnitt seinen Kontext selbst tragen muss; und Quellenangaben am jeweiligen Abschnitt statt gesammelt am Dateiende, damit die Zuordnung beim Chunking erhalten bleibt.
Fehlersuche
Wenn etwas nicht funktioniert
Fast alles lässt sich auf einen der drei Schlüssel zurückführen. Die Reihenfolge hier ist die, die am schnellsten zum Ziel führt.
Der Gruppe fehlt der Wissenszugriff. Im Admin-Bereich unter Gruppen › Berechtigungen setzen, speichern, danach ab- und wieder anmelden.
Es ist noch nichts freigegeben. An der Datenbank über Zugriff die Gruppe ergänzen.
Die Gruppe hat Lesen statt Schreiben. Erkennbar an der Markierung NUR LESEND. Die Stufe an der Datenbank anheben.
Zwei Ursachen kommen in Frage: Entweder steht „Wer Inhalte mit dieser Gruppe teilen kann“ auf Mitglieder und Sie gehören nicht dazu, oder der Gruppe fehlt die Berechtigung Wissen teilen.
Zuerst die Verarbeitung abwarten: große PDF-Dateien brauchen mitunter mehrere Minuten. Danach prüfen, ob die Datenbank im Chat wirklich mit # ausgewählt wurde.
Dann war keine Datenbank ausgewählt. Die Frage mit #Name der Datenbank wiederholen und zusätzlich nach der Quelldatei fragen.
Gruppenmitgliedschaften und direkte Einzelfreigaben an der Datenbank durchgehen. Danach kontrollieren, ob die öffentliche Freigabe von Wissen ausgeschaltet ist. Und daran denken: Administratoren sehen ohnehin alles.
Wurde die Datei vielleicht in einen Chat gezogen statt in die Datenbank? Chat-Uploads bleiben privat und erreichen das Team nicht.
Seite neu laden oder ab- und wieder anmelden. Im Gruppendialog zeigt die Vorschau, was tatsächlich greift.
Die Kurzfassung
Ist die Person in der richtigen Gruppe? Hat diese Gruppe Wissenszugriff? Ist die konkrete Datenbank an sie freigegeben, und mit welcher Stufe? In dieser Reihenfolge prüfen, dann sind Sie fast immer schnell fertig.
Zugang
Sichern Sie sich einen Platz für den Start
Der Wissens-Chat direkt auf dsgpt.de ist in Vorbereitung. Tragen Sie sich ein, und Sie gehören zu den Ersten, die ihn nutzen. Wir melden uns, sobald er für Ihren Zugang freigeschaltet ist.
Sie stehen auf der Liste
Danke für Ihre Vormerkung. Wir melden uns, sobald der Wissens-Chat für Ihren Zugang freigeschaltet ist – und vorher, falls wir noch etwas von Ihnen brauchen.
Noch eine Frage? Zum KontaktZugang vormerken
Felder mit * sind Pflicht.
Lieber gleich sehen?
Live-Demo in 30 Minuten
Wir richten Gruppen, Rechte und eine erste Wissensdatenbank an Ihrem eigenen Beispiel ein und zeigen die Antwort mit Quelle. Unverbindlich.