Private Wissensdatenbank in der Schweiz: Aufbau, KI und Datenschutz

Eine private Wissensdatenbank ist eine geschlossene Sammlung von Dokumenten, Notizen und Vorgaben, auf die nur berechtigte Personen zugreifen. Mit KI wird daraus ein Arbeitsinstrument: Fragen in natürlicher Sprache, Antworten mit Quellenangabe aus den eigenen Unterlagen. Für Fachleute und KMU in der Schweiz entscheidet dabei vor allem eine Frage über die Wahl der Lösung: Wo werden die Inhalte gespeichert und verarbeitet, und wer kann sie einsehen? Dieser Leitfaden erklärt Aufbau, Struktur, KI-Suche, Datenschutzpflichten und Auswahlkriterien.

Kurz gesagt

• Definition: Eine private Wissensdatenbank ist nicht öffentlich, rollenbasiert geschützt und enthält internes oder persönliches Wissen: Verträge, Prozesse, Vorlagen, Protokolle, Fachnotizen.
• KI-Zugriff: Über Retrieval-Augmented Generation (RAG) beantwortet ein Sprachmodell Fragen auf Basis der eigenen Dokumente, statt aus allgemeinem Trainingswissen.
• Aufbau: Genehmigte Quellen, klare Ordnerlogik, Zugriffsrechte, Verantwortliche und ein fester Prüfrhythmus sind wichtiger als die Menge der Inhalte.
• Datenschutz: Wer Personendaten oder Berufsgeheimnisse verarbeitet, prüft Speicherort, Verarbeitungsort, Trainingsnutzung und Auftragsverarbeitungsvertrag (AVV/DPA).
• Schweizer Kontext: Hosting und Verarbeitung in der Schweiz vereinfachen die Einhaltung des nDSG, weil keine Bekanntgabe ins Ausland zu begründen ist.

Inhaltsverzeichnis

• Was eine private Wissensdatenbank ausmacht
• Welche Inhalte in eine private Wissensdatenbank gehören
• Eine private Wissensdatenbank aufbauen: sieben Schritte
• KI-Suche in der eigenen Wissensdatenbank: so funktioniert RAG
• Datenschutz und Sicherheit beim KI-Einsatz
• Auswahlkriterien für Einzelpersonen und Schweizer KMU
• Unsere Sicht auf private Wissensdatenbanken
• Private Wissensdatenbanken mit Nectos
• Häufige Fragen
• Quellen

Was eine private Wissensdatenbank ausmacht

Der Begriff wird in drei Bedeutungen verwendet. Eine öffentliche Wissensdatenbank ist ein Hilfecenter für Kundinnen und Kunden: FAQ, Anleitungen, Produktdokumentation. Eine interne Wissensdatenbank richtet sich an Mitarbeitende und bündelt Richtlinien, Abläufe und Vorlagen. Eine private Wissensdatenbank im engeren Sinn ist für eine Person oder ein definiertes Team bestimmt und enthält Inhalte, die das Unternehmen oder die Kanzlei nie verlassen sollen.

Mit KI kommt eine vierte Ebene hinzu: der Chat-Zugang. Das US-amerikanische National Institute of Standards and Technology beschreibt Chatbots ausdrücklich als Schnittstelle für internen Wissenszugang; der dort dokumentierte Prototyp durchsucht und fasst interne Cybersicherheitsleitlinien zusammen. Ein allgemeiner KI-Chat ohne Wissensdatenbank antwortet dagegen aus seinem Trainingswissen und kennt weder die eigenen Verträge noch das interne Reglement.

Welche Inhalte in eine private Wissensdatenbank gehören

Geeignet ist Wissen, das wiederholt gebraucht wird, schwer auffindbar ist oder an einzelne Personen gebunden ist. Ungeeignet sind lose Entwürfe ohne Status und Dubletten ohne klare Hauptversion.

Persönliche Nutzung

• Fachnotizen, Weiterbildungsunterlagen, Literaturauszüge
• Eigene Vorlagen: Offerten, E-Mail-Bausteine, Checklisten
• Projektunterlagen von Freelancern: Briefings, Abnahmeprotokolle, Korrespondenz
• Persönliche Verwaltungsdokumente wie Versicherungspolicen oder Mietverträge, sofern die Lösung dafür ausgelegt ist

Geschäftliche Nutzung nach Branche

• Treuhand: Mandatsunterlagen, Checklisten für Jahresabschlüsse, interne Weisungen zu MWST-Fragen, Musterkorrespondenz.
• Recht: Vertragsvorlagen, Klauselbibliotheken, interne Memos, Fristenübersichten. Inhalte unter Berufsgeheimnis verlangen besonders strenge Zugriffsregeln.
• Gesundheit: Behandlungsstandards, Hygienekonzepte, Abläufe der Praxisorganisation. Patientendaten gelten als besonders schützenswerte Personendaten und gehören nur in Systeme mit entsprechender Freigabe.
• Finanz: Produktdokumentation, Compliance-Richtlinien, Prozessbeschreibungen für Kundeneröffnung und Kontrollen.
• HR: Personalreglement, Onboarding-Unterlagen, Lohn- und Spesenrichtlinien, Vorlagen für Arbeitszeugnisse.
• Alle Branchen: Sitzungsprotokolle und Meeting-Transkripte, die Entscheide und Verantwortlichkeiten festhalten.

Eine einfache Regel hilft bei der Abgrenzung: Jedes Dokument erhält eine Vertraulichkeitsstufe (öffentlich, intern, vertraulich, streng vertraulich). Die Stufe bestimmt, in welchem Bereich der Wissensdatenbank es liegt und wer darauf zugreift.

Eine private Wissensdatenbank aufbauen: sieben Schritte

1. Zweck festlegen. Welche Fragen soll die Wissensdatenbank beantworten? Beispiele: «Welche Frist gilt für diesen Vertragstyp?», «Wie läuft das Onboarding ab?». Der Zweck bestimmt die Quellen.
2. Quellen genehmigen. Nur freigegebene, aktuelle Dokumente aufnehmen. Jede Quelle erhält eine verantwortliche Person.
3. Struktur definieren. Wenige, stabile Hauptbereiche (z. B. nach Mandat, Prozess oder Abteilung), einheitliche Dateinamen mit Datum und Version, kurze Zusammenfassung am Dokumentanfang.
4. Zugriffsrechte setzen. Persönliche und geteilte Bereiche trennen. Rechte nach Rolle vergeben, nicht nach Person. Die KI-Suche muss dieselben Rechte respektieren wie die Ablage.
5. Dokumente KI-tauglich formatieren. Klare Überschriften, ein Thema pro Abschnitt, Tabellen statt Fliesstext für Fristen und Beträge. Gescannte PDF-Dokumente vorher mit Texterkennung aufbereiten.
6. Antwortregeln festlegen. Antworten sollen die Quelle nennen und fehlende Informationen kennzeichnen. Für heikle Bereiche (Recht, Medizin, Steuern) gilt: Die KI-Antwort ist ein Entwurf, die Fachperson entscheidet.
7. Pflege organisieren. Prüfrhythmus festlegen (z. B. quartalsweise), veraltete und widersprüchliche Dokumente archivieren, neue oder geänderte Prozesse zeitnah einpflegen.

Aktualität sichern

Der häufigste Qualitätsverlust entsteht nicht beim Aufbau, sondern durch fehlende Pflege. Bewährt haben sich drei Massnahmen:

• Gültigkeitsdatum: Jedes Dokument trägt ein Datum «gültig ab» und, wo sinnvoll, «gültig bis».
• Archiv statt Löschung: Ersetzte Fassungen werden archiviert und aus der aktiven Suche genommen. So bleibt nachvollziehbar, welche Regel zu welchem Zeitpunkt galt.
• Rückmeldung aus der Nutzung: Fragen, auf die die KI keine Antwort findet, zeigen Lücken im Bestand.

KI-Suche in der eigenen Wissensdatenbank: so funktioniert RAG

NIST definiert Retrieval-Augmented Generation als Kopplung eines Sprachmodells mit einem separaten Abrufsystem beziehungsweise einer Wissensdatenbank: Auf eine Frage werden passende Informationen abgerufen und dem Modell für die Antwort bereitgestellt. Der Ablauf in der Praxis:

1. Indexierung: Die Dokumente werden in Abschnitte zerlegt und nach Bedeutung erfasst.
2. Abruf: Eine Frage wie «Welche Kündigungsfrist gilt im Rahmenvertrag mit Kunde X?» findet die passenden Textstellen, auch wenn sie anders formuliert sind als die Frage. Eine klassische Volltextsuche findet nur wörtliche oder ähnliche Treffer.
3. Antwort: Das Modell formuliert auf Basis der abgerufenen Stellen eine Antwort und verweist auf die Quelle.

Antwortqualität richtig einordnen

Sprachmodelle arbeiten probabilistisch. Die britische Datenschutzbehörde ICO hält fest, dass KI-Systeme unterschiedliche und nicht immer zutreffende Ausgaben liefern können. RAG verringert dieses Risiko, weil die Antwort an eigene Dokumente gebunden ist. Drei Punkte sichern die Qualität im Alltag:

• Quellenangabe prüfen: Bei verbindlichen Aussagen (Fristen, Beträge, Rechtsgrundlagen) die zitierte Stelle öffnen und gegenlesen.
• Dokumentqualität erhöhen: Die Antwort ist so gut wie der Bestand. Widersprüchliche Fassungen führen zu widersprüchlichen Antworten.
• Bewertungskriterien nutzen: In einer Eingabe an NIST wird für RAG-Anwendungen das Raster ACT-REL vorgeschlagen: Genauigkeit, Vollständigkeit, Entfernung toxischer Inhalte, weniger Halluzinationen sowie Relevanz, Gleichbehandlung und Rechtmässigkeit. Das Raster eignet sich als Testkatalog vor der Einführung.

Datenschutz und Sicherheit beim KI-Einsatz

Sobald eine Wissensdatenbank Personendaten, Mandatsunterlagen oder Geschäftsgeheimnisse enthält, wird die Wahl der KI-Infrastruktur zu einer Compliance-Frage.

Typische Risiken

• Trainingsnutzung: Die US-Handelsbehörde FTC warnt, dass der Datenbedarf von KI-Modellen mit Datenschutzpflichten kollidieren kann und dass Unternehmen haften, wenn sie Zusagen zum Schutz von Nutzerdaten brechen, etwa durch verdeckte Nutzung für das Training.
• Rückschlüsse über Schnittstellen: Dieselbe FTC-Analyse nennt das Risiko, dass Anbieter von Modellen als Dienst über API-Aufrufe Erkenntnisse über Geschäftsdaten ihrer Kundschaft gewinnen.
• Unklare Datenflüsse: Unterauftragsverarbeiter, Protokolldaten und Websuche-Funktionen können Inhalte an weitere Stellen weiterleiten.
• Fehlende Rechtetrennung: Eine KI-Suche ohne Berechtigungsprüfung kann vertrauliche Inhalte an Personen ausgeben, die das Originaldokument nie hätten öffnen dürfen.

Was das Schweizer Datenschutzrecht verlangt

Das revidierte Datenschutzgesetz (nDSG, französisch nLPD) gilt auch für die Verarbeitung von Personendaten mit KI. Für eine private Wissensdatenbank sind vor allem folgende Punkte relevant:

• Bekanntgabe ins Ausland: Werden Personendaten ausserhalb der Schweiz gespeichert oder verarbeitet, knüpft das Gesetz dies an Bedingungen, insbesondere an ein angemessenes Schutzniveau im Zielstaat oder an geeignete vertragliche Garantien. Bei einer Verarbeitung ausschliesslich in der Schweiz entfällt diese Prüfung.
• Auftragsverarbeitung: Der Anbieter der Wissensdatenbank verarbeitet Daten im Auftrag. Ein schriftlicher Auftragsverarbeitungsvertrag regelt Zweck, Sicherheit und Unterauftragsverarbeiter.
• Datensicherheit: Verlangt sind angemessene technische und organisatorische Massnahmen, etwa Verschlüsselung, Zugriffskontrolle und Protokollierung.
• Transparenz und Betroffenenrechte: Betroffene Personen haben Anspruch auf Information und Auskunft. Eine nachvollziehbare Ablage erleichtert die Beantwortung solcher Gesuche.
• Berufsgeheimnisse: Für Anwaltskanzleien, Arztpraxen und Treuhandbüros gelten zusätzlich die Geheimhaltungspflichten des jeweiligen Berufsrechts.

Für Organisationen, die auch Personen in der EU bedienen, kann zusätzlich die DSGVO anwendbar sein. Bei konkreten Fragen zu Berufsgeheimnis, Gesundheitsdaten oder grenzüberschreitenden Mandaten ist die Datenschutzberaterin oder der Datenschutzberater des Unternehmens beziehungsweise eine auf Datenschutzrecht spezialisierte Anwaltskanzlei die richtige Anlaufstelle.

Auswahlkriterien für Einzelpersonen und Schweizer KMU

Die folgende Checkliste fasst zusammen, was vor der Wahl einer Lösung geprüft werden sollte.

Einzelpersonen und Freelancer

Für Einzelanwender stehen Bedienbarkeit, ein privater Bereich und ein klarer Ausschluss der Trainingsnutzung im Vordergrund. Wer Kundendaten verarbeitet, braucht bereits als Einzelunternehmen einen sauber geregelten Auftragsverarbeitungsvertrag.

KMU und regulierte Branchen

Für Treuhand, Recht, Gesundheit, Finanz und HR kommen Audit-Trails, Admin-Rechte, geteilte Wissensdatenbanken pro Team und gegebenenfalls ein Betrieb in eigener Infrastruktur hinzu. Vor der Einführung empfiehlt sich ein Pilot mit einem klar abgegrenzten Dokumentbestand und einem Testkatalog nach dem ACT-REL-Raster.

Unsere Sicht auf private Wissensdatenbanken

Eine private Wissensdatenbank ist nur so privat wie die Infrastruktur, auf der sie läuft. Viele Organisationen in der Schweiz ordnen ihre Dokumente sorgfältig, regeln Rechte im Detail und senden die Inhalte dann für jede KI-Abfrage an Rechenzentren im Ausland. Damit verlagert sich die Kontrolle genau an der Stelle, an der sie am wichtigsten ist.

Wir haben Nectos deshalb so gebaut, dass Speicherung und Verarbeitung ausschliesslich auf Schweizer Servern erfolgen. Die KI-Modelle laufen lokal, Inhalte werden nie für das Modelltraining verwendet, und es gibt keine Datenflüsse zu US-Technologiekonzernen. Für Fachleute in Treuhand, Recht, Gesundheit, Finanz und HR ist das keine Nebensache, sondern die Voraussetzung dafür, KI überhaupt mit echten Mandats- und Personaldaten einsetzen zu können.

Aus unserer Sicht gehören Wissensdatenbank, Dokumentanalyse, Meeting-Transkription und KI-Chat in denselben geschützten Arbeitsbereich. Jede zusätzliche Schnittstelle zu einem externen Dienst ist ein zusätzlicher Datenfluss, der dokumentiert, vertraglich abgesichert und überwacht werden muss. Ein souveräner Arbeitsbereich mit Audit-Trails, Prompt-Anonymisierung und Rechteverwaltung macht diese Arbeit einfacher und nachvollziehbarer.

Adopt

Private Wissensdatenbanken mit Nectos

Nectos ist ein souveräner Schweizer KI-Arbeitsbereich mit persönlichen und geteilten Wissensdatenbanken, smarter Dokumentanalyse, Meeting-Transkription und KI-Assistenten für Schweizer Berufskontexte. Hosting und Verarbeitung erfolgen ausschliesslich in der Schweiz gemäss nDSG und DSGVO; ein Auftragsverarbeitungsvertrag ist auf Anfrage erhältlich. Die Funktionen im Überblick und die Datenflüsse bei Nectos zeigen, wie Dokumente verarbeitet werden.

• Starter: CHF 29.90 pro Monat und Arbeitsplatz
• Pro: CHF 49.90 pro Monat und Arbeitsplatz
• Pro+: CHF 99.90 pro Monat und Arbeitsplatz
• Trial: Testzugang zum Kennenlernen des Arbeitsbereichs

Für Organisationen mit eigenen IT-Vorgaben steht ein Betrieb als BYOC oder On-Premise zur Verfügung, mit Support ab CHF 490 pro Monat. Zusätzliche Anforderungen an Nachweise und Kontrollen deckt das Sicherheits- und Compliance-Paket ab. Alle Pläne im Vergleich: Preise und Testzugang.

Häufige Fragen

Ist eine private Wissensdatenbank dasselbe wie ein Firmenwiki?

Nicht ganz. Ein Firmenwiki ist meist für alle Mitarbeitenden offen und wird manuell durchsucht. Eine private Wissensdatenbank ist auf eine Person oder ein definiertes Team beschränkt und wird zunehmend per KI abgefragt, mit Antworten aus den eigenen Dokumenten.

Dürfen Personendaten in eine KI-gestützte Wissensdatenbank?

Ja, wenn die Verarbeitung die Anforderungen des Datenschutzrechts erfüllt: klarer Zweck, angemessene Datensicherheit, ein Auftragsverarbeitungsvertrag mit dem Anbieter und, bei Verarbeitung im Ausland, ein zulässiger Rechtsgrund für die Bekanntgabe. Für besonders schützenswerte Daten wie Gesundheitsdaten gelten strengere Massstäbe; hier ist die Abstimmung mit der zuständigen Datenschutzfachperson zu empfehlen.

Wie verhindert man falsche Antworten der KI?

Durch gepflegte, widerspruchsfreie Dokumente, eine Quellenangabe bei jeder Antwort und die Regel, dass das System fehlende Informationen kennzeichnet. Verbindliche Aussagen wie Fristen oder Beträge werden an der zitierten Stelle gegengelesen.

Was kostet eine private Wissensdatenbank mit Schweizer Hosting?

Bei Nectos beginnen die Pläne bei CHF 29.90 pro Monat und Arbeitsplatz (Starter), Pro kostet CHF 49.90 und Pro+ CHF 99.90. Für einen Betrieb in eigener Infrastruktur gibt es BYOC- und On-Premise-Optionen mit Support ab CHF 490 pro Monat.

Wie oft sollte eine Wissensdatenbank überprüft werden?

Bewährt hat sich ein fester Rhythmus, etwa quartalsweise, ergänzt durch sofortige Anpassung bei geänderten Prozessen oder Rechtsgrundlagen. Ersetzte Fassungen werden archiviert und aus der aktiven Suche entfernt.

Quellen

• NIST IR 8579: Developing the NCCoE Chatbot
• NIST CSRC Glossary: Retrieval-Augmented Generation
• NIST: RFI-Eingabe zur AI Executive Order (ACT-REL)
• ICO: AI, data protection and the public sector
• FTC: AI Companies: Uphold Your Privacy and Confidentiality Commitments

Empfehlungen

• Nectos, Die einzige KI, deren Daten die Schweiz nie verlassen
• Schweizer Öko-KI, 100% Erneuerbare Energien