Veröffentlicht: · KI-Version (Markdown)
Die Wissensdatenbank eines Unternehmens entsteht nicht in einem leeren Texteditor, sondern aus Ihren eigenen Anrufen. Die richtige Reihenfolge: zuerst das Gesprächsarchiv transkribieren, dann die KI häufige Fragen, Einwände und Produktfakten daraus extrahieren lassen, das Ergebnis von einem Menschen prüfen lassen und erst dann die fertigen Dokumente an Automatisierungen und Sprachagenten anbinden. Im Folgenden sechs Schritte, die die Erfahrung aus den Köpfen der Mitarbeitenden und aus tausenden Aufzeichnungen in ein lebendiges Dokument verwandeln, mit dem die KI lernt.
Warum die Wissensdatenbank aus Gesprächen wachsen sollte
Das eigentliche Wissen eines Unternehmens – wie man einen Preiseinwand beantwortet, was man bei einer Absage sagt, welche Produktfakten man nennt – ist selten schriftlich festgehalten. Es lebt in Gesprächen und geht mit dem kündigenden Mitarbeiter verloren. Der manuelle Versuch, „sich hinzusetzen und alles zu beschreiben“, ergibt ein Dokument ohne Praxisbezug: Es fehlen die Formulierungen, die am Telefon tatsächlich wirken, und die aktuellen Einwände, die erst letzte Woche aufkamen.
Anrufe sind bereits eine fertige Quelle. In ihnen stecken Kundenfragen, erfolgreiche Antworten, wiederkehrende Einwände und präzise Fakten zu Preisen und Konditionen. Die Aufgabe besteht nicht darin, eine Wissensdatenbank zu erfinden, sondern sie aus dem bereits Gesagten zu extrahieren – und sie mit neuen Gesprächen aktuell zu halten.
Schritt 1: Sammeln und transkribieren Sie das Anrufarchiv
Beginnen Sie mit den Aufzeichnungen, die Sie bereits haben. Für das erste Ergebnis müssen Sie nichts integrieren: Laden Sie das Archiv als Dateien hoch oder leiten Sie es an eine Ingest-E-Mail-Adresse weiter, und die Plattform beginnt damit zu arbeiten. Nehmen Sie einen repräsentativen Ausschnitt der letzten Wochen oder Monate – je vollständiger die Stichprobe, desto ehrlicher das Bild häufiger Themen und Fragen.
Danach wird jeder Anruf automatisch transkribiert und nach Sprechenden aufgeteilt, sodass erkennbar ist, wo die Frage des Kunden und wo die Antwort des Mitarbeiters liegt. Das ist das Fundament: Ohne präzises Transkript würde die KI Wissen aus dem Rauschen ziehen. Mehr dazu, wie die Erkennungs- und Auswertungsebene funktioniert, auf der Seite automatische Gesprächsanalyse.
Schritt 2: Markieren Sie Themen und finden Sie Wiederkehrendes
Bevor Sie ein Dokument zusammenstellen, hilft es zu verstehen, worum es in Ihren Gesprächen überhaupt geht. Auto-Tags für Themen und Kontaktgründe ordnen den Gesprächsstrom nach Inhalt: Sie sehen, welche Fragen am häufigsten gestellt werden, welche Einwände sich wiederholen, wo Kunden ins Stocken geraten. Genau das Wiederkehrende sollte zuerst in die Wissensdatenbank aufgenommen werden – der seltene Einzelfall kann warten.
Die semantische Suche hilft, passende Gespräche nach Bedeutung statt nach Wortübereinstimmung zu finden: Die Anfrage „Kunde zögert wegen der Einführungsdauer“ findet relevante Anrufe, auch wenn das Wort „Einführung“ darin nie fiel. So holen Sie gezielt Beispiele für jeden künftigen Abschnitt des Dokuments.
Schritt 3: Lassen Sie den KI-Canvas der „Referenzdokumente“ Wissen extrahieren
Öffnen Sie nun ein Dokument in den „Referenzdokumenten“ – das sind Markdown-Dokumente, die als Wissensdatenbank für die KI dienen. Neben dem Editor arbeitet ein Chat-Assistent (KI-Canvas), der das Dokument mit echten Daten aus Ihren Aufzeichnungen füllt: Kennzahlen, Themen, Transkriptausschnitten. Sie kopieren keine Zitate von Hand – Sie bitten den Assistenten darum.
Formulieren Sie die Aufgaben abschnittsweise:
- „Fülle den Abschnitt zu häufigen Themen anhand meiner Anrufe des letzten Monats.“
- „Sammle typische Preiseinwände und die erfolgreichen Antworten der Mitarbeitenden darauf.“
- „Liste die Fakten zu Produkt und Konditionen auf, die in den Gesprächen genannt wurden.“
Der Assistent stellt den Entwurf aus echten Dialogen zusammen, nicht aus allgemeinem Modellwissen. Jede KI-Änderung ist rückgängig zu machen (Revert), sodass Sie verschiedene Anfragen risikofrei ausprobieren und misslungene zurücksetzen können – das Dokument geht dabei nicht kaputt.
Schritt 4: Prüfen und bearbeiten Sie das Ergebnis mit menschlichem Blick
Ein von der KI erstellter Entwurf ist eine Vorlage, keine fertige Wissensdatenbank. Ein Pflichtschritt ist die Durchsicht durch jemanden, der das Produkt kennt. Die KI findet Wiederkehrendes gut und zitiert präzise, kann aber nicht unterscheiden, ob eine Mitarbeiterantwort gelungen oder fehlerhaft war, und könnte im Dokument eine Formulierung festschreiben, die man in Wirklichkeit nicht verwenden sollte.
Gehen Sie die Abschnitte durch und prüfen Sie das Wesentliche: Fakten zu Preisen und Konditionen auf Aktualität, Antworten auf Einwände auf Übereinstimmung mit Ihren Standards, Formulierungen auf Tonalität und rechtliche Korrektheit. Entfernen Sie Einzelfälle, die sich nicht verallgemeinern lassen. Genau dieser Schritt macht aus einem „Abbild der Gespräche“ ein Dokument, dem Sie KI und Menschen anvertrauen können.
Schritt 5: Binden Sie die Wissensdatenbank an Automatisierungen an
Ein fertiges Dokument ist kein Archiv „nur zum Lesen“, sondern ein Arbeitskontext für die KI. Referenzdokumente werden Automatisierungsregeln als Kontext für KI-Aktionen zugeordnet: semantisches Auto-Tagging, freie Prompts über dem Transkript und KI-Skripte. Genau das ist die Mechanik von „Wissensdatenbank aus Anrufen bauen → der KI füttern“.
In der Praxis funktioniert das so: Eine Regel, die neue Anrufe markiert oder deren Zusammenfassung schreibt, erhält Ihre Wissensdatenbank als Referenz. Das Tag „schwieriger Einwand“ wird präziser vergeben, weil die KI Ihre Liste der Einwände kennt; die Zusammenfassung spricht die Sprache Ihres Produkts, weil sie Ihre Fakten und Begriffe kennt. Die Auswertung ist nicht mehr „branchenüblicher Durchschnitt“, sondern wird zu Ihrer eigenen.
Schritt 6: Binden Sie die Datenbank an Sprachagenten an und schließen Sie den Kreislauf
Der letzte Schritt bringt das Wissen dorthin zurück, woher es kam – ins Gespräch. Dieselbe Wissensdatenbank speist Sprachagenten: den eingehenden KI-Assistenten in der Leitung und den ausgehenden Anrufbot. Der Agent beantwortet Fragen und behandelt Einwände nicht nach einem abstrakten Skript, sondern mit Formulierungen, die sich in Ihren Gesprächen bereits bewährt haben. Wie es weitergeht, zeigt der Anwendungsfall KI mit Ihren eigenen Anrufen trainieren.
So schließt sich der Kreislauf: Anrufe fließen in Wissen ein, Wissen verfeinert die Auswertung und trainiert Agenten, Agenten erzeugen neue Gespräche – und die Wissensdatenbank wird laufend mit neuen Fragen und Einwänden aktualisiert. Kehren Sie in regelmäßigen Abständen zum Dokument zurück und bitten Sie den Assistenten, hinzuzufügen, was sich in jüngeren Gesprächen ergeben hat; so bleibt die Wissensdatenbank lebendig, statt ein Quartal nach Erstellung zu veralten.
Wie geht es weiter?
Eine Wissensdatenbank aus Anrufen ist der mittlere Schritt der KI-Transformation: zwischen dem Verstehen der eigenen Gespräche und dem Training der KI darauf. Wer gerade erst startet, findet einen Gesamtüberblick über den Ansatz im Anwendungsfall Wissensdatenbank aus Anrufen. Ist die Datenbank bereits aufgebaut, folgt logisch die Kalibrierung von Sprachagenten und Extraktionsregeln an Ihren Daten – ausführlich beschrieben im Beitrag KI mit Ihren eigenen Anrufen trainieren. Beim Einrichten in natürlicher Sprache hilft der KI-Copilot.