Benutzerdefinierte Ernie-Bot-Agenten für interne Wissenssuche und FAQ-Automatisierung erstellen

In vielen Unternehmen binden wiederkehrende Anfragen zu Personalrichtlinien, IT-Supportprozessen, Reiserichtlinien und Produktvorgaben erhebliche Arbeitszeit von Fachkräften. Allgemeine KI-Chatassistenten sind zwar in der Lage, öffentlich zugängliches Wissen präzise zusammenzufassen, besitzen jedoch keinen Zugriff auf interne Betriebshandbücher und vertrauliche Firmenrichtlinien. Im KI-Ökosystem von Baidu können Fachabteilungen und Wissensarbeiter dieses Problem ohne Programmieraufwand lösen, indem sie benutzerdefinierte Agenten über die Plattform Ernie Bot AgentBuilder (agents.baidu.com) einrichten.

Durch die Verknüpfung der ERNIE-Sprachmodelle mit einer nativen RAG-Architektur (Retrieval-Augmented Generation) verwandelt AgentBuilder statische Richtlinien, Handbücher und Excel-Tabellen in dialogfähige Assistenten, die verlässliche Antworten liefern und jede Auskunft mit Quellenangaben belegen.

Funktionsprinzip: Wie Ernie AgentBuilder die Wissenssuche optimiert

Klassische Volltextsuchen in Unternehmen beruhen meist auf exakten Stichwörtern und zwingen Mitarbeiter dazu, seitenlange PDF-Dokumente manuell nach Reisekostensätzen oder VPN-Konfigurationen zu durchsuchen. Umgekehrt neigen herkömmliche Sprachmodelle ohne Wissensverankerung bei internen Sachverhalten zu plausiblen, aber frei erfundenen Antworten (Halluzinationen).

Der Ernie AgentBuilder schließt diese Lücke über eine visuelle No-Code-Pipeline:

1. Dokumentenverarbeitung und Segmentierung (Chunking): Die Plattform unterstützt gängige Dateiformate (PDF, DOCX, TXT, Markdown, PPT) sowie strukturierte Tabellen (XLSX, CSV). Das System bereinigt das Layout, unterteilt den Text semantisch in zusammenhängende Abschnitte (Chunks) und überführt diese in Vektoreinbettungen (Embeddings).
2. Hybride semantische Suche: Stellt ein Mitarbeiter eine Frage in natürlicher Sprache, ermittelt die Suchmaschine über Vektorähnlichkeit und Stichwortabgleich die inhaltlich relevantesten Abschnitte.
3. Kontextuelle Verankerung (Prompt Grounding): Die abgerufenen Textauszüge werden gemeinsam mit der Benutzerfrage in den Kontext des ERNIE-Modells eingespeist, flankiert von strikten Antwortrichtlinien.
4. Belegte Antworten mit Quellenverweisen: Der Agent formuliert eine prägnante Antwort und blendet anklickbare Verweise auf die exakten Originalpassagen ein. Mitarbeiter können die Richtigkeit der Vorgabe somit sofort eigenständig verifizieren.

Schritt-für-Schritt-Anleitung zur Erstellung des internen FAQ-Agenten

Der Aufbau eines praxistauglichen Frage-Antwort-Agenten gliedert sich in fünf aufeinanderfolgende Phasen: Dokumentenvorbereitung, Agentenerstellung, Wissensdatenbank-Anbindung, Prompt-Gestaltung und Validierung.

Schritt 1: Wissensbestände strukturieren und vorbereiten

Die Antwortqualität des Bots hängt maßgeblich von der Struktur der Quelldaten ab. Es empfiehlt sich, zwei Dokumentkategorien zu unterscheiden:

• Strukturierte FAQ-Tabellen (Optimal für eindeutige Richtlinien): Für klar abgegrenzte Vorschriften (z. B. Reisekostenpauschalen, Urlaubsanträge, Genehmigungshierarchien) bietet sich eine Excel-Tabelle (.xlsx) oder CSV-Datei mit drei Spalten an: Standardfrage, Alternative Formulierungen (z. B. „Wie rechne ich Taxikosten ab?“ und „Reisekosten Firmenwagen“) sowie Offizielle Antwort. FAQ-Tabellen verhindern Kontextverluste durch automatische Texttrennung und gewährleisten eine Trefferquote von nahezu 100 %.
• Fließtext-Handbücher und Verfahrensanweisungen: Für umfangreiche Leitfäden, Onboarding-Dokumente oder technische Anleitungen können saubere .pdf-, .docx- oder .md-Dateien hochgeladen werden. Vor dem Import sollten veraltete Versionsvermerke, unleserliche Scans und überflüssige Kopfzeilen entfernt werden.

Schritt 2: Agenten im Ernie AgentBuilder anlegen

1. Rufen Sie die Konsole von Ernie AgentBuilder (https://agents.baidu.com/) auf und melden Sie sich mit einem Baidu-Konto an.
2. Klicken Sie im Dashboard auf Agent erstellen (创建智能体).
3. Wählen Sie den Erstellungsmodus:
   • No-Code-Erstellung via natürlicher Sprache: Beschreiben Sie den Zweck in Textform (z. B.: „Erstelle einen HR-Assistenten, der Fragen zu Vergütungsrichtlinien anhand der hochgeladenen Dokumente beantwortet“), woraufhin das System ein Basisprofil generiert.
   • Low-Code visuelle Konfiguration (Empfohlen): Ermöglicht die detaillierte Kontrolle über System-Prompts, Wissensquellen, Antwortgrenzen und Parameter.
4. Hinterlegen Sie die Stammdaten: Name des Agenten (z. B. OpsDesk Wissensassistent), Profilbild und eine kurze Tätigkeitsbeschreibung.

Schritt 3: Wissensbasis erstellen und verknüpfen

1. Navigieren Sie im Konfigurationsmenü zum Bereich Wissensdatenbank (知识库) und wählen Sie Wissensdatenbank hinzufügen.
2. Erstellen Sie eine neue Wissensbasis und laden Sie Ihre FAQ-Tabellen und Handbücher hoch.
3. Segmentierungsstrategie prüfen:
   • Für beschreibende Fließtexte genügt in der Regel die automatische Aufteilung der Plattform.
   • Bei Handbüchern mit eng verzahnten Paragraphen sollte die Segmentgröße so angepasst werden, dass zusammenhängende Vorschriften nicht willkürlich zerschnitten werden.
4. Abrufparameter konfigurieren: Aktivieren Sie die Priorisierung der Wissensdatenbank und legen Sie einen Relevanzschwellenwert fest, damit das Modell nicht auf allgemeines Trainingswissen ausweicht, wenn interne Regeln anzuwenden sind.

Schritt 4: System-Prompt verfassen und Halluzinationen unterbinden

Der System-Prompt definiert die Verhaltensregeln des Agenten und stellt sicher, dass Wissenslücken transparent kommuniziert werden:

# Rolle und Aufgabe
Du bist OpsDesk, der interne Wissensassistent des Betriebsteams. Deine Aufgabe ist es, Mitarbeiterfragen zu betrieblichen Prozessen und Richtlinien präzise und ausschließlich auf Basis der verknüpften Wissensdatenbank zu beantworten.

# Verhaltensregeln
1. Strikte Wissensbindung: Antworte ausnahmslos auf Grundlage der abgerufenen Dokumentenauszüge. Triff keine unbegründeten Annahmen und erfinde keine Richtlinien oder Zahlen.
2. Quellenangabe: Nenne bei der Angabe von Grenzwerten, Fristen oder Zuständigkeiten stets den Namen des jeweiligen Dokuments und den entsprechenden Abschnitt.
3. Vorgehen bei fehlenden Informationen: Wenn eine Mitarbeiterfrage nicht durch die hinterlegte Wissensbasis beantwortet werden kann, antworte verbindlich und höflich: „Diese Information ist in den aktuellen internen Dokumenten nicht hinterlegt. Bitte wenden Sie sich direkt an das Support-Team unter #ops-support.“ Es ist strengstens untersagt, Antworten zu improvisieren.
4. Tonalität: Sachlich, präzise, lösungsorientiert und klar gegliedert.

Ergänzen Sie eine ansprechende Begrüßungsnachricht und Beispielfragen (z. B. „Wie hoch ist die Hotelkostenpauschale?“, „Wo finde ich den Antrag für Softwarelizenzen?“), um Mitarbeitern den Einstieg zu erleichtern.

Schritt 5: Testen, Fehlerbehebung und Quellenprüfung

Nutzen Sie das interaktive Testfenster auf der rechten Seite der Konsole für praxisnahe Überprüfungen:

1. Paraphrasentests: Formulieren Sie Fragen mit Synonymen, Abkürzungen oder umgangssprachlichen Begriffen, um die semantische Treffsicherheit des Vektorabrufs zu kontrollieren.
2. Grenzbereichstests: Stellen Sie Fragen zu Themen, die bewusst nicht in den Unterlagen enthalten sind, um sicherzustellen, dass die Standard-Absage ausgelöst wird.
3. Quellenabgleich: Klicken Sie auf die angezeigten Belegstellen unterhalb der Antwort, um zu prüfen, ob der hervorgehobene Textabschnitt die getroffene Aussage stützt.
4. Schwellenwerte justieren: Falls vorhandene Inhalte nicht aufgefunden werden, senken Sie den Relevanzschwellenwert geringfügig oder tragen Sie alternative Fragestellungen in die FAQ-Tabelle ein.

Schritt 6: Veröffentlichung und interne Bereitstellung

Klicken Sie nach erfolgreicher Validierung auf Veröffentlichen (发布):

• Eingeschränkter Link-Zugriff: Generieren Sie einen internen Zugriffslink für berechtigte Mitarbeiter. Diese können den Assistenten im Webbrowser als Lesezeichen ablegen, ohne dass vertrauliche Informationen öffentlich werden.
• Einbindung in Baidu-Tools: Bei entsprechender Kontokonfiguration kann der Agent auch direkt über die Weboberfläche von Ernie Bot (yiyan.baidu.com) aufgerufen werden.

Vergleich: Ernie AgentBuilder vs. Baidu Qianfan Plattform

Bei der Konzeption von KI-Projekten im Baidu-Ökosystem stehen Unternehmen häufig vor der Wahl zwischen AgentBuilder und der Cloud-Entwicklungsplattform Qianfan (cloud.baidu.com/product/qianfan.html):

Für den internen Abruf von Richtlinien und die Entlastung operativer Support-Kanäle bietet AgentBuilder den schnellsten Nutzen, da weder Entwicklerkapazitäten noch Serverkonfigurationen erforderlich sind.

Empfehlungen für die kontinuierliche Wissenspflege

1. Einheitliche Informationsquelle sicherstellen: Bei Richtlinienänderungen sollten die bestehenden Dateien in der Wissensdatenbank direkt ersetzt und veraltete Stände sofort gelöscht werden, um Widersprüche zu vermeiden.
2. Nicht beantwortete Fragen auswerten: Prüfen Sie regelmäßig die Interaktionsprotokolle auf wiederkehrende Anfragen, bei denen der Bot keine Daten finden konnte, und pflegen Sie diese gezielt in die FAQ-Tabelle ein.
3. Konzeptionelle Texte von festen Grenzwerten trennen: Nutzen Sie Fließtext-Dokumente für zusammenhängende Erläuterungen und strukturierte Tabellen für numerische Grenzwerte, Zuständigkeiten und Fristen.

Durch den Einsatz eines maßgeschneiderten Ernie-Bot-Agenten etablieren Unternehmen einen verlässlichen Selbstbedienungskanal für internes Wissen, reduzieren manuelle Routinekorrespondenz und stellen eine einheitliche Informationsvermittlung sicher.

Referenzen

• 文心智能体平台AgentBuilder | 想象即现实
• 文心智能体平台-文档中心
• 百度文心助手 - 办公学习一站解决
• 千帆大模型平台-百度智能云