Suche

Mitarbeiter-Chat auf eigenem Wissen – DSGVO-konforme ChatGPT-Alternative

Anonymisiertes Anwendungsbeispiel. Geprüft am 2. August 2026.

Aufgabentyp
Wissen
Betrieb
Self-hosted
Aufwand
Mittel
Zeitrahmen
4-8 Wochen
Quelle
Konzept, basierend auf zwei aktiven Mandanten-Setups

Aufgabe

Mitarbeitende verbringen täglich 1,5-2 Stunden mit Informationssuche in SharePoint, Mail-Archiven, PDFs und Wikis. Gleichzeitig nutzen viele heimlich ChatGPT, weil es schneller ist – und kippen unbemerkt vertrauliche Daten in fremde Cloud-Systeme. Die Geschäftsführung will den Produktivitätsgewinn, aber DSGVO-konform und auditfähig.

Lösungsweg

OpenWebUI als zentrales Chat-Frontend mit RBAC und SSO, RAG-Anbindung an die firmeneigenen Wissensquellen (Wiki, SharePoint, Vertragsmuster, Prozessdokus). LLM läuft auf Mistral-EU oder Llama via Ollama, Embeddings über Jina AI (EU), Vektor-Index in Qdrant. Ingest aus SharePoint und Confluence per n8n-Workflow, automatisch alle 4 Stunden. Antworten kommen mit Quellenverweis.

Kontrollpunkt Die Kontrolle ist systemisch im Ablauf verankert.

Autonomiestufe 1 von 4 Die Antworten erreichen Mitarbeitende direkt, aber mit Quellenverweis. Entscheidungen trifft weiter die Person, die fragt; Mailversand und CRM-Schreibvorgänge bleiben außerhalb des Chats. Was die fünf Stufen bedeuten

Vorher und Nachher

Die Veränderung wird als Arbeitsablauf beschrieben, nicht als Erfolgsversprechen.

Vorher

  • 1,5-2 Std/Tag Suche in SharePoint, Mail, PDFs, Wiki
  • ChatGPT-Schatten-IT mit Datenleck-Risiko
  • Onboarding teuer, Senior-Wissen schwer abrufbar
  • Keine Auditfähigkeit für KI-Nutzung

Nachher

  • Antwort im Browser-Chat in unter 10 Sek mit Quellenlink
  • Alle Anfragen geloggt, rollenbasiert, DSGVO-konform
  • Onboarding um 50 % verkürzt, Senior-Wissen abrufbar
  • Mitarbeitende dürfen offiziell und ohne Schatten-IT

Dokumentierte Ergebniswerte

Die Werte gelten im jeweils beschriebenen Szenario und sind kein allgemeiner Benchmark.

weniger Suchzeit bei wiederkehrenden Fragen
≈ 70 %
DSGVO-konform, alle Daten in EU/On-Prem
100 %
Amortisation ab Pilotstart
3-6 Mon.

Herleitung: vom Prozess zum Werkzeug

Das Setup folgt aus der Tätigkeit und ihren Daten, nicht aus einer Tool-Präferenz. Die Kette läuft immer in dieselbe Richtung.

  1. Tätigkeit

    Mitarbeiterfragen aus firmeneigenen Wissensquellen mit Quellenverweis beantworten

  2. Datenfluss

    • Intern Wiki, SharePoint, Vertragsmuster, Prozessdokumentation
    • Personenbezogen Geloggte Chatanfragen der Beschäftigten mit SSO-Konto

  3. Werkzeugklasse

    Klasse 3 EU-Hosting mit AVV

  4. Setup

    Das Firmenwissen ist intern, die rollenbasiert geloggten Chatverläufe der Beschäftigten sind personenbezogen; Mindestklasse ist EU-Hosting mit AVV. Der Stack läuft self-hosted oder bei EU-Anbietern, alle Daten bleiben in EU oder On-Prem, auditierbar statt Schatten-ChatGPT.

Die Werkzeugklasse ist die Mindestanforderung für die Daten, die tatsächlich ins Werkzeug fließen. Wie die Kette Nutzenrechnung, Rechtsfrage und Werkzeugwahl aus derselben Tabelle beantwortet, steht unter Prozessanalyse & Werkzeugwahl.

Werkzeug-Stack

Das hier ist die Inhouse-Variante zu den anderen Wissensbot-Cases hier (Vertrieb, Anlagenbau): nicht für eine Fachabteilung, sondern als zentraler Mitarbeiter-Chat für die gesamte Belegschaft. Vergleichbar mit ChatGPT Enterprise oder Microsoft Copilot – nur eben mit Daten, die das Haus nicht verlassen.

Warum OpenWebUI als Frontend

OpenWebUI ist die ausgereifteste Open-Source-Chat-UI für genau diesen Anwendungsfall: integrierte RAG-Engine, RBAC mit Gruppen und Modell-Whitelists, SSO über OIDC, Audit-Logs, Anbindung an quasi jedes LLM-Backend. Bis 50 aktive Nutzer ist die Eigennutzung lizenzfrei – auch mit eigenem Branding. Details auf der Tool-Seite.

Ein Eigenbau lohnt sich eher, wenn die Wissensbasis selbst im Zentrum steht und weniger Wert auf breite Mitarbeiter-Verwaltung mit vielen Rollen liegt – die Wissensbasis dieser Website ist so ein Fall. Für einen unternehmensweiten Chat mit RBAC/SSO ist eine ausgereifte Standardlösung wie OpenWebUI der schnellere und wartungsärmere Weg als ein Eigenbau pro Einsatz.

Ablauf eines typischen Setups

  1. Inventur (Woche 1): Welche Quellen kommen rein? SharePoint, Confluence, Vertragsmuster, Prozessdokumentation, technische Spezifikationen. Berechtigungen klären – was darf wer sehen?
  2. Stack hochziehen (Woche 2): Docker-Stack mit OpenWebUI, Qdrant, Ollama oder Mistral-Anbindung – auf einem VPS in Deutschland oder On-Prem.
  3. Erste Quelle anbinden (Woche 2-3): n8n-Workflow für SharePoint-Sync, Chunking, Embedding via Jina AI, Index in Qdrant. SSO-Integration.
  4. Pilotbetrieb (Woche 4-5): 5-10 Power-User aus verschiedenen Abteilungen. Feedback einsammeln, Prompt-Templates verfeinern, Quellen-Boosting.
  5. Rollout (Woche 6-8): Gruppen, Rollen, Rechte definieren, Schulung der Belegschaft (30-60 Min pro Person), Monitoring-Dashboards für die IT.

Was im Szenario bewusst nicht passiert

  • Keine Trainings-Pipeline: Es werden keine Modelle auf Unternehmensdaten trainiert – RAG retrieved, das LLM formuliert. Datenschutz-Argument ist klar.
  • Keine Auto-Aktionen: Der Chat antwortet, er handelt nicht. Mail-Versand, Rechnungsstellung, CRM-Schreibvorgänge passieren weiterhin über kontrollierte Workflows (n8n), nicht über den Chat-Output.
  • Kein Schatten-Onboarding: Wer keinen SSO-Account hat, kommt nicht rein. Externe Mitarbeiter explizit als eingeschränkte Gruppe modellieren.

Abgrenzung zur Free-Tier-Lizenz

OpenWebUI ist bis 50 aktive Nutzer pro 30-Tage-Fenster frei nutzbar – auch mit White-Label-Branding. Bei Konzernrollouts über 50 Nutzer lohnt sich ein früher Blick auf die Enterprise-Lizenz. Bei Pflicht zu vollständigem White-Label ab Tag 1 ist LibreChat (MIT) eine Alternative. Die Tool-Seite OpenWebUI erklärt die Lizenz-Schwellen im Detail.

Verwandte Themen