Für Teams, die jeden Tag nach Dokumenten suchen
Ein schlüsselfertiges RAG-System für Ihr Unternehmen
Ein RAG-System verbindet eine KI mit Ihren internen Dokumenten. Ihre Teams stellen ihre Frage in natürlicher Sprache und erhalten die Antwort aus Drive, SharePoint, Confluence oder Notion, mit dem Link zur Quelle. ATG übernimmt Ihre bestehenden Zugriffsrechte und stimmt den Assistenten auf Ihr Vokabular ab.
Richtige Antworten, ohne Wartezeit
Wir messen ATG auf FinanceBench, einem öffentlichen Benchmark: 150 Fragen von Analysten zu 368 Berichten börsennotierter Unternehmen, alle in einer einzigen Datenbank, wie Ihre internen Dokumente. ATG erzielt dort das beste Ergebnis, das wir erfasst haben, und antwortet in rund zehn Sekunden, während der beste veröffentlichte Wettbewerber über eine Minute braucht.
Alle unsere Benchmarks ansehenFinanceBench
ATGWeltweite Anbieter, Fast-Modus
Richtige Antworten
Mittlere Dauer
Mistral Agentic SearchGLM-5.2, Suche + Navigation
Richtige Antworten
Mittlere Dauer
Mit ausschließlich europäischen Anbietern erreicht ATG 93 % richtige Antworten in durchschnittlich 31 s.
Protokoll und Vergleich ansehenEinsatzbereite Konnektoren
Google Drive, SharePoint, Confluence, Notion, Ihre Websites, ein FTP-Share, eine SQL-Datenbank, Ihre Fachanwendungen. Wenn der Konnektor existiert, dauert die Anbindung Stunden.
Souveränität und Kontrolle
Hoster nach europäischem Recht. Der Assistent übernimmt die Berechtigungen Ihrer Tools: Niemand liest über ihn ein Dokument, auf das er keinen Zugriff hat. Und jede Antwort nennt ihre Quellen.
Auf Ihr Geschäft abgestimmt
Er lernt Ihre hauseigenen Abkürzungen, Ihre Prozesse und die internen Regeln, die nie jemand aufgeschrieben hat. Genau diese Arbeit unterscheidet eine Demo von einem Tool, das die Teams jeden Morgen öffnen.
Suche und Assistent
Die Suche findet Dokumente. Das RAG-System antwortet, mit Quelle.
Ein RAG-System ersetzt weder Ihr DMS noch Ihr Intranet: Es baut darauf auf. Die klassische Suche liefert eine Liste von Dateien zum Öffnen; der Assistent liest die relevanten Passagen und formuliert die Antwort, mit Angabe der Herkunft.
Die interne Suche
Effizient, wenn man weiß, welches Dokument man sucht: ein Dateiname, ein exaktes Stichwort. Das Ergebnis ist eine Liste von Links, die man selbst öffnen und lesen muss, um den richtigen Absatz zu finden.
Der RAG-Assistent
Gemacht für echte Fragen wie „Welches Verfahren gilt für die Reisekostenabrechnung bei einer Auslandsreise?“. Er sucht in allen Ihren Quellen, verknüpft die relevanten Passagen und antwortet mit Angabe jeder einzelnen, im Rahmen der Rechte des Nutzers.
Häufige Fragen
Was ist ein RAG-System, und was unterscheidet es von einem LLM?
Ein RAG-System (Retrieval-Augmented Generation) verbindet ein KI-Modell mit Ihren internen Dokumenten und Tools. Ein LLM allein antwortet aus dem, was es im Training gelernt hat. Im RAG-System sucht das Modell vor der Antwort die relevanten Passagen, nennt ihre Herkunft und zeigt nur, was der Nutzer sehen darf.
Wie funktioniert ein RAG-Chatbot im Unternehmen?
Bei jeder Frage sucht der Chatbot die relevanten Passagen in Ihren angebundenen Quellen, per semantischer Suche und Stichwortsuche. Er übergibt sie dem Sprachmodell, das die Antwort nur aus diesen Passagen formuliert und jede davon nennt. Die Zugriffsrechte greifen schon bei der Suche: Ein Dokument, das der Nutzer nicht öffnen darf, fließt nie in die Antwort ein.
Was unterscheidet ein RAG-System von ChatGPT oder Copilot?
ChatGPT antwortet aus dem, was es im öffentlichen Web gelernt hat, nicht aus Ihren Dokumenten. Microsoft 365 Copilot stützt sich in erster Linie auf Microsoft-365-Inhalte; andere Tools erfordern Konnektoren, die einzeln konfiguriert werden. Ein RAG-System wie ATG bindet Drive, SharePoint, Confluence, Notion, Ihre SQL-Datenbanken oder Fachanwendungen an, nennt seine Quellen und kann vollständig in Europa gehostet bleiben.
Welche Genauigkeit ist von einem RAG-System zu erwarten?
Auf FinanceBench, einem öffentlichen Benchmark mit 150 Fragen zu 368 Finanzberichten, beantwortet ATG 92 % der Fragen richtig, und 93 % ausschließlich mit europäischen KI-Anbietern. Für Ihre Dokumente bleibt der beste Test eine Stichprobe Ihrer eigenen Fragen, die wir vor dem Rollout gemeinsam mit Ihnen durchspielen.
Warum ein schlüsselfertiges RAG-System statt eines internen Projekts?
Die teuren Bausteine (Konnektoren, Ingestion, Rechte, Quellenangaben, Evaluation) gibt es bei ATG schon. Sie starten von einer laufenden Basis statt von einem leeren Blatt. Bei 4 Kunden und Interessenten, bei denen wir beide Optionen verglichen haben, lagen die Gesamtkosten über 2 Jahre mit ATG 55 bis 80 % niedriger.
Für wen ist ein interner KI-Chatbot für das Wissensmanagement gedacht?
Für alle, die ihre Tage mit Suchen in Drive, SharePoint, Confluence, Notion oder ihren Mails verbringen und am Ende doch die Kollegin am Nebentisch fragen. Der Chatbot antwortet aus Ihrem Firmenwissen, mit den Berechtigungen jedes Einzelnen und mit Quellenangaben.
Bieten Sie ein RAG-System on-premise an?
Ja. On-Premise heißt nicht, das LLM selbst auf Ihren GPUs zu betreiben. Drei Schichten lassen sich trennen: Ihre Daten und das Retrieval, die Plattform (Konnektoren, Rechte, Quellenangaben) und die Inferenz. Jede kann an einem anderen Ort laufen. Je nach Ihren Vorgaben betreibt ATG das System bei einem europäischen Hoster oder auf Ihren Servern, mit derselben Datenkontrolle und Nachvollziehbarkeit, ohne den ganzen Stack neu zu bauen. Was ein vollständig lokales LLM wirklich kostet, zeigt unsere Analyse: https://www.askthisguy.com/de/blog/lokales-llm-unternehmen/
Was ist ein souveräner Chatbot konkret?
Ein Assistent, der unter Ihrer Kontrolle gehostet wird (in Europa oder on-premise), aus Ihren Quellen antwortet, seine Referenzen nennt und Ihre Zugriffsrechte respektiert. Ein RAG-System trainiert nichts neu: Ihre Dokumente werden im Moment der Frage gelesen, nicht in ein Modell aufgenommen.
Ihr Firmenwissen, für alle zugänglich
Sie zeigen uns Ihre Quellen und Vorgaben. Wir sagen Ihnen in einem Termin, was sich sofort anbinden lässt und was Arbeit erfordert.
