Welches KI-Wissens-System für welche Firmengrösse

Praktisch jede Woche kommt in einem Beratungsgespräch dieselbe Frage auf den Tisch: «Sollen wir Copilot kaufen, oder bauen wir lieber etwas Eigenes?» Oder: «Wir hören gerade viel zu Langdock – ist das eine Alternative für uns?»

Es gibt keine pauschale Antwort. Aber es gibt einen brauchbaren Rahmen, in dem die Entscheidung sich treffen lässt – und der hat zwei Achsen: Firmengrösse und Datenhoheits-Anspruch. Dieser Beitrag stellt die vier wichtigsten Pfade nebeneinander und gibt für jede Grössenklasse eine konkrete Empfehlung.

Warum diese Frage gerade jetzt zählt

Generative KI ist 2024 in den Mainstream gerückt. 2025 haben die Hyperscaler ihre Enterprise-Produkte gehärtet, und 2026 steht für viele Unternehmen die zweite Stufe an: weg vom ChatGPT-Spielmodus, hin zu KI-Systemen, die die eigene Wissensbasis kennen.

Diese Technologie heisst im Fachjargon RAG (Retrieval-Augmented Generation) und oft kombiniert mit einem Knowledge Graph, der die Beziehungen zwischen Personen, Themen, Dokumenten abbildet. Vier Schulen stehen heute zur Auswahl:

• Selbst gebaut auf Open-Source-Basis
• Microsoft Copilot (über M365)
• Google Vertex AI Search (über Workspace)
• EU-SaaS-Plattformen wie Langdock

Die Wahl entscheidet über Setup-Aufwand, laufende Kosten, Datenhoheit, Compliance-Aufwand und Integrationstiefe. Sie ist keine reine IT-Frage – sondern strategisch.

Die vier Pfade im Überblick

1. Open-Source-Stack auf eigener Infrastruktur

Ein selbst betriebenes System aus Open-Source-Komponenten: Vector-Suche, ein Graph-Speicher, ein selbst gewähltes Sprachmodell und ein eigenes Frontend. Hosting auf einem Schweizer oder deutschen Server (z. B. Infomaniak oder Hetzner), maximale Datenhoheit, vollständige Kontrolle über jede Komponente. Trade-Off: Mehr Setup- und Wartungs-Aufwand. Ohne erfahrenen Partner kein KMU-Format.

2. Microsoft-Pfad – Copilot for M365

Wenn Microsoft 365 sowieso im Einsatz ist, ist Copilot der pragmatischste Pfad. Integration in Teams, Outlook, Word, Excel ist nativ. Im Hintergrund läuft Azure AI Search als Vector-Komponente und Azure OpenAI als Sprachmodell. Trade-Off: Vendor-Lock-in in das Microsoft-Ökosystem – lohnt nur, wenn dieses bereits gesetzt ist.

3. Google-Pfad – Vertex AI Search

Das Pendant für Firmen auf Google Workspace. Vertex AI Search bündelt Vector- und semantische Suche, mit Konnektoren zu Drive, Confluence und mehr. NotebookLM gibt es zudem als konsumer-orientiertes Werkzeug. Trade-Off: RAG-Erfahrung ist hier etwas später dran als bei Microsoft, dafür stark bei multimodalen Anwendungen.

4. EU-SaaS-Pfad – Langdock

Eine in Deutschland gehostete Plattform, die mehrere führende Sprachmodelle bündelt und das Konzept «Wissensordner» eingeführt hat: jeder Workspace kann eigene Dokument-Sammlungen indexieren, ohne Programmierkenntnisse. Trade-Off: Funktional liegt der Fokus auf klassischem RAG, native Knowledge-Graph-Funktion fehlt – lässt sich aber ergänzen.

Dieselben Bausteine, vier Pfade

Wenn man unter die Oberfläche schaut, kombinieren alle vier Lösungen dieselben sechs Komponenten. Die folgende Tabelle zeigt, was in jedem Pfad an welcher Stelle steht:

Sichtbar wird: Microsoft, Google und Langdock sind Managed-Service-Pfade – man bezieht ein fertiges Produkt, in dem die Bausteine bereits orchestriert sind. Der Open-Source-Stack ist der einzige Pfad, der die Bausteine sichtbar lässt und vollständige Kontrolle erlaubt – mit dem Preis von eigenständigem Betrieb.

Empfehlung nach Firmengrösse

Die folgenden Empfehlungen sind keine harten Wahrheiten, sondern häufige Empfehlungen aus unseren Projekten. Jeder Pfad bleibt eine valide Alternative – je nach Stack-Präferenz, Compliance-Treiber und vorhandener Infrastruktur. Die Pfeile zeigen den Pfad, der in der jeweiligen Klasse das beste Aufwand-Nutzen-Verhältnis liefert.

Fazit & nächste Schritte

Zwei Beobachtungen stechen aus unseren Projekten heraus:

Wie Moro Vision dabei unterstützt

Offene Karte vorab: Moro Vision ist Registered Langdock Partner. Diese Partnerschaft sind wir bewusst eingegangen, weil sich Langdock in unserer Beratungspraxis für KMU und Mittelstand häufig als wirtschaftlich beste Wahl erwiesen hat – nicht umgekehrt. Bei Microsoft-, Google- und Self-Hosted-Pfaden begleiten wir Kunden ebenso, ohne dort eine Partnerschafts-Beziehung zu haben. Drei Rollen tauchen in unseren Projekten regelmässig auf:

• Architektur-Beratung & Entscheidungs-Workshop – gemeinsam definieren, welcher Pfad zum eigenen Stack, zur Compliance und zum Budget passt.
• Onboarding & Implementierung – Wissensordner-Struktur, Prompt-Design, Schulung. Vor allem bei Langdock- und Copilot-Einführungen.
• Spezialisierte RAG-Erweiterungen – eigene Komponenten dort, wo Standard-Produkte zu kurz greifen, etwa bei Knowledge-Graph-basierten Recherchen oder branchenspezifischen Konnektoren.