Ein KI-Assistent, der im Datenblatt nachschlägt

Im Produktfinder eines Kunststoffherstellers sind mehrere hundert Typen mit Kennwerten hinterlegt. Technische Datenblätter und Sicherheitsdatenblätter liegen als PDF auf Deutsch und zum Teil auf Englisch vor.

Der bisherige Assistent im Produktfinder arbeitete mit festen Stichwortregeln. Antworten in natürlicher Sprache und der Zugriff auf die Inhalte der Datenblätter fehlten.

Besucherinnen und Besucher beschreiben ihre Anwendung in eigenen Worten und bekommen passende Typen und Antworten aus den Datenblättern. Maßgeblich bleiben die Original-Datenblätter.

Angefangen hat das Projekt mit einem Prototyp: einer getrennten Testoberfläche mit Chat und Feedback-Funktion. Die Rückmeldungen aus dem Test haben Prompt und Filter des Chats verbessert. Die Testoberfläche ist inzwischen abgebaut.

1. Fragen in eigenen Worten. Besucherinnen und Besucher beschreiben ihre Anwendung, der Assistent schlägt passende Typen vor und zeigt sie als Karten im Design des Produktfinders.

2. Filter übernehmen. Mit einem Klick übernehmen Besucherinnen und Besucher die passenden Kriterien als Filter in den Produktfinder.

3. Antworten aus dem Datenblatt. Fragen zu technischen Datenblättern und Sicherheitsdatenblättern beantwortet der Assistent aus dem passenden Abschnitt und verlinkt das Original-PDF, auf Deutsch oder Englisch, je nach Sprache der Frage. Rückfragen im selben Gespräch beziehen sich auf die vorherigen Antworten.

4. Ehrlich, wenn nichts passt. Passt kein Standardtyp, sagt er das und bietet eine Anfrage an die Entwicklung an. Er ist angewiesen, nur Werte aus den Daten zu nennen und keine Werbeversprechen zu machen. Unter jeder Antwort steht ein KI-Hinweis.

5. Wöchentlicher Import. Ein Import liest Produktfinder, Produktseiten und die verlinkten Datenblätter jede Woche neu ein. So kommen neue Produkte ohne Handarbeit in den Assistenten. Sind zu viele Seiten nicht lesbar, bricht der Import ab, bevor der bisherige Datenstand überschrieben wird.

6. Wissen gezielt ergänzen. Geplant: Die Fachabteilung liefert über eine Vorlage freigegebenes Produktwissen und Testfragen. Das Wissen kommt als weitere Datenquelle dazu, nicht als Modelltraining.

• n8n auf eigenem Server in Deutschland. Von uns betrieben: der Import, die Website-Schnittstelle und eine tägliche Löschroutine.
• KI-Agent, der nur nachschlägt. Sprachmodell Claude über Amazon Bedrock mit EU-Inferenz, also Verarbeitung in EU-Rechenzentren. Seine Werkzeuge lesen nur: Produkt suchen, nach Kriterien filtern, Datenblatt-Abschnitt lesen, Volltextsuche.
• Wissensbasis in n8n-Tabellen. Bewusst vorerst ohne Vektordatenbank: strukturierte Produktdaten plus gezieltes Nachschlagen in Datenblatt-Abschnitten. Der Import arbeitet regelbasiert, ohne KI.
• Lose gekoppelt. Ein kleines Skript bindet den Assistenten an eine einzige Schnittstelle an, abgesichert durch Herkunftsprüfung, Längenbegrenzung und Anfragelimit.
• Nur öffentliche Daten. Der Assistent nutzt Produktfinder, Produktseiten und veröffentlichte Datenblätter. Zusatzwissen kommt nur hinein, wenn es ausdrücklich zur Veröffentlichung freigegeben ist.
• Transparent und datensparsam. Vor der ersten Eingabe ist der Assistent als KI gekennzeichnet (EU AI Act, Art. 50). Er braucht keine Anmeldung und setzt kein Tracking ein. Im Gesprächsprotokoll steht die IP-Adresse nur als Hash, das Protokoll wird automatisch gelöscht. Laut Anbieter werden die Eingaben nicht zum Training verwendet.

Mehr zum Thema: Workflows & Automatisierungen · Chatbots & KI-Assistenten · KI für Industrie & Engineering · Glossar: n8n, KI-Assistent, Human in the Loop

Der Assistent läuft als Pilot und ist noch nicht öffentlich. Der Livegang folgt nach dem Ausbau der Wissensbasis. Heute lässt sich sagen:

• Die Wissensbasis umfasst mehrere hundert Typen und rund 10.000 Datenblatt-Abschnitte. Sie wird wöchentlich automatisch aktualisiert.
• Ein gemessener Importlauf dauerte rund 6 bis 7 Minuten.
• Der Assistent baut auf den Daten des Produktfinders auf und antwortet auf Deutsch und Englisch.

Antwortqualität und Nutzung sind noch nicht gemessen. Die Antwortqualität soll künftig über Testfragen der Fachabteilung geprüft werden, die Nutzung erst nach dem Livegang.

• Erst die Daten, dann der Assistent. Ein Assistent ist nur so gut wie die freigegebenen Daten. Fachwissen außerhalb der Datenblätter wird gezielt ergänzt.
• Struktur vor Vektoren. Wo Kennwerte schon strukturiert vorliegen, schlägt der Assistent gezielt nach. Eine Vektordatenbank braucht es dafür vorerst nicht.
• Grenzen klar benennen. Der Assistent ist angewiesen, offen zu sagen, wenn kein Standardtyp passt, und bietet dann eine Anfrage an die Entwicklung an.
• Transparenz von Anfang an. Der Assistent ist vor der ersten Eingabe als KI gekennzeichnet, unter jeder Antwort steht ein Hinweis.