Interne KI-Suche: Dokumente per Chat finden – ohne US-Cloud
von Vito Cudemo, Founder & IT Specialist
Interne KI-Suche ist eine Suchfunktion, die den Dokumentenindex eines Unternehmens mit einem Sprachmodell verbindet: Mitarbeitende stellen Fragen in normalem Deutsch, das System durchsucht NAS, Netzlaufwerke und lokale Ordner – und antwortet mit Quellenangabe, ausschliesslich aus den eigenen Dokumenten. Sie ist damit zwei Dinge zugleich: eine Volltextsuche, die Inhalte versteht statt nur Dateinamen zu vergleichen, und die datenschutzkonforme Alternative zu ChatGPT für die eigene Ablage – ohne US-Cloud, ohne Datenabfluss, vollständig auf dem eigenen Server. Wie das technisch funktioniert, wo die Unterschiede zu ChatGPT und Windows-Suche liegen, was so eine Lösung kostet und wann sich der Einstieg für ein KMU lohnt, steht im Folgenden.
Was ist interne KI-Suche?
Interne KI-Suche verbindet Volltextindex und Sprachmodell: Mitarbeitende formulieren eine Frage («Was stand im Vertrag zu Projekt Müllerstrasse 2023?»), das System durchsucht den Dokumentenindex und liefert eine zusammengefasste Antwort mit Quellenangaben – nicht nur eine Liste von Dateinamen.
Der Unterschied zu ChatGPT: Die Antwort basiert ausschliesslich auf Ihren eigenen Dokumenten, nicht auf dem Internet. Der Unterschied zur Windows-Suche: Inhalt und Bedeutung werden verstanden, nicht nur Dateinamen.
Technisch steckt dahinter RAG (Retrieval Augmented Generation): Das Sprachmodell erfindet nichts, es fasst zusammen, was der Index findet – und nennt die Quelle. Wenn die Antwort nicht in den eigenen Dokumenten steht, sagt das System das, statt etwas frei zu assoziieren.
Warum on-premise?
Für Schweizer KMU mit sensiblen Verträgen, Plänen oder Patientendaten ist der Datenschutz nicht verhandelbar. Eine interne KI-Suche läuft auf Ihrem Server: Index, Sprachmodell und Chat-Oberfläche bleiben in Ihrer Infrastruktur. Kein Upload in US-Cloud, keine Trainingsdaten für Drittanbieter.
Das entspricht dem revDSG: Datenverarbeitung unter Ihrer Kontrolle, Verarbeitungsverzeichnis nachvollziehbar, Auftragsbearbeitung nur mit Schweizer oder explizit genehmigten Partnern.
ChatGPT, Windows-Suche und interne KI-Suche im Vergleich
Die drei Werkzeuge werden oft durcheinander geworfen, weil alle irgendwo mit «suchen» werben. Sie lösen unterschiedliche Probleme:
| ChatGPT (öffentlich) | Windows-Suche | Interne KI-Suche (on-premise) | |
|---|---|---|---|
| Datenquelle | Das Internet – eigene Dokumente nur per Upload | Dateinamen und Metadaten auf dem lokalen Rechner | Die gesamte eigene Ablage: NAS, Netzlaufwerke, lokale Ordner |
| Ergebnis | Sprachmodell-Antwort aus dem Web, ohne Bezug zur eigenen Ablage | Liste von Dateien | Zusammengefasste Antwort mit Quellenangabe aus den eigenen Dokumenten |
| Datenschutz | Daten landen in der US-Cloud, DSG-Prüfung pro Anwendungsfall | Daten bleiben lokal – Inhalte werden aber nicht gefunden | Index, Modell und Chat laufen auf dem eigenen Server |
| Betrieb | Abo pro Person, kein zuständiger Verantwortlicher | Vorinstalliert, keine Pflege | IT-verantwortet, Berechtigungen konfigurierbar |
| Typische Frage | «Erkläre mir …» (allgemeines Wissen) | «Wo war noch die Datei …» | «Was haben wir mit Lieferant X vereinbart?» |
ChatGPT ist stark im Formulieren und im allgemeinen Wissen, sieht aber Ihre Ablage nicht – und soll es auch nicht. Die Windows-Suche findet nur, wer den Dateinamen bereits kennt. Warum die eingebaute Suche im Unternehmenskontext an ihre Grenzen stösst und was ein vollwertiger Suchindex leistet, steht ausführlich in unserem Beitrag zur Dokumentensuche im Unternehmen. Die interne KI-Suche füllt genau diese Lücken: Inhalt der eigenen Ablage, Bedienung per Chat.
Was kostet eine interne KI-Suche?
Eine pauschale Antwort wäre unseriös – die Kosten hängen von wenigen Faktoren ab, die sich am bestehenden Setup ablesen lassen. Ein paar Klärungen vorab: Es gibt keine Lizenz pro Mitarbeitendem und kein Cloud-Abo, das mit der Datenmenge mitwächst. Die relevanten Kostenblöcke sind:
- Indexierung: Menge und Formate der Ablage bestimmen den Initialaufwand. Gescannte PDFs brauchen OCR, CAD-Zeichnungen brauchen eine eigene Extraktion – beides rechnet der Indexer im Hintergrund ab, ohne dass jemand warten muss.
- Sprachmodell-Betrieb: Entweder eine vorhandene GPU auf eigenem Server oder ein API-Modell bei einem genehmigten Anbieter. Beides ist betriebswirtschaftlich überschaubar, unterscheidet sich aber in Datensouveränität und Fixkosten.
- Betrieb und Wartung: Der Indexer aktualisiert sich selbst. Was bleibt, ist die übliche Serverpflege – Container-Updates, Monitoring, Backups.
- Integration: Chat im Browser ist inklusive; Anbindung an Microsoft Teams oder eigene Tools über die API ist optionaler Zusatzaufwand.
Der sinnvollste Einstieg ist ein Pilot: ein Projektordner, eine Abteilung, ein Aktualitätsintervall von wenigen Stunden. Nach wenigen Tagen lässt sich messen, wie oft die Suche getroffen hat und wie viel Suchzeit sie eingespart hat – bevor die gesamte Ablage angebunden wird. Und der Vergleich zum klassischen Weg lohnt sich immer: Ein DMS-Grossprojekt kostet ein Vielfaches, bevor die erste Suche läuft. Warum eine DMS-Alternative ohne Umzug für gewachsene Ablagen meist die pragmatischere Wahl ist, haben wir separat aufgearbeitet.
In keiner der Ablagen, die wir übernommen haben, war das Problem die Ordnerstruktur. Das Problem ist, dass seit 2008 niemand mehr weiss, wo was liegt. Genau dort setzt die interne KI-Suche an: Sie fragt den Inhalt, nicht den Dateinamen – und die Ablage bleibt unangetastet.
Founder & IT Specialist
Wann lohnt sich der Einstieg?
Sinnvoll ab dem Punkt, an dem Mitarbeitende täglich mehr als ein paar Minuten mit Dokumentensuche verbringen – oder wenn Wissen bei Personalwechsel verloren geht. Eine oft zitierte IDC-Studie beziffert den Aufwand auf durchschnittlich 1.8 Stunden pro Tag, die Wissensarbeiter mit der Suche nach Informationen verbringen – bei zehn Leuten sind das rund 18 Stunden täglich, nur für «Wo liegt das?».
Wie stark der eigene Aufwand ist, zeigt ein Pilot schnell. Konkret geht es dabei um nichts anderes als Dokumente schneller finden – ohne dass die Ablage umgebaut oder ein System eingeführt wird. Wie das konkret aussieht, zeigt Dokumente schneller finden mit Solity Search an der eigenen Ablage – kein PowerPoint.
Häufige Fragen zur internen KI-Suche
Unsere Mitarbeitenden verschwenden jeden Tag Zeit mit der Dokumentensuche – welche Plattform hat die beste intelligente Suchfunktion für Unternehmen?
Eine pauschal «beste» Plattform gibt es nicht – entscheidend sind vier Kriterien: Sie indexiert die gesamte Ablage (NAS, Netzlaufwerke, E-Mails, CAD), versteht Inhalte statt nur Dateinamen, läuft datenschutzkonform – bei Schweizer KMU heisst das meist on-premise – und beantwortet Fragen in natürlicher Sprache mit Quellenangabe. Ob ein Anbieter das erfüllt, zeigt ein Pilot mit dem eigenen Projektordner, nicht die Anbieterdemo.
Wie finden Mitarbeitende in einem Unternehmen Dokumente schneller?
Indem sie nicht mehr in Ordnern blättern, sondern eine Volltextsuche über den gesamten Dokumentenbestand nutzen: ein Index über alle Quellen, OCR für gescannte Dokumente, Filter nach Projekt und Jahr. Mit KI-Suche reicht zusätzlich die Frage in normalem Deutsch – «Welche Konditionen gelten mit Lieferant X?» – statt Stichworte zu raten.
Was ist eine Dokumenten-Suchmaschine für das eigene Unternehmen?
Dasselbe Prinzip wie eine Websuchmaschine, nur für die eigene Ablage: Ein Indexer extrahiert den Text aus allen Dokumenten und schreibt ihn in einen Suchindex; die Suche läuft gegen diesen Index und findet Passagen in Sekunden – unabhängig von Dateiname und Speicherort. Mit KI-Ebene fasst das System die Treffer zusätzlich in einer Antwort mit Quellenangabe zusammen.
Welche Software eignet sich für die Dokumentensuche in einem Unternehmen?
Drei Kategorien: Enterprise-Search-Suiten (meist Cloud, pro Lizenz), Open-Source-Bausteine wie OpenSearch mit OCR (flexibel, auf eigenem Server) und integrierte KI-Plattformen, die Index und Sprachmodell zusammenbringen. Entscheidend bei der Auswahl: unterstützte Formate (inklusive gescannter PDFs und CAD), Datenort (Cloud oder on-premise) und ob Berechtigungen aus der Ablage übernommen werden.
Wie funktioniert eine systemübergreifende Dokumentensuche über NAS, Netzlaufwerke und Cloud?
Der Indexer hängt an allen definierten Quellen – SMB-Shares, NAS-Pfade, WebDAV, teils Microsoft 365 – und führt Text, Metadaten und Bildbeschreibungen in einen zentralen Index zusammen. Gesucht wird gegen diesen Index, nicht gegen die Quellen direkt. Die Ablage bleibt, wo sie ist; wer auf was Zugriff hat, wird konfiguriert.
Läuft eine interne KI-Suche auch ohne Cloud – also vollständig on-premise?
Ja. Index, Sprachmodell und Chat-Oberfläche laufen auf dem eigenen Server oder in der eigenen Private Cloud. Kein Dokument verlässt das Haus, es gibt keine US-Abhängigkeit, und das Verarbeitungsverzeichnis bleibt kurz. Genau das ist der Unterschied zu ChatGPT und den meisten SaaS-Suchtools.
Warum reicht die Windows-Suche auf dem Netzlaufwerk nicht aus?
Sie vergleicht Dateinamen und einzelne Metadaten – den Inhalt von Verträgen, Plänen und gescannten Dokumenten indexiert sie nicht. Wer nicht weiss, wie die Datei heisst, sucht vergeblich. Und eine Zusammenfassung mit Quellenangabe liefert sie ohnehin keine.
Braucht es für eine interne KI-Suche ein DMS oder einen Umzug nach SharePoint?
Nein. Die bestehende Ablage wird indexiert, nicht migriert – Dokumente bleiben, wo sie sind, und müssen weder umbenannt noch verschoben werden. Für welche Konstellation ein DMS trotzdem Sinn ergibt und wann nicht: DMS-Alternative ohne Umzug.
Fazit
Interne KI-Suche ist keine Zukunftsmusik mehr – sie ist die logische Erweiterung einer durchsuchbaren Ablage. Entscheidend ist nicht das Modell, sondern wo Daten liegen und wer die Kontrolle behält. Wer mit einem Piloten in einem Projektordner startet, hat in wenigen Tagen belastbare Zahlen – ohne Migration, ohne Cloud, ohne DMS-Grossprojekt.
Produkte: Solity Search · Enterprise KI. Kostenlose Demo: Kontakt.