Entgegen der landläufigen Annahme sind KI- und Sprachmodelle nicht allwissend. Ihre Antworten stammen aus einem spezifischen Pool von Trainingsdaten, die durch das sogenannte Cut-Off-Datum begrenzt sind.
Dies bedeutet, dass sie nicht das gesamte Internet abdecken – auch nicht die Informationen einer kleinen inhabergeführten Brauerei aus Unterfranken oder die Produktdaten eines mittelständischen Maschinenbauers aus dem Emsland.
Neben der Öffnung von Sprachmodellen in Richtung Internet (Magazinbeitrag: Websuche) ist die Bereitstellung unternehmensspezifischer Informationen der entscheidende Schritt, um hochwertige, nutzbare und wertschöpfende Antworten von KI- und Sprachmodellen zu erhalten. Erst wenn ein LLM umfassende Daten und Informationen zu einem Produkt oder Unternehmen erhält, kann es einem Support- oder Vertriebsmitarbeiter sowie Kunden oder Interessenten hilfreiche Antworten geben.
Durch die systematische Bereitstellung von Unternehmensdaten an Sprachmodelle können auf unterschiedlichen Ebenen echte Mehrwerte generiert werden. Die Datenbasis und -bereitstellung kann zentral vom Admin gesteuert werden, was eine nachhaltige Ausgabequalität des verbundenen Sprachmodells sicherstellt. So lassen sich mit minimalem personellen Aufwand gezielt festlegen, welche Teams, Mitarbeitende oder Kundinnen und Kunden über das Sprachmodell auf die Datenbasis zugreifen dürfen. Dadurch werden der Informationsfluss und der Knowledge-Transfer aktiv gelenkt.
