Skip to main content
Ein Space ist ein gemeinsamer Wissensraum. Du lädst Dokumente hoch, die Plattform bereitet sie auf, und der Chat in diesem Space antwortet anschließend auf Basis deiner eigenen Inhalte — nicht nur aus dem allgemeinen Trainingswissen des Modells.

​
So funktioniert ein Space

1

Space anlegen

Erstelle einen Space und beschreibe kurz Ziel, Zielgruppe und gewünschte Tonalität. Diese Angaben helfen, passende Antworten zu erzeugen.
2

Dokumente hochladen

Lade die Dateien hoch, die das Wissen des Space ausmachen (z. B. Handbücher, Richtlinien, Verträge).
3

Verarbeiten lassen

Die Plattform extrahiert den Text, zerlegt ihn in durchsuchbare Abschnitte und macht ihn auffindbar. Der Space wird dadurch „aktiv”.
4

Im Chat nutzen

Stelle Fragen im Space-Chat. Die Antwort stützt sich auf die relevantesten Stellen aus deinen Dokumenten — inklusive Quellenangabe.

​
Dokumente hochladen

Für die Wissensaufbereitung eignen sich text-basierte Formate, da ihre Inhalte durchsuchbar gemacht werden:
  • Dokumente: PDF, Word (DOC/DOCX), Excel (XLSX), PowerPoint (PPTX)
  • Text & Web: TXT, Markdown (MD), CSV, JSON, SRT, HTML, HTM, EPUB
  • Bilder per OCR: PNG, JPG, JPEG, GIF, WebP
GrenzeWert
Maximale Dateigröße25 MB pro Datei
FormatePDF, DOCX, TXT, MD, CSV, JSON, SRT, XLSX, PPTX, PNG, JPG, GIF, WebP
Unterstützte Bilder können in Spaces als Wissen aufgenommen werden. Die OCR-Pipeline extrahiert Text aus PNG, JPG, JPEG, GIF und WebP. Möchtest du ein Bild visuell analysieren, hänge es direkt an eine Chat-Nachricht an und nutze ein Modell mit Bildverständnis.

​
Dateien im Chat vs. Wissen im Space

AspektDatei an einer Chat-NachrichtDatei in einem Space
ZweckEinmalige Frage zu einer DateiDauerhafter, durchsuchbarer Wissenspool
LebensdauerAn die einzelne Nachricht gebundenBleibt erhalten, solange der Space besteht
Beste für„Fasse dieses eine PDF zusammen”„Beantworte Fragen aus unserem Handbuch”

​
Was hinter „RAG” steckt

Spaces nutzen RAG (Retrieval Augmented Generation). Vereinfacht heißt das: Bevor das Modell antwortet, sucht das System zuerst die passenden Stellen in deinen Dokumenten heraus und gibt sie dem Modell als Kontext mit. Das Ergebnis sind Antworten, die auf deinem eigenen Wissen beruhen und ihre Quelle benennen. Damit das zuverlässig funktioniert, kombiniert die Suche zwei Verfahren:
  • Bedeutungssuche — findet inhaltlich passende Stellen, auch wenn andere Wörter verwendet wurden.
  • Stichwortsuche — findet exakte Begriffe und Fachwörter.
Beide Ergebnisse werden zusammengeführt, sodass sowohl sinngemäße als auch wörtliche Treffer berücksichtigt werden. Such-Synonyme (z. B. „Rechnung” und „Faktura”) werden automatisch mitgedacht.

​
Wissen organisieren und verbessern

  • Aktualisieren: Lädst du neue Dateien in einen bestehenden Space, werden diese ergänzend aufbereitet; das bisherige Wissen bleibt erhalten.
  • Qualität: Nach der Verarbeitung erhält der Space eine Qualitätsbewertung, die einen Anhaltspunkt zur Vollständigkeit und Themen-Klarheit gibt.

​
Spaces im Team teilen

In Teams lassen sich Spaces für Kolleg:innen freigeben:
StufeWas Teammitglieder dürfen
LesenChats im Space sehen, eigene Chats erstellen und damit arbeiten
BearbeitenZusätzlich Name und Einstellungen des Space anpassen
Details zur Freigabe findest du unter Sharing & Berechtigungen.

​
Wer auf das Wissen zugreifen kann

Der Zugriff ist auf dein Team begrenzt und zusätzlich auf Datenbank-Ebene abgesichert. Niemand außerhalb deines Teams kann auf die Inhalte zugreifen, und innerhalb des Teams steuern Berechtigungen, wer welche Spaces sieht. Deine hochgeladenen Dokumente werden nicht zum Training von KI-Modellen verwendet. Mehr dazu unter Sicherheit & Compliance.