Erweiterte Funktionen anwenden
Dieser Abschnitt erklärt erweiterte Knowledge Bot-Funktionen, mit denen Sie Einstellungen für bessere Genauigkeit, optimierte Suchergebnisse und verbesserte Antworten anpassen können.
Last updated
Dieser Abschnitt erklärt erweiterte Knowledge Bot-Funktionen, mit denen Sie Einstellungen für bessere Genauigkeit, optimierte Suchergebnisse und verbesserte Antworten anpassen können.
Last updated
Agents sind wiederverwendbare, anpassbare Prompt-Shortcuts, die dabei helfen, Aufgaben zu optimieren, Zeit zu sparen und die Produktivität zu steigern. Sie ermöglichen die Automatisierung spezifischer Anfragen und gewährleisten Konsistenz und Effizienz bei den Antworten.
Effizienz – Reduzieren Sie sich wiederholendes Tippen und automatisieren Sie häufig verwendete Prompts.
Konsistenz – Stellen Sie sicher, dass Antworten einem strukturierten und standardisierten Format folgen, besonders in wachsenden Teams.
Anpassbarkeit – Passen Sie Agents an spezifische Arbeitsabläufe und Ihre Bedürfnisse an.
Zusammenarbeit – Teilen Sie Agents innerhalb Ihrer Organisation für einheitliche Antworten.
Schnellere Entscheidungsfindung – Generieren Sie sofort Berichte, Zusammenfassungen und Empfehlungen.
Es ist möglich, benutzerdefinierte Agents zu erstellen oder Blockbrains vorgefertigte Agents für eine schnelle und einfache Implementierung zu nutzen. Aktivieren Sie einfach die vorgefertigten Agents oder erstellen Sie den eigenen benutzerdefinierten Agent Ihrer Organisation über die Bot-Einstellungen.
Um Ihre Agents organisiert zu halten, können Sie Kategorien erstellen und jeden Agent entsprechend kennzeichnen. Dies hilft die Navigation zu verbessern, besonders wenn mehrere aktive Agents verwaltet werden.
Wandeln Sie Ihre häufig verwendeten Prompts in Agenten um, damit Sie komplexe Anfragen mit einem einzigen Klick auslösen können. Hier sind einige praktische Möglichkeiten, Agenten zu nutzen:
Dokumente zusammenfassen – Laden Sie lange Dokumente hoch und nutzen Sie einen Agenten, um prägnante Zusammenfassungen im gewünschten Format zu erstellen.
Berichte erstellen – Sammeln Sie verschiedene Informationen und strukturieren Sie diese in einem gut organisierten Bericht.
Ton & Stil verfeinern – Verbessern Sie die Klarheit von Texten, vereinfachen Sie sie oder passen Sie den Ton an Ihre Zielgruppe an.
Strategieentwicklung – Analysieren Sie Unternehmensdaten und nutzen Sie einen Agenten, um geschäftliche Erkenntnisse oder Zusammenfassungen zu generieren.
Verkaufs-E-Mails erstellen – Geben Sie Kunden- und Projektdetails ein und lassen Sie einen Agenten eine personalisierte Verkaufs-E-Mail generieren.
Hier sind einige bewährte Praktiken, um sicherzustellen, dass Ihre Agenten effektiv arbeiten und sich nahtlos in Ihren und den Workflow Ihres Teams integrieren:
Verwenden Sie klare und beschreibende Namen – Stellen Sie sicher, dass jeder Agent leicht zu identifizieren und zu verwenden ist.
Organisieren Sie Agenten in Kategorien – Gruppieren Sie Agenten nach Funktionen für eine bessere Navigation.
Testen und verfeinern Sie Prompts regelmäßig – Verbessern Sie die Antwortqualität im Laufe der Zeit.
Fördern Sie Teamzusammenarbeit – Teilen und standardisieren Sie Agenten, um die Effizienz teamübergreifend zu verbessern.
Wenn Sie diese bewährten Praktiken befolgen, können Sie die Effektivität von Agenten maximieren und einen optimierten, automatisierten Arbeitsablauf schaffen.
Workflows ermöglichen es Ihnen, mehrstufige Prompts zu automatisieren und machen komplexe Interaktionen strukturierter und effizienter. Im Gegensatz zu Agents, die als Einzelprompt-Shortcuts fungieren, führen Workflows die KI durch eine Sequenz von Prompts, um eine genauere und verfeinerte Endantwort sicherzustellen. Wenn in einem einzelnen Prompt zu viel verlangt wird, kann die KI Schwierigkeiten haben, präzise Antworten zu verarbeiten und zu liefern. Workflows unterteilen komplexe Anfragen in überschaubare Schritte und verbessern so die Genauigkeit und Relevanz in jeder Phase.
Verbesserte Genauigkeit – Die KI liefert präzisere Antworten bei strukturierten, schrittweisen Prompts.
Bessere Kontextbeibehaltung – Jeder Schritt baut auf vorherigen Antworten auf und führt zu einem kohärenteren Endergebnis.
Skalierbarkeit – Automatisieren Sie wiederkehrende, mehrstufige Aufgaben, um Zeit zu sparen und die Effizienz zu steigern.
Neuen Workflow anlegen
Navigieren Sie zu den Bot-Settings und wählen Sie den Bereich "Workflows"
Klicken Sie auf "New Workflow", um einen neuen Workflow zu erstellen
Mit einem Klick auf die drei Punkte neben dem Workflow können Sie diesen bearbeiten und dort Titel sowie Beschreibung festlegen
Steps konfigurieren
Im rechten Teil der Workflow-Settings können Sie verschiedene Steps anlegen
Klicken Sie auf einen Step, um:
Einen Namen festzulegen
Den Step-Type zu definieren
Das LLM auszuwählen, mit dem dieser Step durchgeführt werden soll
Instructions zu definieren
In den "Instructions" legen Sie den entsprechenden Prompt für den Workflow-Step fest
Bei diesem Schritt können Sie auch bereits erstellte Agents in den Workflow einbauen
Aktivieren Sie den Schalter "Web Research", falls in diesem Step Online-Suchergebnisse berücksichtigt werden sollen
Ausführungsmodi
Execution Mode
Autopilot: Der Workflow läuft automatisch von Start bis Ende
Human in the Loop:
Der Workflow bearbeitet jeden Schritt einzeln
Sie haben die Möglichkeit, nach jedem Schritt den Output zu bearbeiten
Sie müssen bei der Ausführung zwischen allen Steps "Continue" klicken, um den Workflow fortzusetzen
Workflow Trigger
Automatic: Workflow startet, wenn eine Datei hochgeladen oder ein Input eingegeben wird
Manuell: Sie starten den Workflow selber nach Bedarf
Hier sind einige praktische Möglichkeiten, Workflows zu integrieren:
Erstellung einer Markenanalyse – Ein strukturierter Workflow kann eine tiefgehende Analyse der Unternehmenspositionierung automatisieren. Beginnen Sie mit der Analyse von Branchentrends, sammeln Sie dann Wettbewerbseinblicke und führen Sie schließlich eine interne Bewertung der Dienstleistungen und Gesamtleistung durch. Dieser Ansatz gewährleistet eine gut recherchierte und strategische Markenanalyse.
Verfassen eines Verkaufsangebots – Ein Workflow kann bei der Strukturierung eines überzeugenden Verkaufsgesprächs helfen. Beginnen Sie mit einer Zusammenfassung der Kundenbedürfnisse und Schmerzpunkte. Skizzieren Sie dann das Werteversprechen Ihres Unternehmens und wie es diese Bedürfnisse konkret adressiert. Erstellen Sie anschließend einen detaillierten Vorschlag mit Preisen und Leistungen und verfeinern Sie abschließend die Sprache, um einen überzeugenden und ansprechenden Ton sicherzustellen.
Um die Effektivität Ihrer Workflows zu maximieren, ist es wichtig, sie mit Klarheit, Kontinuität und Präzision zu gestalten. Befolgen Sie diese bewährten Praktiken für eine reibungslose Ausführung und optimale KI-Leistung:
Komplexe Prompts aufteilen – Konzentrieren Sie sich pro Schritt auf eine spezifische Anfrage.
Kontinuität sicherstellen – Jeder Prompt sollte auf vorherigen Antworten aufbauen.
Klar und spezifisch sein – Definieren Sie nicht verhandelbare "Must-have"-Informationen.
Präzise, strukturierte Prompts verwenden – Vermeiden Sie vage oder zu allgemeine Anweisungen.
Kontext bereitstellen – Geben Sie bei Bedarf Hintergrundinformationen.
LLM-Modell anpassen – Wählen Sie das beste Modell für jede Aufgabe, um die Ausgabequalität zu verbessern.
Der Intent Agent ist eine Funktion, die Benutzer aktivieren können, um die KI-Effizienz zu steigern. Durch das Bereitstellen von Beschreibungen für Ordner ermöglicht der Intent Agent der KI, die Datenbank zu durchsuchen und zu bewerten, welche Informationen für Benutzer am relevantesten sind. Die KI nutzt diese Ordnerbeschreibungen, um die Ordner zu identifizieren und zu priorisieren, die mit höchster Wahrscheinlichkeit relevante Informationen enthalten.
Diese Funktion verwandelt Datenbanken von einfachen Dateiablagen in strukturierte Ressourcen, die für eine schnelle und präzise Datenabrufung optimiert sind.
Verbesserte Effizienz: Reduziert die Zeit für das Durchsuchen irrelevanter Ordner durch gezielte Suche in relevanten Bereichen.
Optimierte Workflows: Vereinfacht das Auffinden des richtigen Ordners, besonders bei wachsenden und komplexeren Datenbanken.
Schnellere Ergebnisse: Identifiziert und ruft die relevantesten Informationen zeitsparend ab.
Ressourcenoptimierung: Spart Rechenleistung durch Priorisierung relevanter Daten.
Ordnerbeschreibungen: Benutzer erstellen kurze Beschreibungen für jeden hochgeladenen Ordner, damit die KI den Inhalt besser versteht.
Intelligentes Scannen: Die KI analysiert zuerst diese Ordnerbeschreibungen vor der Verarbeitung großer Datenmengen.
Relevanzbeurteilung: Die KI identifiziert die Ordner mit der höchsten Wahrscheinlichkeit für relevante Informationen.
Gezielte Suche: Die KI konzentriert sich auf die Durchsuchung der vielversprechendsten Ordner.
Komplexe und große Ordner vermeiden:
Dateien in klar definierte Unterordner nach Themen, Themengebieten oder Kategorien organisieren.
Beispiel: Einen großen Abteilungsordner in kleinere, projektspezifische Unterordner für die gesamte Vertriebsabteilung aufteilen.
Ordnertiefe begrenzen:
Flache Ordnerstrukturen mit maximal vier Ebenen beibehalten.
Beispiel:
Hauptordner → 1. Unterordner
Unterordner #1 → 2. Unterordner
Unterordner #2 → 3. Unterordner
Unterordner #3 → 4. Unterordner
Datenbank sauber halten:
Regelmäßig Duplikate, ungenutzte Dokumente und andere unnötige Dateien entfernen.
Einheitliche Beschriftung:
Standardisierte Namenskonvention für Dateien erstellen, inklusive relevanter Schlüsselwörter und Daten.
Vollständige Dateiinformationen sicherstellen:
Alle Dokumente sollten die notwendigen Details für potenzielle Anfragen enthalten.
Beispiel A: Unternehmensvorlagen klar kennzeichnen und "Vorlage" im Dateinamen verwenden.
Beispiel B: Verantwortlichkeiten und Aufgabenbereiche jedes Teams in Dokumenten aufführen.
Relevante Datenbanken verknüpfen:
Verwandte Datenbanken mit Ihrem Data Room verbinden für konsistente Antworten.
Klein anfangen:
Zunächst Beschreibungen für komplexe Ordner erstellen, aber alle Ordner klar und beschreibend gestalten.
Datenbankgröße angemessen verwalten:
Bis zu 1.000 Ordner mit Beschreibungen möglich, aber schrittweise erweitern für gute Organisation.
Kontext bereitstellen:
Ordnerinhalt klar beschreiben und Verwendungszweck erläutern.
Beschreibungen kurz halten:
Beschreibungen auf 500-800 Zeichen begrenzen für Klarheit und Lesbarkeit.
Schlüsselwörter verwenden:
Häufig mit dem Inhalt verbundene Wörter einbauen für bessere Suche.
Direkt sein:
Unnötige Einleitungen vermeiden, auf wesentliche Details konzentrieren.
Beispiel:
Vorher: Der Ordner 'Ordnername' enthält wichtige Dateien.
Nachher: Dieser Ordner enthält Dateien zu XYZ.
Fall 1: Zu lang. Redundante Beschreibungen können die Effizienz reduzieren.
Beschreibung eines Ordners mit Verwaltungsformularen.
Dieser Ordner enthält verschiedene Formulare und Dokumente für administrative, operative und Compliance-Zwecke. Hier ist eine detaillierte Zusammenfassung der Inhalte:
TR48-02: Dieses Formular wird zur Dokumentation von Firmeneigentum verwendet, das vorübergehend an Mitarbeiter übergeben wird. Es enthält Felder für Artikeldetails, Seriennummern, Abteilung und Unterschriften für Ausgabe und Rückgabe.
TR48-03: Dieses Formular ist ein Einarbeitungsplan für neue Mitarbeiter. Es beschreibt die erforderlichen Schulungen und Einführungen, einschließlich Sicherheitsunterweisungen, Abteilungsführungen und spezifische arbeitsbezogene Schulungen.
TR48-05: Dieses Dokument beschreibt die Bedingungen der Geheimhaltungsvereinbarung zwischen den Parteien, einschließlich der Rückgabe oder Vernichtung vertraulicher Dokumente, Entwicklungsrechte und geltende Gesetze.
TR48-10: Dieses Formular wird für Lieferanteninformationen verwendet, insbesondere in Bezug auf Umweltmanagementsysteme und die Einhaltung verschiedener Umweltvorschriften.
Enthält wichtige administrative und operative Formulare und Dokumente für 'FIRMA A', einschließlich Formulare für Mitarbeiter-Onboarding, Eigentumsverwaltung, Geheimhaltungsvereinbarungen, Lieferanteninformationen, Zugriffsrechte und Geräteanfragen, Präferenzberechnungen und Qualitätsmanagementverfahren. Diese Dokumente unterstützen kritische Aspekte des Unternehmensbetriebs, gewährleisten die Compliance und ermöglichen ein effektives Mitarbeitermanagement.
Fall 2: Zu kurz. Beschreibungen, die nicht genügend Kontext liefern.
Beschreibung eines Ordners, der alle Details zum Praktikums- und Traineeprogramm im Unternehmen enthält
Ordner für Auszubildende/Trainees
Enthält wichtige Dokumente zu den Ausbildungs- und Traineeprogrammen des Unternehmens. Dieser Ordner beinhaltet Informationen zu Ausbildungsstellen, Kontaktdaten der Ausbilder und Richtlinien für Auszubildende. Behandelte Themen umfassen Arbeitszeitanforderungen, Urlaubsansprüche, Prüfungsrichtlinien und Berichtsanforderungen sowie Details zu zusätzlichen Weiterbildungsmöglichkeiten. Er dient als wichtige Ressource sowohl für Auszubildende als auch für Ausbilder bei 'FIRMA A' und unterstützt das effektive Programm-Management und die Entwicklung.
Fall 3: Inkonsistente Schlüsselwörter. Verwenden Sie Wörter, die üblicherweise in den Dokumenten verwendet werden und im Unternehmen allgemein verstanden werden.
Beschreibung eines Ordners über die Ausstattung und Arbeitsmittel eines Vertriebsteams.
Enthält Dokumente mit Informationen über die Arbeitsmittel und Ausstattung, die vom Vertriebsteam verwendet werden.
Enthält essenzielle Dokumente für das Vertriebsteam von 'COMPANY A' (TeamB2B), darunter:
Eine Ausrüstungsliste für den Pilotkoffer des Vertriebsteams (Sales Kit).
Eine Übersicht über die Produktmusterkoffer (Sales Equipment Inventory).
Diese Dokumente beschreiben die Ausrüstung, Werkzeuge und Materialien, die für Außendienstaktivitäten, Produktvorführungen und Kundenpräsentationen verwendet werden, und unterstützen die operative Effizienz und Effektivität des Teams.
Einblicke sind textbasierte Notizen, die Sie selbst eingeben können, oder gespeicherte AI-Interaktionen, die Sie abrufen und wiederverwenden können. Dies erleichtert die Nutzung früherer Gespräche und sorgt für Konsistenz in Antworten sowie für die Bewahrung wichtiger Erkenntnisse innerhalb von Teams.
Diese gespeicherten Einblicke dienen als persönliche Wissensdatenbank, helfen Nutzern, AI-generierte Informationen zu behalten, Arbeitsabläufe zu optimieren und Konsistenz über mehrere Interaktionen hinweg zu gewährleisten. Im Gegensatz zu Datenbanken werden Einblicke im vollständigen Kontext ohne Chunking gespeichert, sodass die ursprüngliche Nachrichtenstruktur erhalten bleibt und die Wiederverwendung verbessert wird.
Wenn frühere AI-generierte Antworten häufig referenziert werden müssen.
Wenn Teammitglieder verfeinerte Prompts oder zentrale Erkenntnisse aus Data Rooms teilen.
Wenn spezifisches Kontextwissen für den schnellen Zugriff gespeichert werden soll.
Zugriff auf Einblicke: Alle Einblicke aus Knowledge Bots und Data Rooms sind im Wissensmanagement-Tab unter der Kategorie Einblicke abrufbar.
Einblicke durchsuchen: Gehen Sie zum Wissensmanagement-Tab und wählen Sie den Einblicke-Tab. Es gibt zwei Suchmethoden:
Keyword-Suche – Nutzen Sie spezifische Schlüsselwörter, um relevante Einblicke zu finden.
Insights AI-Suche – Eine leistungsstarke Suchfunktion, die Einblicke basierend auf Kontext (nicht nur Schlüsselwörtern) findet. Dies verbessert die Effizienz der Informationssuche, da die Anzahl der Suchergebnisse individuell eingestellt werden kann.
Diese Funktion ermöglicht es Nutzern, relevante Informationen schnell zu finden, ohne manuell durch die gesamte Einblicke-Seite navigieren zu müssen.
Detaillierter Anwendungsfall für Einblicke:
Ein Kundensupport-Team nutzt Blockbrain für häufige technische Support-Anfragen. Teammitglieder stellen dem AI-Bot regelmäßig Fragen zu wiederkehrenden Kundenproblemen, doch die Antworten können je nach Formulierung leicht variieren.
Mithilfe von Einblicken kann dieser Prozess optimiert werden:
Ein Support-Spezialist fragt die AI nach einer Fehlerbehebungsanleitung für ein häufiges Problem und verfeinert die Antwort für maximale Genauigkeit.
Nach der Validierung wird die Antwort als Einblick gespeichert, sodass das Team sie erneut nutzen kann, anstatt sie jedes Mal neu zu generieren.
Wenn ein anderes Teammitglied auf dasselbe Problem stößt, kann es den gespeicherten Einblick sofort abrufen, ohne auf eine neue AI-generierte Antwort warten zu müssen.
Im Laufe der Zeit erstellt das Support-Team eine Bibliothek verifizierter Lösungen, die für konsistente und präzise AI-gestützte Antworten sorgt.
Weitere Anwendungsfälle für Einblicke:
Forschungs- & Entwicklungs-Wissensbasis Ein Forschungsteam speichert Zusammenfassungen wissenschaftlicher Arbeiten, experimentelle Ergebnisse und Wettbewerbsanalysen als Einblicke. So können sie frühere Erkenntnisse schnell abrufen, anstatt Forschungsergebnisse doppelt zu erarbeiten.
Content-Marketing & Copywriting Ein Content-Marketing-Team speichert Markentonalitätsrichtlinien, Produktbeschreibungen und häufig verwendete Marketingbotschaften als Einblicke. Autoren können so schnell auf genehmigte Texte zugreifen und die Markenkonsistenz über verschiedene Kampagnen hinweg sicherstellen.
➝ Erstellen Sie Markenrichtlinien und speichern Sie sie als Einblick, um sie bei der Erstellung zukünftiger Marketinginhalte einfach nachzuschlagen.
HR & Mitarbeiterschulung Eine HR-Abteilung nutzt Einblicke, um Unternehmensrichtlinien, Onboarding-Prozesse und häufig gestellte Mitarbeiterfragen zu speichern. Dadurch erhalten HR-Vertreter stets akkurate und einheitliche Antworten, ohne Dokumente manuell durchsuchen zu müssen.
Um die Effektivität von Insights zu maximieren, befolgen Sie diese bewährten Praktiken, um Konsistenz, Genauigkeit und eine einfache Zugänglichkeit für Ihr Team sicherzustellen.
Speichern Sie nur hochwertige, validierte Informationen
Speichern Sie genaue und gut strukturierte Inhalte, die überprüft oder verfeinert wurden.
Vermeiden Sie das Speichern von doppelten, veralteten oder falschen Antworten, um die Zuverlässigkeit zu gewährleisten.
Führen Sie regelmäßige Audits und Aktualisierungen durch, um sicherzustellen, dass die Informationen aktuell bleiben.
Speichern Sie nur klare und fokussierte Threads
Speichern Sie gut strukturierte Threads, die sich auf ein gewünschtes Thema konzentrieren.
Vermeiden Sie übermäßig komplizierte Threads, die die KI bei zukünftigen Referenzen verwirren könnten.
Verwenden Sie klare, konsistente und beschreibende Titel
Fügen Sie relevante Schlüsselwörter in den Titel ein, um die Suche schneller und intuitiver zu gestalten.
Verwenden Sie konsistente Namenskonventionen im gesamten Team, um die Organisation zu verbessern.
Beispiel: Anstatt "Client Pitch" zu verwenden, nutzen Sie "Sales Team: Sales Email - Follow-up für Company X".
Halten Sie Antworten prägnant und handlungsorientiert
Speichern Sie nur die notwendigen Details anstelle von langen, unstrukturierten Inhalten. Fassen Sie die wichtigsten Punkte klar zusammen, damit Insights schnell gelesen und angewendet werden können.
Falls Kontext benötigt wird, fügen Sie Links zu unterstützenden Dokumenten hinzu, anstatt lange Erklärungen zu speichern.
Nutzen Sie Insights für Konsistenz im Team
Standardisieren Sie Kundenservice-Antworten, Vertriebsskripte, Unternehmensrichtlinien und technische Anweisungen.
Stellen Sie sicher, dass AI-generierte Antworten mit den vom Unternehmen genehmigten Mitteilungen übereinstimmen.
Schulen Sie Teammitglieder regelmäßig darin, wie Insights verwendet werden, um Einheitlichkeit sicherzustellen.
Regelmäßige Überprüfung und Bereinigung von Insights
Planen Sie regelmäßige Audits, um veraltete oder redundante Informationen zu entfernen.
Stellen Sie sicher, dass Insights relevant und für sich entwickelnde Geschäftsanforderungen nützlich bleiben.
Ermutigen Sie das Team, Feedback zu gespeicherten Insights zu geben, um die Qualität zu verbessern.
In der oberen linken Ecke des Knowledge Bots finden Sie das Zahnrad-Symbol, das die Bot-Einstellungen öffnet. Hier können Sie verschiedene Funktionen anpassen und aktivieren, um den Bot auf Ihre Bedürfnisse abzustimmen.
Fähigkeiten & Fertigkeiten: Suchmethoden anpassen und erweiterte Funktionen aktivieren
LLM-Modelle: Wählen Sie das Sprachmodell für die Bot-Antworten unter Berücksichtigung von Leistung, Genauigkeit und Kosten
Datenbank: Standarddatenbank für alle Datenräume auswählen
Agenten: Einrichten oder Aktivieren anpassbarer Prompts für effizientere Nutzung
Automatisierungen: Workflows für effizienteres Prompting einrichten
Aktionseinstellungen: Fügt Schnellzugriff-Buttons zur Knowledge Bot Navigation hinzu und aktiviert erweiterte Funktionen wie Intent Agent und System Agent für verbesserte Suche und Automatisierung
Blockbrain ermöglicht Benutzern die Auswahl aus verschiedenen Large Language Models (LLMs) basierend auf ihren spezifischen Anforderungen. Jedes Modell hat einzigartige Stärken in Bezug auf Antwortqualität, Geschwindigkeit, Kosteneffizienz und spezielle Fähigkeiten. Weitere zu berücksichtigende Faktoren sind: Kontextfenstergröße, Leistung und Hosting-Standort.
Nachfolgend finden Sie einen umfassenden Leitfaden zur Auswahl des besten LLM für Ihre Workflows:
Modell
Am besten für
Einzigartiges Verkaufsargument (USP)
Claude 3.5 Sonnet (Smartest, US)
Komplexe Problemlösung, fortschrittliche KI-Agenten, Softwareentwicklung
Beste Claude-Version für logisches Denken & Problemlösung
Claude 3.5 Sonnet (Recommended, EU)
Gleich wie Smartest, aber in der EU gehostet für compliance-orientierte Nutzer
Bestes EU-gehostetes Claude-Modell für Unternehmen
Claude 3.5 Sonnet (Creative, EU)
Kreatives Schreiben, Brainstorming, Inhaltserstellung
Optimiert für Storytelling & Marketing
Claude 3.5 Haiku (Efficient, US)
Schnelle Antworten, Chatbots, leichte KI-Aufgaben
Schnellstes und günstigstes Claude-Modell
GPT-4 Omni (Logical, EU)
Textstrukturierung, logikbasierte Aufgaben, multimodale KI
Beste Wahl für strukturierte, multimodale Aufgaben
Mistral Large (Coding, EU)
Fortgeschrittene KI-gestützte Programmierung, Softwareentwicklung
Modernste Coding-Fähigkeiten
Mistral Nemo (Coding, EU)
Entwickler, KI-gestützte Programmierung, Automatisierung
Leichtgewichtiges, aber leistungsstarkes Coding-Modell
Gemini 1.5 Pro (Large-context, EU)
Großflächige KI-Verarbeitung, multimodale Analyse, Forschung
1M-Kontextfenster für tiefgehende Analysen
Gemini 1.5 Flash (Fast, EU)
Hochvolumige KI-Aufgaben, schnelle Verarbeitung im großen Maßstab
Optimiert für Geschwindigkeit & Kosteneffizienz
Llama 3.2 90B (US)
Allgemeine KI, wissensbasierte Analyse
Neueste Llama-Version mit verbesserter Leistung
Llama 3.1 405B (US)
Unternehmens-KI, Wissensabruf
Flaggschiff-Meta-LLM mit umfangreichen Fähigkeiten
Llama 3.1 70B (US)
Standard-KI-Aufgaben, NLP & Automatisierung
Gute Balance zwischen Leistung und Rechenaufwand
Llama 3.1 8B (US)
Leichte KI-Aufgaben, kosteneffiziente Inferenz
Bestes Llama-Modell für kleinere KI-Projekte
GPT-4 Omni (Structured, US)
Multimodale Eingaben, Wissensorganisation, KI-Strukturierung
Bestes GPT-Modell für komplexe logische Aufgaben
GPT-4 Turbo (Legacy, US)
Allgemeine KI-Aufgaben, Balance zwischen Intelligenz & Geschwindigkeit
Preiswertere GPT-4-Variante
GPT-4 Vision (US)
KI-gestützte Bildverarbeitung, multimodale Aufgaben
Beste GPT-Version für visuelle Verarbeitung
GPT-4o Mini (Efficient, US)
Kostengünstige KI-Aufgaben, effiziente Intelligenz
Optimiert für budgetbewusste Nutzer
GPT-3.5 Turbo (Legacy, EU)
Einfache Textaufgaben, leichte KI-Anwendungen
Günstigstes GPT-Modell
GPT-4 Turbo (Legacy, EU)
Fortgeschrittenes logisches Denken, Unternehmens-KI
Zuverlässiges GPT-4-Modell für strukturierte Aufgaben
Claude 3 Opus (Creative, US)
Kreative Inhalte, hochentwickelte KI-Unterstützung
Leistungsstärkstes Claude-Modell für kreatives Arbeiten
Claude 3 Haiku (Efficient, EU)
Schnelle KI-Interaktionen, Echtzeit-Reaktionsfähigkeit
Geschwindigkeitsoptimiertes Claude-Modell
Claude 3 Sonnet (Balanced, US)
Geschäftsapplikationen, Unternehmens-KI-Nutzung
Gute Balance zwischen Geschwindigkeit & Intelligenz
Gemini 1.0 Pro (Legacy, EU)
Allgemeine KI-Anwendungsfälle, multimodale Verarbeitung
Ausgewogenes Gemini-Modell für vielseitige Aufgaben
Mistral Codestral (Coding, EU)
Codevervollständigung, KI-gestützte Entwicklungstools
Modernstes Modell für Coding-Workflows
Gemma 2 (Google, US)
Kleine KI-Aufgaben, leichte KI-Workloads
Googles kompaktes KI-Modell für Effizienz
Berücksichtigen Sie das Kontextfenster – bezieht sich auf die Textmenge (in Tokens oder Zeichen), die ein LLM auf einmal verarbeiten kann, während Kohärenz und Kontext erhalten bleiben
Kleines Kontextfenster (z.B. 16K Tokens): bedeutet, dass das Modell nur einen begrenzten Textabschnitt gleichzeitig berücksichtigen kann, was es am besten für kürzere Prompts und direkte Antworten geeignet macht.
Großes Kontextfenster (z.B. 1M Tokens): ermöglicht dem Modell, längere Dokumente, komplexe Diskussionen und tiefgehende Analysen zu verarbeiten, ohne den vorherigen Kontext zu verlieren.
Auswahl nach Region – Für bessere Genauigkeit und Compliance wird empfohlen, ein LLM-Modell zu wählen, das in Ihrer Region gehostet wird
Standardauswahl treffen – Wenn Sie unsicher sind, welches Modell Sie wählen sollen, können Sie die Standard-LLM-Modelle verwenden, die einen ausgewogenen Ansatz bieten und qualitativ hochwertige Antworten bei gleichzeitiger Kosteneffizienz gewährleisten
Claude 3.5 Sonnet v2: Ausgewogen für Argumentation, Genauigkeit und allgemeine Aufgaben
Azure GPT-4 Omni: Ideal für strukturierte Antworten, logisches Denken und komplexe Anfragen
Modell-Modifikatoren ermöglichen es Ihnen, das Verhalten Ihres Knowledge Bots durch Anpassung wichtiger Parameter zu optimieren, die beeinflussen, wie er Antworten verarbeitet und generiert. Diese Einstellungen helfen dabei, Kreativität, Präzision und Relevanz basierend auf der Art Ihrer Aufgabe auszubalancieren.
Durch die Anpassung von Modell-Modifikatoren können Sie:
Sicherstellen, dass Antworten mit spezifischen Geschäftszielen übereinstimmen
Ergebnisse für kreative, technische oder forschungsbasierte Aufgaben optimieren
Effizienz und Konsistenz in KI-generierten Ausgaben verbessern
Es ist am besten, bei der Anpassung von Modell-Modifikatoren nahe an den Standardeinstellungen zu bleiben, um eine ausgewogene KI-Leistung zu erhalten. Zum Beispiel sollte die kreative Freiheit nicht zu hoch eingestellt werden, da übermäßige Kreativität zu unvorhersehbaren oder zu abstrakten Antworten führen kann. Ebenso sollte der Suchbereich zwischen 5 und 8 bleiben, damit die KI relevante Informationen ohne unnötiges Rauschen abruft. Passen Sie die Einstellungen schrittweise an, um das Verhalten der KI zu optimieren und dabei Genauigkeit und Konsistenz zu bewahren.
Um die besten Ergebnisse aus KI-generierten Antworten zu erhalten, ist es wichtig, die Modell-Modifikatoren basierend auf Ihrem spezifischen Anwendungsfall feinabzustimmen. Diese Einstellungen dienen als Ausgangspunkt und ermöglichen es Ihnen, das Verhalten der KI an Ihre Bedürfnisse anzupassen.
Allgemeine Nutzung: Ausgewogene Einstellungen für alltägliche Aufgaben.
Kreative Freiheit: Niedrig → Ermöglicht ansprechende, aber dennoch logische Antworten.
Wortschatzumfang: Mittel → Sorgt für eine vielfältige, aber relevante Wortwahl.
Themenvielfalt: Mittel → Ermutigt die KI, neue Ideen einzubringen, während die Kohärenz erhalten bleibt.
Wortvielfalt: Mittel → Hält die Formulierungen frisch, ohne an Klarheit zu verlieren.
Suchbereich: Mittel → Bietet eine Balance zwischen Präzision und Informationsumfang.
Vertrieb & Unternehmensanalyse: Leichte Kreativität mit starkem Fokus auf strukturierte Erkenntnisse.
Kreative Freiheit: Mittel → Hält Antworten logisch, erlaubt aber leichte Anpassungen.
Wortschatzumfang: Mittel → Nutzt eine abwechslungsreiche Sprache für ansprechende Geschäftskommunikation.
Themenvielfalt: Mittel → Stellt sicher, dass relevante Geschäftsthemen behandelt werden, ohne zu weit abzuschweifen.
Wortvielfalt: Mittel → Fördert überzeugendes, klares Schreiben für geschäftliche Inhalte.
Suchbereich: Hoch → Ruft ein breites Spektrum an Erkenntnissen ab, um fundierte Entscheidungen zu unterstützen.
Technische Analyse & Berichte: Priorisiert Genauigkeit und Konsistenz über Kreativität.
Kreative Freiheit: Sehr niedrig → Sorgt für vorhersehbare, faktenbasierte Antworten.
Wortschatzumfang: Niedrig → Verwendet präzise technische Sprache mit minimaler Variation.
Themenvielfalt: Niedrig → Hält die Diskussion auf ein einziges, fokussiertes Thema beschränkt.
Wortvielfalt: Niedrig → Gewährleistet terminologische Konsistenz in technischer Dokumentation.
Suchbereich: Mittel → Zieht verlässliche Daten heran, während irrelevante Informationen minimiert werden.
Datenbasierte Erkenntnisse: Nutzt eine strukturierte Abfrage zur Extraktion wichtiger Informationen.
Kreative Freiheit: Sehr niedrig → Hält KI-Antworten strukturiert und faktenbasiert.
Wortschatzumfang: Mittel → Verwendet eine abwechslungsreiche Sprache, um verschiedene Erkenntnisse klar darzustellen.
Themenvielfalt: Mittel → Deckt verwandte Konzepte ab, bleibt aber fokussiert.
Wortvielfalt: Mittel → Balanciert Konsistenz mit frischer Ausdrucksweise.
Suchbereich: Hoch → Stellt sicher, dass die KI einen breiteren Datensatz für nützliche Erkenntnisse durchsucht.
Kreatives Schreiben: Maximiert die Kreativität der KI für ausdrucksstarke, fantasievolle Texte.
Kreative Freiheit: Hoch → Fördert originelle, ansprechende und manchmal unerwartete Antworten.
Wortschatzumfang: Hoch → Erweitert die Wortwahl für einen farbenfrohen und fesselnden Ton.
Themenvielfalt: Hoch → Ermöglicht der KI, neue Konzepte und Ideen einzuführen.
Wortvielfalt: Hoch → Verbessert den Schreibfluss und verhindert Wiederholungen.
Suchbereich: Niedrig → Priorisiert Relevanz gegenüber einer breiten, faktischen Genauigkeit.
Text Embedding 3 Large (EU)
Komplexe, großflächige Text-Embedding-Aufgaben
Beste Wahl für leistungsstarkes, tiefgehendes Textverständnis
Text Embedding 3 Large (US)
Gleiche Funktionen wie die EU-Version, aber in den USA gehostet
Neuestes OpenAI-Embedding-Modell für großflächige Aufgaben
Text Embedding Ada 002 (US)
Basis-Text-Embeddings mit hoher Effizienz
Am besten optimiert für kostengünstige Embeddings
Text Embedding Ada 002 (EU)
Allgemeine Text-Embeddings, geeignet für diverse Anwendungen
EU-gehostete Version für compliance-sensible Aufgaben
Text Embedding 3 Small (US)
Ressourcenoptimierte Aufgaben mit komplexen Embeddings
Beste Balance zwischen Effizienz und Leistung
BGE Embedding (EU)
Flexibles Embedding für verschiedene ML-Anwendungen
Ideal für selbst gehostete, anpassbare Bereitstellungen
English Embedding 4 (EU)
Embedding-Aufgaben für englischsprachige Inhalte
Bestes Embedding-Modell für reinen englischen Text
Multilingual Embedding 2 (EU)
Embeddings für mehrsprachige Inhaltsverarbeitung
Beste Wahl für die Verarbeitung gemischtsprachiger Embeddings
Agents
Wie unterscheiden sich Agents von Workflows?
Agents behandeln einmalige Prompts, während Workflows mehrstufige Prozesse für strukturiertere Interaktionen automatisieren.
Kann ich meine Agents mit einem Team teilen?
Ja, Sie können Agents mit einem Team teilen, sobald Sie ihnen Zugriff auf denselben Knowledge Bot gewährt haben.
Warum sehe ich keine Agents?
Aktivieren Sie einfach die Agents Ihrer Organisation in den Knowledge Bot-Einstellungen.
Unterscheidet sich der Intent Agent von Agents?
Ja, Intent Agents ist eine erweiterte Funktion mit anderen Aufgaben. Während Agents anpassbare Prompt-Shortcuts zur Automatisierung von Aufgaben sind, verbessern Intent Agents die Antwortqualität durch Referenzierung von Datenbankordner-Beschreibungen. Sie arbeiten unabhängig von regulären Agents und dienen unterschiedlichen Zwecken bei der Verfeinerung von KI-Interaktionen.
Workflows
Wie starte ich einen Workflow?
Sie können einen Workflow manuell über den Workflow-Tab starten oder ihn in andere automatisierte Prozesse für eine nahtlose Ausführung integrieren.
Kann ich Workflows mit meinem Team teilen?
Jeder mit Zugriff auf den Knowledge Bot kann auch auf die darin erstellten Workflows zugreifen.
Warum liefert mein Workflow keine genauen Ergebnisse?
Stellen Sie sicher, dass jeder Schritt spezifisch und klar ist, vermeiden Sie zu komplexe Prompts in einem einzelnen Schritt und testen Sie verschiedene Schrittsequenzen zur Optimierung der Ergebnisse.
Intent Agent
Wie entscheidet der Intent Agent, welche Ordner am relevantesten sind?
Der Intent Agent analysiert benutzerdefinierte Ordnerbeschreibungen, um relevante Ordner zu identifizieren und zu priorisieren, bevor er die Inhalte verarbeitet.
Wann ist es am besten, die Intent Agent-Funktion zu nutzen?
Die Funktion ist am nützlichsten bei Datenbanken mit mehreren Ordnern und unterschiedlichen Themenbereichen, da sie eine effiziente Priorisierung und Abrufung relevanter Informationen ermöglicht.
Gibt es eine Mindestanzahl an Dateien oder Ordnern für die Effektivität des Intent Agents?
Es gibt keine strikte Mindestanzahl. Die Funktion ist jedoch am nützlichsten bei Datenbanken mit mehreren Ordnern und unterschiedlichen Themenbereichen.
Was passiert, wenn ich keine Ordnerbeschreibungen bereitstelle?
Ohne Ordnerbeschreibungen funktioniert der Intent Agent möglicherweise nicht optimal, da diese Beschreibungen für die Relevanzbewertung essentiell sind.
Insights
Warum sollte ich Insights nutzen?
Insights helfen Ihnen, nützliche KI-Antworten schnell zu speichern, zu organisieren und abzurufen, ohne den Kontext zu verlieren. Sie eignen sich hervorragend für persönliche Referenzen, Zusammenarbeit und das Teilen spezifischer Nachrichten.
Wie unterscheiden sich Insights von Datenbanken?
Anders als Datenbanken, die große Mengen strukturierter Daten speichern und in Chunks unterteilen, werden Insights im vollständigen Kontext gespeichert und bewahren das ursprüngliche Nachrichtenformat.
Wie sollte ich meine Insights benennen?
Verwenden Sie einheitliche und beschreibende Titel mit relevanten Schlüsselwörtern für einfaches Suchen. Klare Titel helfen Ihnen, Insights bei Bedarf schnell zu finden.
Sprachmodelle
Wie beeinflusst das LLM die Genauigkeit von KI-generierten Antworten?
Ein fortgeschritteneres LLM bietet generell bessere Genauigkeit und Argumentation, aber die Leistung hängt auch ab von:
Der Größe des Kontextfensters (größere Fenster speichern mehr Informationen)
Der Qualität des Eingabe-Prompts (klarere Prompts führen zu besseren Antworten)
Dem gewählten Embedding-Modell (beeinflusst die Qualität des Datenabrufs)
Modell-Modifikatoren
Wie erkenne ich, ob ich meine Modell-Modifikatoren richtig optimiert habe?
Testen Sie Ihre Einstellungen durch KI-Abfragen und prüfen Sie, ob die Antworten Ihren Erwartungen entsprechen. Bei zu starren oder sich wiederholenden Antworten erhöhen Sie die kreative Freiheit und Wortvarianz. Bei zu breiten oder inkonsistenten Antworten senken Sie die Themenvarianz und den Wortschatzbereich.
Sollte ich Modell-Modifikatoren maximieren?
Nein, das Maximieren von Werten (z.B. kreative Freiheit auf 10) kann zu unvorhersehbaren oder ungenauen Ergebnissen führen. Bleiben Sie am besten im empfohlenen Bereich der Tooltips im Einstellungsbereich.
Embedding-Modelle
Wie wähle ich zwischen verschiedenen Embedding-Modellen?
➝ Berücksichtigen Sie folgende Faktoren:
Komplexität & Umfang: Große Aufgaben → Text Embedding 3 Large
Effizienz & Kosten: Optimierte Leistung → Text Embedding Ada 002
Sprachunterstützung: Nur Englisch → English Embedding 4; Mehrsprachig → Multilingual Embedding 2
Hosting-Anforderungen: EU-basiert für DSGVO-Konformität vs. US-basiert
Was ist der Unterschied zwischen kleinen und großen Embedding-Modellen?
➝ Größere Modelle (z.B. Text Embedding 3 Large) erfassen mehr Kontext und Nuancen, was sie besser für komplexe Abfragen macht.
Kleinere Modelle (z.B. Text Embedding 3 Small) priorisieren Effizienz und eignen sich besser für leichtgewichtige Anwendungen.
