// Ausgangslage
Viel Wissen, verteilt auf viele Orte
Eine renommierte deutsche Kinoproduktion prüft laufend neue Stoffe und Vorlagen. Dafür recherchiert das Team in öffentlichen Quellen, liest Exposés, führt Gespräche und legt Notizen an. Das Ergebnis dieser Arbeit lag bisher verteilt in Postfächern und Ordnern, vieles auch nur im Gedächtnis einzelner Kolleginnen und Kollegen.
Wer ein Projekt übernahm oder eine ältere Einschätzung brauchte, fing oft wieder von vorn an. Recherchen wurden doppelt gemacht, und bei vielen Aussagen ließ sich später kaum noch nachvollziehen, woher sie stammten.
// Fragestellung
Was soll die KI leisten?
„Wie bekommt das Team jede Recherche an einem Ort zusammen, sodass es später in normaler Sprache danach fragen kann und zu jeder Antwort die Quelle sieht?“
Eine Vorgabe stand von Anfang an fest: Die Plattform liefert Befunde mit Beleg, das Urteil über einen Stoff trifft weiterhin das Team. Eine automatische Bewertung mit einer einzigen Gesamtnote war ausdrücklich nicht gewünscht.
// Vorgehen
Discovery mit dem Produktionsteam
Am Anfang stand eine Discovery-Phase mit den Menschen, die später mit der Plattform arbeiten. In Workshops haben wir aufgenommen, wie Stoffe heute gesichtet werden und welche Quellen das Team dabei tatsächlich nutzt. Daraus entstand ein Anforderungskatalog, das jede Datenquelle einem konkreten Arbeitsschritt zuordnet. Quellen ohne klaren Nutzen kamen gar nicht erst in die erste Ausbaustufe.
Aus der Discovery haben wir vier Anwendungsfälle entlang von Entwicklung und Produktion abgeleitet.
Stoff- und Vorlagensichtung
Das Team lädt eine Logline oder ein Exposé hoch. Die Plattform erstellt daraus ein Stoffprofil und ordnet den Stoff in die Genre-Systematik des Hauses ein. Bevor das Profil weiterverwendet wird, bestätigt oder korrigiert es ein Mensch.
Wissensbasis mit Chat
Jeder Stoff und jedes Projekt bekommt ein eigenes Dossier, das mit jeder Recherche wächst. Per Chat fragt das Team den gesamten Bestand ab. Jede Antwort verweist auf ihre Quelle und nennt das Datum der Erhebung.
Recherche auf Abruf
Reichen die vorhandenen Daten für eine Frage nicht aus, recherchiert ein Agent in freigegebenen öffentlichen Quellen nach und legt das Ergebnis im Dossier ab. So muss dieselbe Recherche kein zweites Mal gemacht werden.
Vergleich und Marktblick
Mehrere Stoffe lassen sich entlang einzelner Kriterien nebeneinanderlegen. Eine redaktionell gepflegte Genre-Systematik zeigt, wo das Publikum Interesse zeigt und wo bislang wenig Angebot existiert.
// Architektur & Datenschutz
Eigene Agenten auf europäischer Infrastruktur
Die Plattform ist eine eigene Webanwendung. Wir haben sie für den Kunden entworfen und entwickelt, sie basiert auf keinem Standardprodukt. Den Aufbau haben wir so gewählt, dass einzelne Bausteine später ausgetauscht werden können, ohne dass die Daten des Teams verloren gehen.
Agenten mit Werkzeugkatalog
Die KI-Agenten greifen über einheitliche Schnittstellen auf freigegebene Datenquellen zu. Jeder Aufruf wird mit seinen Kosten protokolliert, damit das Budget für Modelle und Daten jederzeit sichtbar bleibt.
RAG über den eigenen Bestand
Recherchen und Unterlagen landen strukturiert und verschlagwortet in einer Datenbank mit semantischer Suche. Der Chat beantwortet Fragen auf Grundlage dieses Bestands (Retrieval Augmented Generation) und zeigt bei jeder Aussage, woher sie stammt.
Datenschutz ab dem ersten Entwurf
Die Plattform läuft auf Servern in der EU. Sprachmodelle binden wir über ein austauschbares Gateway an, bevorzugt europäische Anbieter und immer ohne Speicherung der Anfragen beim Modellanbieter. Aus sozialen Netzwerken fließen nur zusammengefasste Werte in die Datenbank, keine personenbezogenen Rohdaten.
Zugang, Rechte und Freigaben
Die Plattform ist nur nach Anmeldung erreichbar. Interne Notizen liegen in einer eigenen Ebene und fließen nie in Auswertungen ein. Jede Datenquelle erhält vor der Aktivierung ein Profil mit Rechtsgrundlage und Aufbewahrungsregel. Neue Schlagworte gibt ein Mensch frei.
Jeder Datenpunkt ist mit Quelle und Erhebungsdatum versehen, zusätzlich hält die Plattform fest, wie verlässlich die Angabe ist. Widersprechen sich zwei Quellen, markiert die Plattform den Konflikt und lässt beide Angaben stehen. Wiederkehrende Werte speichert sie als datierte Momentaufnahmen, damit sich Veränderungen über die Zeit nachvollziehen lassen.
// Einführung & Betrieb
In Stufen eingeführt, an echten Stoffen erprobt
Die Plattform wird in Ausbaustufen eingeführt. Die erste Stufe umfasst die Wissensbasis, den Chat mit Belegen und die wichtigsten Datenquellen. Weitere Quellen und Auswertungen kommen erst hinzu, wenn der Nutzen der bestehenden im Alltag belegt ist.
Erprobt wird die Plattform an realen Stoffen aus der laufenden Arbeit des Teams, sowohl an einer bestehenden Vorlage als auch an einer neuen Idee. Die Rückmeldungen aus diesem Test fließen direkt in die nächste Stufe ein.
Für den Betrieb gibt es eine Deploy-Dokumentation, eine Übersicht aller Schnittstellen mit ihren Lizenzbedingungen und eine laufende Kostenübersicht. So kann der Kunde jederzeit sehen, welche Quelle was kostet und wofür sie genutzt wird.
// Lieferumfang
Das hat der Kunde in der Hand
Anforderungskatalog
Die Ergebnisse der Discovery mit Anwendungsfällen und Datenquellen, jeweils mit Abnahmekriterien.
Webanwendung
Bibliothek, Dossiers, Chat und Stoffsichtung in einer Oberfläche, die das Team im Browser nutzt.
Agenten und Schnittstellen
Eigene Agenten mit angebundenen Datenquellen und einem austauschbaren Zugang zu den Sprachmodellen.
Datenschutzkonzept
Regeln zu Lizenz und Aufbewahrung für jede einzelne Datenquelle, als Grundlage für die Prüfung durch den Datenschutz.
Betriebsdokumentation
Anleitungen für Installation und Deployment auf EU-Infrastruktur sowie eine Übersicht aller Zugänge.
Roadmap
Ein Plan für die weiteren Ausbaustufen, der festhält, welche Funktion wann und unter welcher Bedingung dazukommt.
Wie solche Projekte bei uns ablaufen und welche Bausteine wir einsetzen, lesen Sie auf unserer Seite zu individuellen KI-Lösungen.
// Ähnliches Projekt?
Ihr Wissen an einem Ort, mit Quelle
Wir entwickeln KI-Agenten und Wissensplattformen, die auf Ihren eigenen Unterlagen aufbauen und auf europäischen Servern laufen.