Interne Dokumente sicher mit KI erschließen: On-Premises Enterprise RAG mit iFinder und iAssistant
INTRAFIND ist ein deutscher Softwareanbieter für Enterprise Search, Wissensmanagement und KI-gestützte Informationserschließung. Mit unserer iFinder-Plattform und dem iAssistant unterstützen wir Organisationen dabei, verteilte interne Wissensbestände sicher, nachvollziehbar und effizient nutzbar zu machen. Im Mittelpunkt steht die Verbindung aus leistungsfähiger Suche, semantischer Erschließung, rollenbasierter Zugriffskontrolle und KI-gestützter Antwortgenerierung mit klarem Quellenbezug.
Für die JEN schlagen wir eine On-Premises-fähige KI-RAG-Plattform für den sicheren „Chat mit Dokumenten“ vor. Der Kern unseres Angebots besteht darin, bestehende interne Datenquellen wie SharePoint Online/OneDrive, SMB-Fileshares, DMS-Systeme, Intranet-/Wiki-Inhalte und relationale Datenbanken über standardnahe Konnektoren anzubinden, deren Inhalte zentral zu erschließen und Anwenderinnen und Anwendern über eine sichere Recherche- und Chat-Oberfläche zugänglich zu machen. Dabei werden klassische Suche, semantische Suche, Vektorsuche, Dokumentverarbeitung, OCR, Berechtigungsprüfung und generative KI zu einer modularen Gesamtlösung kombiniert.
Ein wesentliches Merkmal unseres Ansatzes ist der Betrieb in einer geschützten Unternehmensumgebung. Die wesentlichen Verarbeitungsstufen können lokal bzw. kontrolliert betrieben werden, einschließlich Indexierung, semantischer Repräsentation, Retrieval, Antwortgenerierung und Protokollierung. Bestehende Rollen- und Berechtigungsstrukturen, insbesondere AD-gestützte Nutzer- und Gruppenmodelle, werden berücksichtigt, sodass Anwenderinnen und Anwender nur Informationen finden und in Antworten nutzen können, für die sie berechtigt sind. Damit steht nicht nur die Qualität der Antwort im Fokus, sondern auch deren Sicherheit, Nachvollziehbarkeit und Governance-Fähigkeit.
Der iFinder bildet dabei die robuste Plattform für Datenanbindung, Crawling, Indexierung, Berechtigungsprüfung, hybride Suche, Metadatenmanagement, Monitoring und Administration. Der iAssistant ergänzt diese Grundlage um einen quellenbasierten Dialog mit internen Dokumenten. Antworten werden nicht frei erfunden, sondern aus recherchierten, berechtigten und referenzierbaren Fundstellen abgeleitet. Bei unzureichender Quellenlage soll das System transparent reagieren, anstatt unbelegte Aussagen zu erzeugen. So entsteht eine verlässliche Assistenzlösung für Recherche, Zusammenfassung und fachliche Auskunft auf Basis interner Wissensbestände.
Die Lösung ist modular aufgebaut und erlaubt einen pragmatischen Einstieg über einen Pilotbetrieb. Für eine erste Phase kann ein abgegrenzter Datenraum mit ausgewählten Quellen, Nutzergruppen und Dokumenttypen erschlossen werden. In diesem Rahmen lassen sich zentrale Erfolgsfaktoren wie Antwortqualität, Quellenbezug, Berechtigungsverhalten, OCR-Qualität, Umgang mit großen Dokumenten, Tabellen, Bildern, Grafiken und technischen Zeichnungen sowie Betriebs- und Infrastrukturaufwand realistisch bewerten. Anschließend kann die Plattform schrittweise auf weitere Quellen, größere Datenmengen, zusätzliche Nutzergruppen und weitere KI-Funktionen ausgebaut werden.
Unsere Vision ist es, aus verteilten Dokumentenbeständen einen sicheren, nachvollziehbaren und produktiv nutzbaren Wissenszugang zu schaffen. Mitarbeitende sollen relevante Informationen schneller finden, Zusammenhänge besser verstehen und belastbare Antworten erhalten, ohne bestehende Sicherheits- und Berechtigungsmodelle zu umgehen. Dabei setzen wir bewusst auf eine standardnahe, produktorientierte und erweiterbare Architektur, die Investitionsschutz, technologische Offenheit und Zukunftsfähigkeit verbindet. Die Plattform soll der JEN ermöglichen, interne Wissensbestände schrittweise mit KI zu erschließen und zugleich die Anforderungen an Datenschutz, Betriebssicherheit, Nachvollziehbarkeit und On-Premises-Betrieb zu erfüllen.
Das technische und konzeptionelle Fundament unserer Lösung verbindet etablierte Enterprise-Search-Technologie, sichere Dokumentenerschließung, semantische Suche und Retrieval-Augmented Generation. Grundlage ist die iFinder-Plattform als zentrale Komponente für Datenanbindung, Crawling, Dokumentverarbeitung, Indexierung, Berechtigungsprüfung, Suche, Administration und Monitoring. Darauf aufbauend erweitert der iAssistant die klassische Recherche um einen quellenbasierten Chat mit internen Dokumenten.
Details siehe geschützter Anhang.
Unsere Lösung passt besonders gut zur Challenge, weil sie genau auf die Kombination aus sicherem On-Premises-Betrieb, heterogenen Datenquellen, vorhandenen Berechtigungsstrukturen und quellenbasiertem Chat mit Dokumenten ausgerichtet ist. Die iFinder-Plattform ist seit vielen Jahren für Enterprise Search, Dokumentenerschließung, Konnektoren, Indexierung, Berechtigungsprüfung, Administration und Monitoring im produktiven Einsatz. Der iAssistant ergänzt diese bewährte Basis um KI-gestützte, quellenbasierte Dialogfunktionen und lieferte einen Conversational Chatbot auf Basis von nachvollziehbaren, transparenten Antworten und Trustworthiness.
Die beschriebenen Startquellen der JEN – SharePoint Online/OneDrive, SMB-Fileshares, DMS-Systeme, Intranet-/Wiki-Inhalte und relationale Datenbanken – entsprechen typischen iFinder-Einsatzszenarien. Ebenso adressiert unser Ansatz die zentrale Anforderung, bestehende AD-/AAD-gestützte Rollen- und Gruppenmodelle zu berücksichtigen, sodass Recherche und KI-Antworten nur auf berechtigten Inhalten basieren.
Auch die Dokumentenvielfalt der JEN passt zu unserem Lösungsansatz: Textbasierte und gescannte PDFs, Office-Dokumente, Tabellen, Bilder, Grafiken und technische Zeichnungen können über Extraktion, OCR, Layout-Analyse und perspektivisch multimodale Verfahren erschlossen werden. Quellenbezug, Fundstellenreferenzen und transparente Reaktion bei unzureichender Quellenlage sind integrale Bestandteile unseres Enterprise RAG-Ansatzes.
Die größte Synergie sehen wir in der Verbindung aus marktreifer Standardplattform und schrittweisem Ausbaupfad. JEN benötigt keine Big-Bang-Einführung, sondern einen belastbaren Pilot mit klarer Perspektive für Skalierung, Betrieb und Erweiterung. Genau dafür ist unsere modulare Architektur geeignet: Sie erlaubt einen pragmatischen Start mit ausgewählten Quellen und Nutzergruppen und kann anschließend auf größere Datenräume, weitere Dokumenttypen, zusätzliche Modelle und neue Anwendungsfälle ausgebaut werden.
Ein wesentlicher Teil der Anforderungen wird bereits durch den iFinder-Standard bzw. durch etablierte Standardkomponenten der INTRAFIND-Plattform abgedeckt. Dazu gehören insbesondere die Anbindung typischer Unternehmensquellen über Konnektoren, Crawling und Indexierung, Extraktion von Texten und Metadaten, klassische Volltextsuche, semantische Suche, Facetten, Ranking, Berechtigungsprüfung, Administration, Monitoring sowie der Betrieb in geschützten Unternehmensumgebungen. Auch der quellenbasierte Zugriff über den iAssistant baut auf dieser Standardplattform auf: Antworten werden auf Basis recherchierter und berechtigter Fundstellen erzeugt und mit Quellenbezug bereitgestellt.
Details siehe geschützter Anhang.
Für die Einführung der Lösung greifen wir auf ein etabliertes Vorgehensmodell zurück, das sich in zahlreichen Enterprise-Search- und KI-Projekten bewährt hat. Ziel ist ein pragmatischer, kontrollierter Einstieg mit einem klar abgegrenzten Pilotbetrieb und einer realistischen Perspektive für den späteren Ausbau.
Der Projektstart erfolgt mit einem gemeinsamen Kickoff. Dabei werden fachliche und technische Anforderungen konkretisiert, relevante Use Cases priorisiert, Zielquellen und Nutzergruppen festgelegt sowie die erforderliche Infrastruktur abgestimmt. Auf dieser Basis beginnen die Vorbereitungen für die Installation, etwa Server, Netzwerkzugriffe, Authentifizierung, Berechtigungskonzepte, Konnektorzugänge, Speicher- und Rechenressourcen sowie gegebenenfalls GPU-/Inferenzkomponenten für lokale KI-Modelle.
Details siehe geschützter Anhang.
Für den Betrieb der Lösung sind die technischen Ressourcen abhängig vom gewählten Betriebsmodell, der Anzahl und Art der Datenquellen, der Dokumentenqualität, dem OCR-Anteil, dem gewünschten Antwortzeitverhalten sowie der gewählten lokalen KI- bzw. LLM-Infrastruktur. Für die JEN gehen wir zunächst von einem On-Premises-Betrieb in der geschützten IT-Umgebung der JEN aus. Alternativ können bei Bedarf auch hybride Modelle oder dedizierte Cloud-/SaaS-Komponenten betrachtet werden, etwa für die zeitweise Nutzung externer GPU-Kapazitäten im Pilot. Sie finden dazu Details in der Lösungsskizze.
Details siehe geschützter Anhang.
Unsere Expertise lässt sich durch zahlreiche produktive Installationen und Referenzprojekte in anspruchsvollen Organisationen belegen. INTRAFIND ist seit 25 Jahren als unabhängiger deutscher Softwarehersteller im Markt aktiv und verfügt über mehr als 450 Installationen in Unternehmen, Behörden und öffentlichen Institutionen. Die iFinder-Plattform wird seit vielen Jahren für Enterprise Search, Wissensmanagement, sichere Dokumentenerschließung, Berechtigungsintegration und KI-nahe Informationszugänge eingesetzt.
Details siehe geschützter Anhang.
Unser Ansatz ist langfristig zukunftssicher, weil er auf einer modularen Plattformarchitektur basiert und zentrale technologische Entwicklungen nicht als Einzellösungen, sondern als ausbaubare Produktbausteine integriert. Die Plattform besteht aus iFinder für rechtegeprüfte Suche und Retrieval, iAssistant für quellenbasierte Antworten und Zusammenfassungen sowie iHub für sichere generative KI, lokale Modelle und geschützte KI-Nutzung. Damit trennen wir Datenanbindung, Suche, Berechtigungsprüfung, semantische Verfahren, LLM-Inferenz und Benutzerinteraktion klar voneinander. Einzelne Komponenten wie Modelle, Embeddings, OCR-, Vektor-, Such- oder Konnektorkomponenten können dadurch ausgetauscht, erweitert oder an neue technologische Entwicklungen angepasst werden.
Details siehe geschützter Anhang.
