JEN Knowledge Companion - Souveräne KI-Wissensplattform für interne nukleare Dokumentenräume
actimondo eG entwickelt digitale Wissens-, Lern- und Community-Lösungen für die kerntechnische Fachcommunity. Im Rahmen des FORKA-geförderten KISS-Projekts arbeitet actimondo an atomondo, einer Knowledge-, Learning- und Community-Experience-Anwendung für die Nuklearbranche. Ergänzend entsteht mit KIKO ein Ansatz zur semantischen Wissensstrukturierung über Ontologien, Knowledge Graphs und KI-gestützte Wissenserschliessung.
Detaillierte Informationen hierzu finden sich unter:
https://actimondo.com/f-e/
Neben den Forschungs- und Entwicklungsaktivitäten begleitet actimondo auch Industrieunternehmen und Organisationen bei der Konzeption, Entwicklung und Einführung digitaler Wissens- und Kompetenzmanagementlösungen. So wurde beispielsweise für Framatome - Advanced Nuclear Fuels (ANF) ein Competence.hub zur strukturierten Kompetenzentwicklung und Wissenssicherung aufgebaut. Darüber hinaus begleitet actimondo den Aufbau der European Nuclear Skills Academy im Rahmen eines EU-Projektes. Wir unterstützen bei der strategischen Ausrichtung, Anforderungsdefinition sowie bei Technologie- und Architekturentscheidungen.
Das actimondo-Team verfügt über langjährige Erfahrung in den Bereichen Wissensmanagement, Kompetenzmanagement, digitale Lernsysteme, Community-Plattformen und Wissenstransfer. Die beteiligten Expertinnen und Experten bringen zusammen mehrere Jahrzehnte Erfahrung aus der Kerntechnik, dem regulatorischen Umfeld, der Kompetenzentwicklung sowie dem Aufbau digitaler Wissensräume mit. Durch die enge Zusammenarbeit mit Unternehmen, Forschungseinrichtungen, Verbänden und Fachcommunities besteht ein breites Netzwerk innerhalb der deutschsprachigen und europäischen Kerntechnik.
Für die KOINNO-Challenge der JEN schlagen wir den „JEN Knowledge Companion“ vor: eine souveräne, On-Premises-fähige Knowledge-RAG-Lösung für interne nukleare Dokumentenräume. Die Lösung soll interne Dokumente nicht nur durchsuchen, sondern fachlich erschließen, semantisch verknüpfen und Nutzenden über eine intuitive Oberfläche zugänglich machen.
Im Zentrum steht ein kontrollierter Wissensraum, der vorhandene JEN-Quellsysteme wie SharePoint/OneDrive, Fileshares, DMS-Systeme, Intranet-/Wiki-Strukturen und relationale Datenbanken perspektivisch anbinden kann. Auf dieser Grundlage werden Dokumente verarbeitet, mit Metadaten angereichert, in eine JEN-spezifische Fachontologie eingeordnet und über einen Knowledge Graph für KI-gestützte Abfragen nutzbar gemacht.
Die Nutzenden stellen Fragen in natürlicher Sprache und erhalten nachvollziehbare Antworten aus berechtigten, internen Quellen. Jede Antwort soll mit Quellen-, Seiten- oder Abschnittsverweisen belegt werden. Wenn im freigegebenen Wissensraum keine belastbare Antwort vorhanden ist, soll das System dies transparent anzeigen, statt eine Antwort zu erfinden.
actimondo bringt in diese Lösung insbesondere die nuklearfachliche Wissensmanagement-Perspektive, die Ontologie- und Taxonomie-Arbeit, die Trustworthy-AI-Logik, User-Journey-Kompetenz und ein nutzerzentriertes Plattformkonzept ein. Für Enterprise-Konnektoren, On-Premises-Betrieb, AD-/Rechteintegration und BSI-nahe Sicherheitsarchitektur ist eine Partnerkonstellation vorgesehen. Damit wird ein realistischer, modularer und ausbaufähiger Ansatz vorgeschlagen, der den Charakter der Markterkundung aufnimmt.
Der JEN Knowledge Companion ist als interne, On-Premises-fähige Knowledge-RAG-Plattform konzipiert. Ziel ist ein sicherer, rollenbasierter und nachvollziehbarer KI-Zugang zu internen JEN-Dokumenten. Die Lösung kombiniert klassische Dokumentenerschließung, semantische Modellierung, Knowledge Graph, lokale beziehungsweise souverän betriebene Sprachmodelle sowie eine konsequent nutzerzentrierte Assistenzlogik.
Im Mittelpunkt steht nicht die Einführung eines generischen KI-Systems, sondern die Entwicklung eines auf die spezifischen Anforderungen der JEN zugeschnittenen Wissensraums. Dabei berücksichtigen wir sowohl die bestehende Systemlandschaft als auch die besonderen Rahmenbedingungen des kerntechnischen Umfelds. Dazu gehören unter anderem die Zusammenarbeit mit Behörden, Sachverständigen, Gutachtern, Betreibern, Fachabteilungen und weiteren Beteiligten, die jeweils unterschiedliche Informationsbedarfe, Verantwortlichkeiten und Berechtigungen besitzen.
Der Ansatz besteht aus fünf Ebenen. Erstens werden relevante Quellsysteme angebunden, zum Beispiel SharePoint/OneDrive, SMB-Fileshares, nscale, windream, Intranet-/Wiki-Systeme oder MS-SQL-Datenbanken. Zweitens stellt eine Security- und Permission-Schicht sicher, dass Nutzende nur Informationen abfragen können, auf die sie auch im Ursprungssystem Zugriff haben. Drittens verarbeitet eine Dokumentenpipeline die Inhalte über Textextraktion, OCR, Segmentierung, Metadatenextraktion, Dubletten- und Versionserkennung sowie Indexierung. Viertens werden die Inhalte über eine JEN-spezifische Ontologie und einen Knowledge Graph fachlich eingeordnet. Fünftens erhalten die Nutzenden über ein Knowledge Cockpit eine verständliche Chat-, Such- und Assistenzoberfläche.
Ein wesentlicher Bestandteil unseres Ansatzes ist die Berücksichtigung des individuellen Nutzungskontextes. Unterschiedliche Rollen, Aufgaben, Fachgebiete und Verantwortlichkeiten erfordern unterschiedliche Sichtweisen auf denselben Wissensraum. Deshalb verstehen wir den JEN Knowledge Companion nicht als reine Suchmaschine, sondern als intelligenten Entscheidungs- und Wissensassistenten, der Nutzende bei ihrer täglichen Arbeit unterstützt. Ziel ist eine vertrauensvolle Zusammenarbeit zwischen Mensch und KI, bei der Fachwissen, Erfahrung und organisatorischer Kontext mit den Möglichkeiten moderner Wissenserschließung kombiniert werden.
Die KI-Komponente arbeitet dabei nicht als generischer Chatbot, sondern als kontrollierter Assistent innerhalb eines freigegebenen Wissensraums. Antworten werden ausschließlich aus berechtigten Dokumenten generiert, mit Quellen belegt und idealerweise auf konkrete Seiten oder Abschnitte zurückgeführt. Bei fehlender Grundlage gibt das System eine transparente Nicht-Antwort und kann mögliche nächste Schritte aufzeigen. Damit folgen wir konsequent den Prinzipien einer Trustworthy AI.
Der aktuelle Reifegrad ist als fortgeschrittener Prototyp mit klarer Architekturvision einzuordnen. actimondo hat mit atomondo und KIKO bereits wesentliche Grundlagen entwickelt, darunter die fachliche Plattformlogik, die Trustworthy-AI-Prinzipien, semantische Wissensmodelle, Ontologie- und Knowledge-Graph-Konzepte sowie die nutzerzentrierte UX- und Assistenzperspektive. Gleichzeitig verstehen wir die vorgeschlagene Lösung nicht als Produkt von der Stange, sondern als gemeinsame Entwicklung mit den Fachbereichen und Expertinnen und Experten der JEN.
Dafür verfolgen wir bewusst einen modularen Ansatz. Bewährte Standardkomponenten können schnell eingesetzt und bedarfsgerecht erweitert werden. Gleichzeitig bleibt die Architektur offen für künftige technologische Entwicklungen. Einzelne Komponenten wie Sprachmodelle, Retrieval-Systeme, Ontologien oder Analysefunktionen können ausgetauscht, erweitert oder weiterentwickelt werden, ohne die Gesamtarchitektur neu aufbauen zu müssen. Dadurch entsteht eine langfristig tragfähige Lösung, die mit den Anforderungen der JEN sowie mit den rasanten Entwicklungen im Bereich der künstlichen Intelligenz mitwachsen kann.
actimondo tritt dabei als kompetenter Partner für Wissensarchitektur, Ontologieentwicklung, Trustworthy AI, User Experience und semantische Wissenserschließung auf. Für Konnektoren, On-Premises-Infrastruktur, Security Hardening, Betriebsmodell und weitere technische Enterprise-Bausteine sehen wir eine Partnerkonstellation vor. Entsprechende Optionen und Erfahrungen sind vorhanden und können im weiteren Verfahren gemeinsam mit der JEN konkretisiert werden. Unser Ziel ist eine fachlich belastbare, technisch realistische und langfristig zukunftsfähige Lösung, die sich an den tatsächlichen Anforderungen der JEN orientiert.
Die vorgeschlagene Lösung passt besonders gut zum beschriebenen Einsatzfall, weil die JEN nicht nur eine komfortable Suche benötigt, sondern einen vertrauenswürdigen Wissenszugang für sensible, komplexe und historisch gewachsene Dokumentenbestände im nuklearen Umfeld. Genau hier liegt der Mehrwert eines ontologiegestützten Knowledge-RAG-Ansatzes.
Im Unterschied zu einem einfachen „Chat mit PDFs“ soll der JEN Knowledge Companion interne Dokumente semantisch erschließen. Dokumente, Fachbegriffe, Anlagenbereiche, Prozesse, Genehmigungsbezüge, Strahlenschutzthemen, Rückbaukontexte, Abfall- und Behälterthemen sowie organisatorische Zuständigkeiten können über eine Fachontologie und einen Knowledge Graph miteinander verbunden werden. Dadurch entsteht ein Wissensraum, der nicht nur nach Wörtern sucht, sondern Zusammenhänge erkennt und Wissen in seinem fachlichen Kontext verfügbar macht.
Besonders relevant ist dabei, dass sich sowohl KI-Technologien als auch die regulatorischen Rahmenbedingungen derzeit sehr dynamisch entwickeln. Neue Modelle, neue Anforderungen an Transparenz, Nachvollziehbarkeit und Datensicherheit sowie neue rechtliche Vorgaben erfordern Lösungen, die langfristig anpassungsfähig bleiben. Unser Ansatz verfolgt deshalb eine modulare Architektur, die bewährte Komponenten nutzt, aber gleichzeitig Raum für zukünftige technologische Weiterentwicklungen schafft.
Für den Einsatzfall der JEN sind insbesondere sechs Aspekte von Bedeutung. Erstens: Sicherheit. Die Lösung ist für On-Premises-Betrieb, kontrollierte Datenräume und rollenbasierte Zugriffe konzipiert. Zweitens: Nachvollziehbarkeit. Antworten werden mit Quellen-, Seiten- und Abschnittsreferenzen belegt. Drittens: Fachlichkeit. Die Ontologie kann an JEN-spezifische Dokumenttypen, Prozesse, Rollen und Fachdomänen angepasst werden. Viertens: Nutzerzentrierung.
Das Knowledge Cockpit soll fachlichen Nutzenden einen einfachen Zugang ermöglichen, ohne dass komplexe Ordnerstrukturen, DMS-Logiken oder Datenbankabfragen erforderlich sind. Fünftens: Zukunftsfähigkeit. Die Architektur erlaubt den Austausch und die Weiterentwicklung einzelner Komponenten. Sechstens: Skalierbarkeit. Der Ansatz kann von einem Pilotdatenraum auf größere Dokumentenbestände und weitere Organisationseinheiten erweitert werden.
Im nuklearen Umfeld kommt hinzu, dass unterschiedliche Schutzbedarfe berücksichtigt werden müssen. Neben vertraulichen Informationen können je nach Anwendungsbereich auch besonders schützenswerte oder sicherheitsrelevante Informationen betroffen sein. Entsprechende Rollen-, Rechte- und Zugriffskonzepte sowie die Berücksichtigung regulatorischer Anforderungen sind daher integraler Bestandteil des Lösungsansatzes.
Besonders passend ist zudem das Trustworthy-AI-Prinzip. Die KI soll nur dann belastbare Antworten geben, wenn diese im freigegebenen Wissensraum ausreichend gestützt sind. Andernfalls wird transparent angezeigt, dass keine verifizierte Antwort gefunden wurde. Dies reduziert das Risiko von Halluzinationen und schafft die notwendige Vertrauensbasis für den Einsatz von KI in sicherheitsrelevanten Anwendungsfeldern.
Ein weiterer Vorteil liegt in der fachlichen Nähe von actimondo zur Kerntechnik. Durch die Zusammenarbeit mit Unternehmen, Fachorganisationen, Behörden und Forschungseinrichtungen verfügt actimondo über ein tiefes Verständnis der besonderen Anforderungen des nuklearen Umfelds. Dazu gehören Erfahrungen aus Projekten im Bereich Wissensmanagement, Kompetenzentwicklung und digitaler Wissensräume sowie die Zusammenarbeit mit Institutionen wie dem Bundesamt für die Sicherheit der nuklearen Entsorgung (BASE). Darüber hinaus engagiert sich actimondo im Qualitätsverbund Nukleare Sicherheit sowie im Qualitätsverbund Strahlenschutz und bringt dadurch aktuelle fachliche, regulatorische und organisatorische Perspektiven in die Lösungsentwicklung ein.
Der Einsatzfall der JEN ist damit fachlich und strategisch eng mit den bisherigen Arbeiten von actimondo zu atomondo und KIKO verbunden. Gleichzeitig handelt es sich nicht um die Übertragung einer bestehenden Plattform, sondern um die Entwicklung einer JEN-spezifischen Wissenslösung auf Basis bewährter Methoden, Technologien und Erfahrungen. Die modulare Architektur ermöglicht darüber hinaus, erfolgreiche Konzepte perspektivisch auch auf weitere Organisationseinheiten innerhalb des EWN-Konzerns zu übertragen und dabei jeweils die spezifischen fachlichen, organisatorischen und regulatorischen Anforderungen zu berücksichtigen.
Im heutigen Konzept- und Entwicklungsstand kann actimondo bereits mehrere zentrale Anforderungen fachlich, konzeptionell und technisch adressieren. Dazu zählen die Strukturierung kuratierter Wissensräume, die Entwicklung von Fachontologien, die Modellierung von Knowledge Graphen, Trustworthy-AI-Konzepte, nutzerzentrierte Oberflächen sowie die Konzeption und Umsetzung von KI-gestützten Wissens- und Dokumentenassistenten. Darüber hinaus verfügt actimondo mit atomondo und KIKO über umfangreiche Erfahrungen bei der Verknüpfung von Wissen, Lerninhalten, Quellen, Fachbegriffen, Nutzerrollen, Empfehlungen und semantischen Beziehungen innerhalb einer integrierten Plattformlogik.
Für die im Pilot vorgesehenen Kernfunktionen sehen wir eine hohe Umsetzbarkeit innerhalb kurzer Zeiträume. Dazu gehören insbesondere die Anbindung ausgewählter Datenquellen, die semantische Strukturierung von Dokumentenbeständen, die Entwicklung erster Ontologien, die Bereitstellung eines Knowledge Cockpits, rollenbasierte Zugriffslogiken, nachvollziehbare Quellenreferenzen sowie KI-gestützte Dokumentenabfragen. Die hierfür notwendigen Methoden, Konzepte und Lösungsbausteine sind bereits vorhanden und können für ein Pilotvorhaben zielgerichtet eingesetzt und weiterentwickelt werden.
Als Standardannahme sehen wir Antworten aus freigegebenen Quellen, transparente Quellenreferenzen, rollenbasierte Zugriffslogik, einen kontrollierten Wissensraum, deutschsprachige Nutzung, kontinuierliches Nutzerfeedback sowie eine klare Trennung zwischen Pilotumfang und späterem Endausbau vor.
Offene Punkte bestehen vor allem in den Enterprise-Bausteinen und deren Anpassung an die bestehende Systemlandschaft der JEN. Dazu gehören insbesondere produktionsreife Konnektoren zu SharePoint/OneDrive, nscale, windream, SMB-Fileshares, Intranet- und Wiki-Systemen oder MS-SQL-Datenbanken. Ebenfalls zu bewerten sind AD-, LDAP- und SSO-Integration, Berechtigungsvererbung aus Quellsystemen, OCR für gescannte Dokumente, Verarbeitung sehr großer Dokumentenmengen, Tabellen- und Zeichnungserkennung, Dubletten- und Versionierungslogik, inkrementelle Indexierung, Audit, Logging, Monitoring, Prompt-Injection-Schutz sowie ein belastbares On-Premises-Betriebsmodell.
Diese Punkte verstehen wir ausdrücklich nicht als Defizite, sondern als typische Integrations- und Architekturthemen eines Enterprise-Projekts. Da zum jetzigen Zeitpunkt kein detaillierter Einblick in die bestehende Systemarchitektur, die vorhandenen Schnittstellen, die Sicherheitsanforderungen und die organisatorischen Rahmenbedingungen der JEN vorliegt, wäre eine abschließende technische Festlegung aus unserer Sicht weder sinnvoll noch seriös.
Für einen 8- bis 12-wöchigen Pilot empfehlen wir daher einen bewusst fokussierten Ansatz mit einer oder zwei priorisierten Datenquellen, einer klar definierten Fachdomäne, einem kontrollierten Dokumentenbestand und einer begrenzten Zahl fachlicher Testnutzender. Im Pilot können die fachliche Antwortqualität, die semantische Einordnung, die Nutzerakzeptanz, die Quellenreferenzierung sowie die Rechte- und Sicherheitskonzepte nachgewiesen werden.
Der anschließende Ausbaupfad erfolgt schrittweise. Zunächst stehen stabile Datenanbindung und Rechteintegration im Vordergrund. Danach folgen erweiterte Dokumentenverarbeitung, OCR, Versionierungslogik und Skalierung auf weitere Datenbestände. In späteren Ausbaustufen können zusätzliche Knowledge-Graph-Funktionen, Wissenslückenanalysen, Governance-Workflows, Expertensuche, Dashboards und weitere KI-gestützte Funktionen ergänzt werden.
Für die technischen Enterprise-Bausteine verfolgen wir bewusst einen Partneransatz. actimondo konzentriert sich auf Wissensarchitektur, Ontologieentwicklung, nuklearfachliche Anwendungsfälle, Trustworthy AI, Nutzererlebnis und semantische Wissenserschließung. Ergänzend sehen wir Integrations- und Infrastrukturpartner für Konnektoren, Systemintegration, On-Premises-Betrieb und Security-Hardening vor. Hierfür bestehen bereits Kontakte und Gespräche mit geeigneten Technologieanbietern. Eine endgültige Festlegung sollte jedoch erst nach einer vertieften Analyse der Anforderungen und Rahmenbedingungen der JEN erfolgen. Dadurch bleibt die Lösungsarchitektur offen für die technisch und wirtschaftlich sinnvollste Partnerkonstellation und kann optimal an die tatsächlichen Gegebenheiten angepasst werden.
Der Integrationsaufwand hängt wesentlich von der Anzahl der anzubindenden Quellsysteme, der Qualität der vorhandenen Dokumente, der Berechtigungsstruktur sowie dem gewünschten Sicherheitsniveau ab. Für den Pilot empfehlen wir daher bewusst keinen Vollanschluss aller Systeme, sondern einen schrittweisen und kontrollierten Einstieg. Sinnvoll erscheint eine Pilotdomäne mit hohem fachlichem Nutzen und überschaubarem Datenraum, beispielsweise Rückbaudokumentation, Strahlenschutz, Genehmigung und Aufsicht, Abfall- und Behälterdokumentation oder Verfahrensanweisungen.
Der Pilot sollte einen Zeitraum von etwa 8 bis 12 Wochen umfassen. In Phase 1 werden gemeinsam mit den Fachbereichen die relevanten Use Cases, Datenbestände, Nutzergruppen, Erfolgskriterien und Sicherheitsanforderungen definiert. In Phase 2 werden die ausgewählten Dokumente angebunden oder kontrolliert bereitgestellt, verarbeitet, segmentiert, indexiert und mit ersten Metadaten sowie Ontologiebegriffen verknüpft. In Phase 3 wird ein erstes Knowledge Cockpit mit Chat-, Such- und Quellenfunktion für ein begrenztes Testteam bereitgestellt. In Phase 4 erfolgen die Bewertung von Antwortqualität, Quellenreferenzierung, Nutzerakzeptanz, Rechtekonformität sowie die Analyse technischer und organisatorischer Erkenntnisse.
Für den Pilot schlagen wir 10 bis 20 fachliche Testnutzende, eine oder zwei priorisierte Datenquellen sowie einen begrenzten, aber repräsentativen Dokumentenbestand vor. Ziel ist nicht die unmittelbare Abbildung des langfristigen Zielumfangs von bis zu 50 TB Daten, sondern der Nachweis, dass der Ansatz fachlich tragfähig, nachvollziehbar, nutzerfreundlich und sicher skalierbar ist.
Besonderen Wert legen wir dabei auf die aktive Einbindung der späteren Nutzenden. Der Pilot dient nicht nur der technischen Validierung, sondern auch dem gemeinsamen Verständnis darüber, wie Fachwissen, Arbeitsprozesse und KI-gestützte Assistenz sinnvoll zusammenwirken können. Aus unserer Erfahrung entstehen die nachhaltigsten Lösungen dort, wo technologische Möglichkeiten und fachliche Anforderungen gemeinsam entwickelt werden.
Das Betriebsmodell sollte sich an einer On-Premises- oder Private-Cloud-Architektur innerhalb des von JEN kontrollierten Umfelds orientieren. Sensible Dokumente verbleiben dabei grundsätzlich im Verantwortungsbereich der JEN. KI-Komponenten, Embeddings, Indizes und Protokolldaten werden lokal oder innerhalb einer freigegebenen souveränen Infrastruktur betrieben. Unkontrollierte externe Datenabflüsse sind nicht vorgesehen.
Für den produktiven Ausbau erscheint ein gemeinsames Betriebsmodell aus JEN-IT, Integrationspartnern, Infrastruktur- und Security-Partnern sowie actimondo sinnvoll. JEN stellt Systemzugänge, Sicherheitsanforderungen und fachliche Pilotnutzende bereit. Integrationspartner übernehmen die technische Anbindung von Quellsystemen und Datenpipelines. Infrastruktur- und Security-Partner begleiten Betrieb, Auditierung und Sicherheitskonzepte. actimondo verantwortet Wissensmodell, Ontologie, fachliche Anwendungsfälle, Nutzererlebnis und die Konzeption der KI-gestützten Wissenserschließung.
Eine abschließende Festlegung auf konkrete Technologie- oder Integrationspartner halten wir zum jetzigen Zeitpunkt bewusst offen. Die optimale Partnerkonstellation sollte sich aus den tatsächlichen Anforderungen, den vorhandenen Systemlandschaften und den Ergebnissen der Markterkundung ableiten. Dadurch bleibt die Lösung flexibel, technologieoffen und bestmöglich an die Rahmenbedingungen der JEN anpassbar.
Damit bleibt der Pilot realistisch, risikominimiert und gleichzeitig anschlussfähig für einen späteren produktiven Ausbau oder eine weiterführende Beschaffung.
Für die Infrastruktur unterscheiden wir bewusst zwischen einem Pilotvorhaben und einem langfristigen produktiven Ausbau. Die in der Challenge genannten Zielgrößen von etwa 350 Nutzenden, rund 30 parallelen Anfragen, bis zu 50 TB Daten und etwa einer Million Dokumenten sind aus unserer Sicht als Zielbild einer späteren Enterprise-Lösung zu verstehen. Für einen erfolgreichen Pilot ist dagegen ein deutlich kleinerer, fachlich aussagekräftiger und kontrollierbarer Datenraum sinnvoll.
Im Pilot gehen wir von einem abgegrenzten Dokumentenbestand aus, beispielsweise einigen tausend bis wenigen zehntausend Dokumenten oder einem kleineren, aber repräsentativen Testbestand mit typischen Dokumentenformaten und Anwendungsfällen. Ziel des Piloten ist nicht die technische Maximalauslastung, sondern der Nachweis, dass die fachliche Wissenserschließung, die semantische Einordnung, die Nutzerakzeptanz sowie die Qualität der KI-gestützten Antworten den erwarteten Mehrwert liefern.
Technisch erforderlich sind hierfür eine lokale oder kontrollierte Laufzeitumgebung, Speicher für Roh- und Indexdaten, ein Vektorindex, optional eine Graphdatenbank, Komponenten für Textextraktion und OCR, ein lokal beziehungsweise souverän betriebenes Sprachmodell, ein Embedding-Modell sowie ein Web-Frontend für das Knowledge Cockpit. Die konkrete Auswahl einzelner Technologien sollte sich dabei an den Rahmenbedingungen und Sicherheitsanforderungen der JEN orientieren.
Für den langfristigen Ausbau sollte die Architektur von Beginn an modular und horizontal skalierbar ausgelegt werden. Kritische Aspekte sind dabei insbesondere die verteilte Dokumentenverarbeitung, Batch- und inkrementelle Indexierung, die effiziente Verarbeitung langer Dokumente, die getrennte Speicherung von Rohtexten, Metadaten, Vektoren und Graphbeziehungen, die Rechtefilterung vor der Antwortgenerierung, Monitoring, Audit-Logs sowie das Performance-Management für parallele Nutzeranfragen.
Besonders wichtig ist die Unterscheidung zwischen Informationssuche und Antwortgenerierung. Während Such- und Indexkomponenten sehr große Dokumentenmengen effizient erschließen müssen, verarbeitet das Sprachmodell jeweils nur die relevanten und für die jeweilige Person freigegebenen Informationsausschnitte. Dadurch kann die Lösung schrittweise skaliert werden, ohne dass bei jeder Anfrage der gesamte Datenbestand verarbeitet werden muss.
Da zum jetzigen Zeitpunkt weder die vollständige Systemlandschaft noch die Infrastruktur- und Sicherheitsanforderungen der JEN im Detail bekannt sind, halten wir konkrete Hardware- oder Software-Sizing-Angaben bewusst offen. Relevante Einflussgrößen sind unter anderem Dokumentenstruktur, OCR-Anteil, Aktualisierungshäufigkeit, Modellgrößen, gewünschte Antwortzeiten, Nutzerlast, Speicherstrategie sowie regulatorische und sicherheitsbezogene Anforderungen.
Unsere Empfehlung lautet daher, im Pilot bewusst klein zu starten, die Architektur jedoch von Beginn an so zu gestalten, dass sie auf zusätzliche Quellsysteme, größere Dokumentenbestände und weitere Nutzergruppen erweitert werden kann. Der Pilot liefert die notwendigen fachlichen und technischen Erfahrungswerte für einen belastbaren Infrastruktur-, Betriebs- und Sizing-Plan.
Im Sinne des zuvor beschriebenen Partneransatzes sehen wir actimondo insbesondere in der Verantwortung für Wissensarchitektur, Ontologien, semantische Modelle, Nutzererlebnis und fachliche Anwendungsfälle. Infrastruktur, Systemintegration, Betriebsarchitektur und Skalierung sollten gemeinsam mit geeigneten Integrations- und Infrastrukturpartnern sowie den zuständigen Fach- und IT-Bereichen der JEN konkretisiert werden. Dadurch bleibt die Lösung technologieoffen, zukunftsfähig und an die tatsächlichen Anforderungen der JEN anpassbar.
actimondo bringt einschlägige Erfahrungen im Aufbau kerntechnischer Wissens-, Lern- und Community-Strukturen mit. Im FORKA-geförderten KISS-Projekt entwickelt actimondo digitale Lösungen für Wissenssicherung, Kompetenzentwicklung, Community-Building und KI-gestützte Wissenserschließung innerhalb der kerntechnischen Fachcommunity. Daraus ist atomondo als Knowledge-, Learning- und Community-Experience-Plattform entstanden.
Zu den relevanten Vorarbeiten zählen insbesondere der Aufbau kuratierter Wissensräume, die Entwicklung von Companion- und Assistenzkonzepten, die Verknüpfung von Lerninhalten, Fachbegriffen, Nutzerprofilen und Empfehlungen sowie die Entwicklung semantischer Wissensmodelle. Ergänzend verfolgt das KIKO-Konzept die Strukturierung von Fachwissen über Ontologien, Knowledge Graphen und KI-gestützte Wissenserschließung.
Neben den Forschungs- und Entwicklungsaktivitäten verfügt actimondo über praktische Erfahrungen aus Industrieprojekten im kerntechnischen Umfeld. Ein Beispiel ist der Aufbau des Comptece.Hub der Framatome - Advanced Nuclear Fuels GmbH (ANF), der seit 2022 gemeinsam mit dem Unternehmen entwickelt und kontinuierlich weitergeführt wird. Dabei stehen insbesondere Wissensmanagement, Kompetenzentwicklung, digitale Lernprozesse sowie die Integration verschiedener Wissens- und Lernsysteme im Mittelpunkt. Die Zusammenarbeit umfasst sowohl die konzeptionelle Entwicklung als auch die kontinuierliche Weiterentwicklung und Integration neuer Plattformkomponenten.
Darüber hinaus begleitet actimondo seit mehreren Jahren Initiativen, Fachnetzwerke und Digitalisierungsprojekte im kerntechnischen Umfeld. Die Erfahrungen reichen von der Konzeption und Durchführung von Fachveranstaltungen über Kompetenzmanagement und Wissenstransfer bis hin zur Entwicklung digitaler Plattformen und Community-Strukturen. Dadurch besteht ein tiefes Verständnis dafür, wie Wissen in komplexen technischen Organisationen aufgebaut, gesichert, weitergegeben und nutzbar gemacht werden kann.
Die bisherigen Arbeiten adressieren insbesondere die Herausforderung, fachliches Wissen nicht nur zu dokumentieren, sondern auffindbar, nachvollziehbar, lernbar und kontextbezogen nutzbar zu machen. Dies ist auch für die JEN-Challenge von zentraler Bedeutung, da nicht allein die technische Suche im Vordergrund steht, sondern ein vertrauenswürdiger und fachlich belastbarer Zugang zu umfangreichen Dokumenten- und Wissensbeständen.
Zusätzlich verfügt das Team von actimondo über langjährige Erfahrungen in den Bereichen Wissensmanagement, Kompetenzmanagement, digitale Lernsysteme, Community-Plattformen und Wissenstransfer. Die beteiligten Expertinnen und Experten bringen zusammen mehrere Jahrzehnte Erfahrung aus Kerntechnik, Strahlenschutz, regulatorischem Umfeld, Organisationsentwicklung und Digitalisierung mit. Durch die enge Zusammenarbeit mit Unternehmen, Forschungseinrichtungen, Behörden, Verbänden und Fachcommunities besteht zudem ein breites Netzwerk innerhalb der deutschsprachigen Kerntechnik.
Eine produktive Referenzinstallation in der Größenordnung von 50 TB Daten, einer Million Dokumenten und vollständiger DMS- beziehungsweise AD-Integration besteht derzeit nicht. Wir verfügen nicht über ein bereits fertiges Enterprise-Produkt, sondern bieten einen realistischen und modularen Lösungsansatz auf Basis einschlägiger Vorarbeiten, vorhandener Kompetenzen und praktischer Erfahrungen. Für Integrations-, Infrastruktur- und Security-Themen wird daher ein Partneransatz verfolgt, um die jeweils besten Kompetenzen für die Anforderungen der JEN zusammenzuführen.
Die vorgeschlagene Lösung ist langfristig weiterentwicklungsfähig, weil sie modular aufgebaut ist und keine einzelne Technologie zum alleinigen Kern macht. Der strategische Wert liegt nicht in einem bestimmten Sprachmodell oder einer einzelnen KI-Komponente, sondern in der Kombination aus kontrolliertem Wissensraum, Rechtemodell, semantischer Wissensstruktur, nachvollziehbarer Quellenlogik und einer nutzerfreundlichen Wissens- und Assistenzoberfläche.
Dadurch können einzelne technische Komponenten im Laufe der Zeit ausgetauscht, erweitert oder modernisiert werden, ohne dass die grundlegende Wissensarchitektur neu aufgebaut werden muss. Dies ist insbesondere vor dem Hintergrund der aktuell sehr dynamischen Entwicklung von KI-Technologien von Bedeutung. Sprachmodelle, Embedding-Verfahren, Retrieval-Technologien und Analysewerkzeuge entwickeln sich in kurzen Innovationszyklen weiter. Die vorgeschlagene Architektur soll diese Entwicklungen aufnehmen können, ohne dass bestehende Investitionen verloren gehen.
Die Zukunftssicherheit basiert dabei auf fünf Grundprinzipien. Erstens: souveräner Betrieb. Sensible Informationen verbleiben innerhalb eines kontrollierten Verantwortungsbereichs. Zweitens: Technologieoffenheit. Sprachmodelle, Embedding-Modelle und Retrieval-Komponenten können bei Bedarf ersetzt oder ergänzt werden. Drittens: semantische Wissensstruktur. Ontologien und Knowledge Graphen bilden eine fachliche Wissensebene, die unabhängig von einzelnen KI-Modellen langfristig nutzbar bleibt. Viertens: Quellen- und Rechteorientierung. Antworten bleiben nachvollziehbar, überprüfbar und kontrollierbar. Fünftens: evolutionäre Weiterentwicklung. Die Lösung kann schrittweise ausgebaut werden, ohne bestehende Funktionen oder Datenbestände zu gefährden.
Langfristig kann der JEN Knowledge Companion über die reine Dokumentenrecherche hinauswachsen. Denkbare Ausbaupfade sind beispielsweise die Identifikation von Wissenslücken, die Unterstützung bei der Dokumentenklassifikation, die Verknüpfung von Dokumenten- und Prozesswissen, Expertensuche, Lessons-Learned-Management, Audit- und Governance-Funktionen sowie die Ableitung von Qualifizierungs- und Schulungsmaßnahmen aus vorhandenen Wissensbeständen.
Wirtschaftlich bietet der Ansatz den Vorteil, dass bestehende Systeme nicht ersetzt werden müssen. SharePoint, DMS-Systeme, Fileshares, Wikis oder Datenbanken können weiterhin in ihrer jeweiligen Funktion bestehen bleiben. Der JEN Knowledge Companion schafft darüber eine zusätzliche Wissens- und Zugriffsschicht, welche die vorhandenen Informationen semantisch erschließt und für Nutzende einfacher verfügbar macht. Dadurch wird ein schrittweiser und risikoarmer Ausbau ermöglicht, anstatt einen aufwendigen Komplettaustausch bestehender Systeme anzustreben.
Darüber hinaus eröffnet die modulare Architektur die Möglichkeit, erfolgreiche Konzepte perspektivisch auch auf weitere Organisationseinheiten innerhalb des EWN-Konzerns zu übertragen. Gleichzeitig bleibt ausreichend Flexibilität erhalten, um unterschiedliche organisatorische, technische oder regulatorische Anforderungen einzelner Standorte und Gesellschaften zu berücksichtigen.
Die langfristige Tragfähigkeit der Lösung hängt dabei nicht allein von der Technologie ab. Ebenso wichtig sind Governance, Datenqualität, Pflege der Wissensmodelle, Nutzerakzeptanz und ein belastbares Betriebsmodell. Diese Aspekte sollten deshalb von Beginn an als integraler Bestandteil der Gesamtarchitektur betrachtet werden.
