AI Architecture · 12 Min.
Agentic Knowledge Base: Warum das Company Brain erst mit Aktionen wertvoll wird
Eine Wissensdatenbank beantwortet Fragen. Eine agentische Knowledge Base erkennt, welche Information fehlt und welche Aktion als Naechstes sinnvoll ist.
SYSTEMS Grafik zu Agentic Knowledge Base: Data -> Agent -> Outcome. Fokus: Wie Unternehmen aus einer Wissensdatenbank ein agentisches Company Brain bauen.
Kurzfassung
Eine Knowledge Base speichert Wissen. Eine agentische Knowledge Base nutzt Wissen im Prozess. Entscheidend sind Rollen, Aktualitaet, Quellen und naechste Aktionen. Das Company Brain darf nicht alles wissen, sondern das Richtige zur richtigen Zeit liefern.
Strategischer Lesepfad
Baue das Thema im passenden Cluster weiter aus und verknüpfe es mit den nächsten Architekturentscheidungen.
Warum Wissensdatenbanken oft versanden Unternehmen bauen Wikis, Notion-Spaces, Drive-Strukturen und Dokumentationen. Am Anfang ist alles nuetzlich. Spaeter wird es unuebersichtlich, veraltet und schwer durchsuchbar.
Eine KI-Suche hilft, aber sie loest das Grundproblem nicht: Wissen muss in Arbeit uebersetzt werden.
Stand Mai 2026: Enterprise Knowledge wird permission-aware OpenAI Vector Stores zerlegen, embedden und indexieren Dateien fuer semantische Suche; File Search kann Suchergebnisse anhand von Dateimetadaten filtern. Google Gemini Enterprise und Agentspace arbeiten mit Connectoren und Data Stores, bei denen Content-Syncs und Identity-Syncs getrennte Betriebsfragen sind. Microsoft 365 Copilot unterscheidet zwischen synchronisierten Connectoren, die Inhalte in Microsoft Graph indexieren, und MCP -basierten federated Connectoren, die zur Query-Zeit zugreifen. Atlassian Rovo verbindet Search, Chat und Agents ueber Atlassian- und Dritttools.
Das zeigt den echten Trend: Das Company Brain ist keine Dateiablage mit Chat. Es ist ein berechtigungsbewusster Retrieval- und Aktionslayer ueber bestehende Systeme.
Wichtig: Indexing aendert keine Zugriffsrechte. Microsoft beschreibt fuer Connector-Items Inhalt, Metadaten und ACLs; falsch gesetzte Permissions wie "Visible to everyone" koennen Oversharing erzeugen. Atlassian beschreibt, dass Rovo bestehende User-Permissions respektiert und Berechtigungen aus Quellen synchronisiert. Bei unbeschraenkten Crawls koennen Inhalte dagegen breit sichtbar werden. Genau solche Unterschiede muessen architektonisch entschieden werden.
MCP ist fuer Company-Brain-Architekturen nur ein Zugriffsprotokoll. Es standardisiert, wie Agenten Tools und Datenquellen nutzen koennen. Es ersetzt keine ACLs, Trust-Pruefung, Server-Governance oder Audit.
Was agentisch bedeutet Eine agentische Knowledge Base beantwortet nicht nur Fragen. Sie erkennt Kontext: Fuer welchen Kunden, welchen Prozess, welche Rolle und welche Entscheidung wird Wissen gebraucht?
Dann kann sie naechste Schritte vorbereiten: Ticket ergaenzen, Entscheidungsvorlage schreiben, fehlende Quelle markieren oder einen Review ausloesen.
Ein gutes Company Brain arbeitet deshalb in drei Modi:
Die meisten Knowledge-Base-Projekte bleiben im ersten Modus stecken. Wert entsteht im dritten.
Retrieval: relevante Quellen finden. Reasoning: Kontext, Rolle, Ziel und Risiko einordnen. Action: Folgeaufgabe, Review, Update oder Handoff vorbereiten. Freshness ist ein Betriebsparameter Google empfiehlt fuer Enterprise-Connectoren Full Syncs fuer Add, Update und Delete sowie getrennte Identity Syncs fuer Rollen, Berechtigungen und Nutzer. OpenAI weist bei Vector Stores auf eventual consistency nach Datei-Entfernungen hin. Daraus folgt: Frische ist kein Prompt. Frische ist ein Betriebssystem aus Sync-Jobs, Statusfeldern, Loeschlogik und Tests.
Ein Company Brain sollte alte Inhalte nicht nur weniger gewichten. Es sollte wissen, ob ein Inhalt abgelaufen, ersetzt, gesperrt oder noch ungeprueft ist.
Quellen und Vertrauen Ein Company Brain braucht Quellenklarheit. Jede Antwort sollte zeigen, aus welchem Dokument sie kommt, wie aktuell die Quelle ist und ob sie fuer die Rolle sichtbar sein darf.
Ohne diese Ebene wird das System zu einer gut klingenden Unsicherheitsmaschine.
Das Metadatenmodell Jeder Chunk, jedes Dokument und jede Antwort braucht Metadaten:
Ohne Metadaten kann ein Agent nicht entscheiden, ob ein Treffer gut, aktuell, erlaubt oder gefaehrlich ist.
Quelle und Owner. Version, Datum und Review-Faelligkeit. Rolle, Team, Mandant oder Kunde. Vertraulichkeitsklasse. Status: draft, approved, deprecated, archived. Prozessbezug: Sales, Delivery, Support, Finance, Legal. Gueltigkeitsbereich und Ausnahmen. Loesch- oder Reindex-Status. Rechte sind die Architektur, nicht der Prompt Ein Prompt wie "zeige nur erlaubte Informationen" ist kein Rechtekonzept. Berechtigungen muessen in Connectoren, Indices, Stores, Filtern und Tool-Grenzen liegen.
Ein Company Brain braucht:
Wenn diese Schicht fehlt, wird die Knowledge Base zum Datenleck mit gutem Interface.
Identitaet des Nutzers und des Agenten. Rollen- und Gruppenauflosung. harte Filter vor Retrieval. getrennte Stores oder Namespaces fuer sensible Mandanten. Audit fuer Suchanfragen, Treffer und Aktionen. Tests fuer unberechtigte Treffer. Pflege als Systemfunktion Wissen veraltet. Deshalb sollte der Agent nicht nur konsumieren, sondern Pflege ausloesen: veraltete Seiten markieren, widerspruechliche Aussagen finden, fehlende Verantwortliche melden.
So bleibt die Knowledge Base lebendig.
OpenAI weist darauf hin, dass das Entfernen von Dateien aus einem Vector Store eventual consistent sein kann. Das ist kein Randdetail. Wenn veraltete oder sensible Inhalte entfernt werden, braucht ein Unternehmen zusaetzliche Sperrlogik, Statusfilter und Reindex-Prozesse.
Evals fuer ein Company Brain Ein Company Brain muss regelmaessig getestet werden:
Der wichtigste Test ist nicht: "Klingt die Antwort gut?" Der wichtigste Test ist: "Haette dieser Nutzer genau diese Quelle sehen und diese Aktion vorbereiten duerfen?"
findet es die richtige Quelle? vermeidet es veraltete Quellen? zeigt es Quellen und Unsicherheit? respektiert es Rollen und Mandanten? erkennt es fehlendes Wissen? erstellt es nur erlaubte Folgeaktionen? bleibt es in Kosten- und Kontextbudgets? liefert es Zitate oder Citation-Metadaten fuer zentrale Aussagen? Das Company-Brain-Betriebsmodell Ein gutes Betriebsmodell hat klare Rollen:
Ohne Owner verwildert auch die beste RAG -Architektur.
Knowledge Owner pro Bereich. Data Owner fuer Rechte und Klassifikation. Agent Owner fuer Verhalten und Tools. Reviewer fuer kritische Antworten. Ops Owner fuer Indexing, Logs, Kosten und Ausfaelle. Der SYSTEMS-Blick Wir bauen ein Company Brain nicht als Ablage, sondern als Prozess-Schicht. Es verbindet Wissen, Rollen, Aktionen und Feedback.
Das Ziel ist nicht, dass Mitarbeitende schneller suchen. Das Ziel ist, dass das richtige Wissen automatisch in der Arbeit erscheint.
