Wie Abteilungsleiter in Unternehmen benutzerdefinierte Glean Assistants sicher erstellen und bereitstellen

In modernen Großunternehmen verlieren Teams jeden Monat tausende Arbeitsstunden bei der Suche nach Informationen, die eigentlich längst im Unternehmen vorhanden sind. Ein Support-Ingenieur durchforstet abgeschlossene Jira-Tickets und Slack-Kanäle, um einen wiederkehrenden Softwarefehler zu diagnostizieren; ein Vertriebsleiter klickt sich durch Ordner in Google Drive und Notizen in Salesforce, um früher genehmigte Sonderrabatte nachzuvollziehen; und die Personalabteilung beantwortet wöchentlich Dutzende Male dieselben Detailfragen zu Elternzeitregelungen oder Homeoffice-Zuschüssen.

Viele Abteilungsleiter haben versucht, diese Ineffizienzen durch interne Chatbot-Eigenentwicklungen oder generische KI-Assistenten zu lösen. Die meisten dieser Initiativen scheitern jedoch spätestens bei der Sicherheits- und Datenschutzprüfung: Wie lässt sich verhindern, dass Mitarbeiter vertrauliche Gehälter der Geschäftsführung über KI-Prompts abfragen? Wie wird garantiert, dass schutzwürdige Kundendaten nicht an externe Modelle abfließen oder zu Trainingszwecken verwendet werden? Und wie stellt man sicher, dass ein automatisierter Workflow keine unautorisierten Schreibvorgänge in geschäftskritischen Kernsystemen ausführt?

Glean überwindet dieses Dilemma durch die Kombination von über 275 Unternehmens-Konnektoren mit einer nativen „Permissions-First“-Architektur. Anstatt eigene Entwicklerteams mit dem mühsamen Aufbau komplexer Retrieval-Augmented-Generation-Pipelines (RAG) zu binden, versetzt Glean Fachbereichsleiter in die Lage, maßgeschneiderte Glean Assistants und Agents per natürlicher Sprache zu erstellen, deren Wissensbasis präzise abzugrenzen und mehrstufige Arbeitsabläufe zu automatisieren – während die Zugriffskontrolllisten (ACLs) der Quellsysteme bei jeder einzelnen Interaktion lückenlos durchgesetzt werden.

Im Folgenden finden Abteilungsleiter einen praxisnahen Leitfaden für die Konzeption, Absicherung, Erprobung und Einführung benutzerdefinierter Glean Assistants.

1. Die Kernarchitektur: Warum Glean Assistants unternehmensweit sicher sind

Herkömmliche KI-Assistenten behandeln das Unternehmenswissen meist wie eine homogene Vektordatenbank. Sobald Dokumente in Textfragmente zerlegt und vektorisiert sind, kann eine gewöhnliche LLM-Anwendung bei einer Abfrage kaum noch zuverlässig prüfen, ob der anfragende Mitarbeiter im ursprünglichen Quellsystem tatsächlich leseberechtigt war.

Glean beruht auf einem grundlegend anderen technischen Fundament:

1. Native Vererbung von Zugriffsrechten (ACL Inheritance): Glean bindet sich direkt an die Identitätsanbieter des Unternehmens (Okta, Microsoft Entra ID, Google Workspace) sowie an die angebundenen Fachanwendungen (Salesforce, Jira, Confluence, SharePoint, ServiceNow, GitHub, Zendesk, Slack) an. Berechtigungen werden kontinuierlich in Echtzeit synchronisiert. Ein Assistant findet und verarbeitet ausschließlich jene Informationen, auf die der konkrete Nutzer im Quellsystem expliziten Zugriff besitzt.
2. Der Enterprise Graph: Glean gleicht nicht nur Schlüsselwörter oder Vektoren ab, sondern modelliert Organisationsstrukturen, Teamzugehörigkeiten, Kommunikationsmuster und Dokumenten-Lebenszyklen, um den geschäftlichen Kontext tiefgreifend zu verstehen.
3. Multi-LLM-Routing (Glean Intelligence): Anfragen werden dynamisch an das jeweils am besten geeignete Sprachmodell weitergeleitet (wie Claude 3.5 Sonnet, GPT-4o oder Gemini 1.5 Pro) oder über firmeneigene, private Endpunkte in AWS Bedrock, Azure OpenAI oder GCP Vertex AI verarbeitet.
4. Mandantenisolierung und Zero-Data-Retention: Sämtliche Daten werden in einer isolierten Single-Tenant-VPC oder in der vom Kunden selbst verwalteten Cloud verarbeitet. Durch strenge Enterprise-Vereinbarungen speichern die Anbieter der Basismodelle keinerlei Kundenanfragen und nutzen diese unter keinen Umständen für das Training öffentlicher Modelle.

2. Abteilungsbezogene Anwendungsfälle und messbarer ROI

Bevor die Konfiguration beginnt, sollten Abteilungsleiter gezielt Arbeitsabläufe mit hoher Abfragefrequenz, verteilter Dokumentenlage und nachgelagerten Handlungsschritten auswählen:

3. Schritt-für-Schritt: Einen benutzerdefinierten Glean Assistant erstellen

Die Erstellung eines Assistenten in Glean erfordert keinerlei Programmieraufwand. Abteilungsleiter oder benannte Moderatoren führen die Konfiguration über die intuitive Benutzeroberfläche aus:

Schritt 1: Rolle, Zielsetzung und Richtlinien festlegen

Öffnen Sie den Bereich Glean Apps / Agents und starten Sie die Erstellung eines neuen Assistenten über den System-Prompt:

• Rolle und Zielgruppe: Definieren Sie die Funktion präzise (z. B.: „Du bist der spezialisierte Tier-2-Support-Assistent für Enterprise-Kunden“).
• Antwortton und Genauigkeit: Legen Sie Struktur und Detailtiefe fest (z. B.: „Antworte in nummerierten Prüfschritten, verlinke interne Originaldokumente und weise eindeutig darauf hin, wenn ein Problem an das Entwicklerteam eskaliert werden muss“).
• Negative Leitplanken (Negative Guardrails): Schließen Sie unerwünschte Verhaltensweisen explizit aus (z. B.: „Spekuliere nicht über ungeprüfte Veröffentlichungstermine und verweigere Antworten zu individuellen Vergütungen strikt“).

Schritt 2: Wissensquellen gezielt eingrenzen

Während der allgemeine unternehmensweite Glean Assistant auf das gesamte Firmenwissen zugreifen kann, arbeitet ein spezialisierter Assistant deutlich präziser, wenn seine Quellen eingegrenzt werden:

• Kuratierte Sammlungen (Collections): Fassen Sie verifizierte Betriebshandbücher, Standardarbeitsanweisungen (SOPs) oder Vertriebsleitfäden in thematischen Sammlungen zusammen.
• Filter nach Anwendungen und Ordnern: Beschränken Sie den Suchraum auf bestimmte Confluence-Bereiche, Jira-Projekte, Google-Drive-Ordner oder öffentliche Slack-Kanäle, um Rauschen und Halluzinationen zu minimieren.
• Priorisierung nach Aktualität: Weisen Sie den Assistant an, bei inhaltlichen Widersprüchen stets der jüngsten Version eines Dokuments den Vorrang zu geben.

Schritt 3: Aktionen anbinden und Freigabemechanismen etablieren

Der größte Mehrwert entsteht, wenn ein Assistent nicht nur Fragen beantwortet, sondern eigenständig Aufgaben erledigt. Mithilfe von Glean Actions und Standard-Konnektoren lassen sich Drittsysteme anbinden:

• Leseaktionen: Echtzeitabfrage des Status einer Verkaufschance in Salesforce oder des Bearbeitungsstands eines Vorfalls in ServiceNow.
• Schreibaktionen: Erstellen von Jira-Tickets, Entwerfen von Follow-up-E-Mails oder Eintragen von Notizen im CRM.
• Steuerung der Ausführungsstufe („Immer zulassen“ vs. „Freigabe erforderlich“): Unbedenkliche Leseabfragen werden auf Immer zulassen (Always Allow) gesetzt. Für schreibende oder verändernde Operationen (wie das Anlegen eines Fehlertickets, die Statusänderung eines Großkunden oder Rundnachrichten) ist die Einstellung Freigabe erforderlich (Needs Approval) zwingend geboten. Der Assistent zeigt in diesem Fall eine Vorschaukarte an, die der Nutzer vor der Ausführung manuell bestätigen muss.

Schritt 4: Validierung in der Sandbox

Vor dem Rollout an die gesamte Abteilung muss der Assistent umfassend getestet werden:

• Berechtigungsprüfung: Führen Sie identische Abfragen mit Accounts unterschiedlicher Berechtigungsstufen durch (z. B. Praktikant vs. Abteilungsleiter), um sicherzustellen, dass geschützte Dokumente für nicht berechtigte Nutzer unsichtbar bleiben.
• Umgang mit Widersprüchen: Konfrontieren Sie den Assistenten mit veralteten oder widersprüchlichen Dokumenten, um zu prüfen, ob er Diskrepanzen offenlegt, anstatt unbegründete Vermutungen anzustellen.
• Abwehr von Prompt Injections: Testen Sie gezielte manipulative Eingaben, die versuchen, Systemregeln auszuhebeln. Glean Protect wehrt Prompt-Injection-Versuche zur Laufzeit mit einer nachgewiesenen Erkennungsgenauigkeit von 96,9 % zuverlässig ab.

4. Unternehmenssicherheit und Governance: Das AWARE-Framework und Glean Protect

Der unternehmensweite Einsatz generativer KI setzt die uneingeschränkte Zustimmung des CISO und der Sicherheitsabteilung voraus. Glean setzt hierfür das AWARE-Framework um, das gemeinsam mit Sicherheitsexperten von Databricks und Palo Alto Networks Unit 42 entwickelt wurde und im Sicherheitsmodul Glean Protect verankert ist:

1. Akteursabsicht und Identität (Actor Intent)

Jede Interaktion wird über den Identity Provider des Unternehmens (SSO/SAML/SCIM) authentifiziert. Glean unterscheidet dabei strikt:

• Benutzeridentität (User Identity): Der Assistent übernimmt exakt die Zugriffsrechte des angemeldeten Mitarbeiters. Eine Privilegienerweiterung über die KI ist ausgeschlossen.
• Agentenidentität (Agent Identity): Führen autonome Agenten asynchrone Aufgaben im Hintergrund über Slack oder Jira aus, nutzen sie dedizierte Dienstkonten mit minimalen Rechten und eigener Nachverfolgbarkeit.

2. Schutz des Arbeitskontexts (Work Context)

Um Datenrisiken durch versehentlich unternehmensweit freigegebene Dokumente zu begegnen, greifen automatisierte Schutzmechanismen:

• Richtlinien für sensible Daten: Erkennt und verbirgt automatisch übermäßig freigegebene Dokumente, die personenbezogene Daten (PII), Kreditkartennummern, Zugangsdaten oder interne Finanzberichte enthalten.
• Richtlinien für eingeschränkte Themen (Restricted Topics): Abteilungsleiter können thematische Sperren in natürlicher Sprache vorgeben (z. B.: „Blockiere Anfragen zu Mitarbeiterbewertungen, Gehaltstabellen und laufenden Rechtsstreitigkeiten“).
• Triage-Workflows: Sicherheitsteams können gefundene Schwachstellen zentral prüfen, Dateien mit einem Klick aus der Suche entfernen und Benachrichtigungen an SIEM/SOAR-Systeme wie Tines oder Splunk weiterleiten.

3. Autonome Leitplanken (Autonomous Guardrails)

Um zu verhindern, dass mehrstufige Agenten vom beabsichtigten Ziel abdriften, überprüft ein Abgleichsmodell (Alignment Model) geplante Schreibaktionen vor ihrer Ausführung auf Übereinstimmung mit dem ursprünglichen Auftrag.

4. Risikobewertung und Bedrohungsabwehr in Echtzeit (Real-Time Risk Scoring)

Eingehende und ausgehende Datenströme werden kontinuierlich auf indirekte Prompt-Injection-Angriffe überprüft, die über externe Webinhalte, eingehende E-Mails oder Dokumentenanhänge eingeschleust werden könnten.

5. Umfassende Auditierbarkeit (Ecosystem Observability)

Jede gestellte Frage, jede zitierte Quelle, jedes aufgerufene Tool und jede generierte Antwort wird in einem unveränderbaren Audit-Trail protokolliert. Diese Protokolle können direkt in das unternehmenseigene SIEM gestreamt werden, wodurch Vorgaben nach SOC 2 Type II, ISO 27001, ISO 42001 (der internationale Standard für KI-Managementsysteme), HIPAA und DSGVO lückenlos eingehalten werden.

5. Rollout-Strategie und organisatorisches Change Management

Die erfolgreiche Einführung erfordert ein schrittweises Vorgehen:

[Phase 1: Pilotierung & Validierung]
  └── Abteilungsleiter + 5 bis 10 Kernanwender
  └── Schärfung des System-Prompts, Aufbau verifizierter Collections, ACL-Prüfung
        │
        ▼
[Phase 2: Abteilungsweiter Rollout]
  └── Freigabe für die Zielabteilung über die Glean App Library
  └── Einbindung in bestehende Arbeitsumgebungen (Slack, Teams, Browser-Erweiterung)
  └── Überwachung genehmigungspflichtiger Aktionen und Auswertung von Anwender-Feedback
        │
        ▼
[Phase 3: Kontinuierliche Optimierung]
  └── Auswertung von Nutzungskennzahlen, Wissenslücken (Knowledge Gaps) und Ticket-Deflexion
  └── Aktualisierung von Ausgangsdokumenten und schrittweise Anbindung weiterer Aktionen

Praktische Empfehlungen für Führungskräfte

1. Zuerst präzise Auskunft, danach automatische Schreibaktionen: Etablieren Sie den Assistenten im ersten Schritt als verlässliche Recherchehilfe für Richtlinien und technische Handbücher. Erst wenn das Vertrauen im Team gefestigt ist, sollten automatisierte Schreibrechte freigeschaltet werden.
2. Den Assistenten dorthin bringen, wo bereits gearbeitet wird: Zwingen Sie Mitarbeiter nicht auf separate Portale. Binden Sie den Assistant über Gleans Chat-API direkt in vorhandene Slack-Kanäle, Teams-Chats oder Browser-Seitenleisten ein.
3. Wissensverantwortliche benennen: Prüfen Sie regelmäßig die von Glean gemeldeten „unbeantworteten Fragen“ (Knowledge Gaps). Wenn der Assistent wiederholt keine Antwort findet, fehlt es meist an der Dokumentation in den Quellsystemen – ein direkter Anstoß für Fachautoren, Dokumente nachzupflegen.

6. Fazit und strategischer Ausblick

Bei der Auswahl einer unternehmensweiten KI-Lösung stehen Führungskräfte meist vor drei Wegen:

1. Ökosystem-gebundene Assistenten (z. B. Microsoft 365 Copilot): Sehr stark innerhalb der Office-Suite, jedoch mit erheblichem Integrations- und Berechtigungsaufwand konfrontiert, sobald Drittanbieter-Tools wie Jira, Salesforce, ServiceNow oder GitHub gleichberechtigt einbezogen werden müssen.
2. Eigenentwickelte RAG-Lösungen (LangChain / LlamaIndex / Vektordatenbanken): Bieten theoretische Gestaltungsfreiheit, erfordern aber permanente Eigenentwicklung von Konnektoren und scheitern in der Praxis fast immer an der feingranularen, dynamischen Nachbildung von ACL-Berechtigungen bei IT-Sicherheitsaudits.
3. Glean Plattform mit maßgeschneiderten Assistants: Bietet einsatzbereite Anbindung an über 275 Unternehmensanwendungen, No-Code-Erstellung, intelligentes Multi-LLM-Routing und zertifizierte Enterprise-Sicherheit gemäß ISO 42001 und AWARE.

Für Abteilungsleiter, die zeitraubende manuelle Suchen in ihren Teams sofort beenden und Arbeitsabläufe spürbar beschleunigen wollen, ohne Kompromisse bei der Datensicherheit einzugehen, bietet Glean den schnellsten und sichersten Weg zur produktiven KI-Nutzung.

Referenzen

• Build Custom Generative AI Apps & Agents for Enterprise
• Enterprise AI Assistant for Work | Glean
• AI Security: Protecting Enterprise Data with Glean
• How to Deploy AI Agents With Confidence: Introducing AWARE and New Glean Protect Capabilities