Die kanonischen Definitionen.

01 · DIE KATEGORIE

Knowledge as a Service

Die Kategorie, die das organische Wissen einer qualifizierten, verteilten Belegschaft in eine laufend aktualisierte Intelligence-Schicht umwandelt, die an drei Endpunkte verteilt wird: ein internes Dashboard, eine eingegrenzte Markenpartner-API und ein KI-Agenten-Abruf-Feed. Die Eingangseinheit ist ein strukturiertes, KI-gefuehrtes Interview. Die Ausgangseinheit ist Infrastruktur, kein Bericht.

KAAS

Das Akronym fuer Knowledge as a Service. Ausgesprochen kass. Reiht sich neben SaaS, IaaS und PaaS in derselben Weise ein: Das Suffix signalisiert kontinuierliche Verteilung und native API-Bereitstellung.

Lebendes Corpus

Der vollstaendige Satz angereicherter Gespraeche einer Belegschaft, indexiert auf die zehn Dimensionen, mit bi-temporaler Gueltigkeit gestempelt und durch einen Segmentvektor abgegrenzt. Das Corpus aktualisiert sich woechentlich und verfaellt dimensionsweise gemaess kalibrierten Halbwertszeiten.

02 · DIE DREI STUFEN

Gather

Die erste Stufe. Unser KI-Konversationsagent fuehrt ein 15- bis 45-minuetiges strukturiertes Interview mit jeder Arbeitskraft durch, die erfassenswuerdiges Wissen besitzt. Kosten: drei Cent pro angereichertem Gespraech. Ausgabe: ein Transkript, ein strukturierter Feldsatz und zwanzig bis vierzig anreicherungsbereite Chunks pro Interview.

Codify

Die zweite Stufe. Jedes Gespraech wird in zehn parallele strukturierte Dimensionen zerlegt und mit bi-temporaler Gueltigkeit und Segmentabgrenzung in einem Faktenspeicher persistiert. Die Ausgabe ist eine abfragbare Schicht mit stabilem Schema. Dasselbe Faktum, drei Verbrauchsmodi (Dashboard, API, Agenten-Feed).

Monetize

Die dritte Stufe. Die codifizierte Schicht wird gleichzeitig an das interne Dashboard, die eingegrenzte Markenpartner-API und den KI-Agenten-Abruf-Feed verteilt. Die Bepreisung entspricht Infrastrukturniveau mit einer prozentualen Logik auf nachgelagerten Umsaetzen und einem Enterprise-Mindestbetrag.

03 · PERSONEN UND ROLLEN

KI-Konversationsagent

Der interviewfuehrende Agent. Aufgebaut mit einem Verhaltensbaum, Protokolldurchsetzungsregeln, Wissensdomaenen und agentenspezifischen Leitplanken, die in einer versionierten Spezifikation definiert sind. Der Agent fuehrt jedes Interview nach demselben Protokoll im ersten Gespraech und im zehntausendsten Gespraech.

Intelligence Layer

Die Produktoberflaeche, die aus dem Dashboard, der Markenpartner-API und dem KI-Agenten-Feed besteht. Das einzelne Lieferobjekt, das ein KAAS-Kunde kauft. Die Intelligence Layer ist das, was den Deal zu einer Geschaeftseinheit statt zu einem Forschungsprojekt macht.

Intelligence-Matrix

Der interne Name fuer den Satz von MCP-Tools und -Prompts, die im Auftrag von Agenten, Dashboards und API-Konsumenten gegen das codifizierte Corpus lesen. Jede Operation in der Matrix laeuft unter einer Zero-Data-Richtlinie. Die Matrix ist die Laufzeitumgebung; das Corpus sind die Daten.

04 · METHODOLOGIE

KI-gefuehrtes strukturiertes Interview

Ein 15- bis 45-minuetiges Gespraech zwischen unserem KI-Konversationsagenten und einer Arbeitskraft, durchgefuehrt nach einem versionierten Protokoll. Ankerbasiertes Sondieren, Neutralitaetsdurchsetzung, zeitbegrenzte Tiefe, strukturierter Abschluss. Das Instrument, das sowohl niedrige Kosten als auch Protokolltreue haelt, was weder menschliche Interviewer noch Umfragen im grossen Massstab koennen.

Ankerbasiertes Sondieren

Der erste Schritt in jedem Thema ist ein Eroeffnungsanker bei einem konkreten aktuellen Ereignis im Bereich der Arbeitskraft (zum Beispiel das letzte Mal, als ein Kunde nach einem Produkt fragte, das die Arbeitskraft nicht vorraettig hatte). Der Agent geht nicht zum naechsten Thema ueber, bis der Anker fixiert ist. Abstrakte Fragen erzeugen abstrakte Antworten; der Anker bringt Konkretes zutage.

Neutralitaetsprotokoll

Der Agent prueft seine naechste Aeusserung gegen einen Neutralitaetsklassifikator, bevor er sie ausgibt. Keine lenkende Formulierung, kein Wertbeladen, kein sozialer Erwuenschtheitsprime, kein Zustimmungszug. Das Protokoll verhindert, dass der Agent die Antwort in eine Richtung lenkt, die die Analyse spaeter abwerten muesste.

Abschlussprotokoll

Gespraeche enden mit einem strukturierten Abschluss, nie mit einem Ausblenden. Die letzten zwei Minuten eines Interviews liefern den hochwertigsten Inhalt, weil der Befragte sich eingespielt hat und dem Instrument vertraut. Der Abschluss faengt dieses Signal.

Zehn Dimensionen

Die zehn parallelen strukturierten Felder, in die jedes Rohgespraech waehrend der Codify-Stufe zerlegt wird: Schmerzpunkte, Opportunity-Scoring, Markenwahrnehmungskarte, KI-Bereitschafts-Scoring, Bindungsfaktoren, Marktsignal, regulatorisches und Compliance-Risiko, Ausbildungsluecke, Kundensegmentverhalten, Wettbewerber-Erwaehungskarte. Das Schema ist vertikal-spezifisch in der Oberflaeche und stabil in der Form.

Pre-Enrichment-Gate

Der Verifizierungsschritt, der laeuft, bevor ein angereicherter Datensatz persistiert wird. Ein deterministischer Filter bestaetigt, dass jedes Zitat, das das System verlaesst, eine wortgetreue Teilzeichenkette eines echten USER-Turns aus einem echten Interview ist. Wenn der Filter ein erfundenes Zitat erkennt, wird das Zitat geloescht, nie umgeschrieben.

Verbale Herkunft

Der Vertrag, dass jede Aussage in jedem Bericht ueber einen Chunk-Bezeichner der Form transcript_id / turn_id / sentence_id auf das Transkript zurueckfuehrt, das sie erzeugt hat. Der Link ist immer vorhanden, bei jedem Gespraech, ohne Stichproben. Bereinigte, gekuerzte und uebersetzte Anzeigeschichten leiten sich alle vom urspruenglichen Verbatim ab, das nie uebersetzt wird und in seiner Originalsprache als Herkunftsnachweis erhalten bleibt.

05 · TECHNISCHE PRIMITIVE

Bi-temporales Modell

Das Datenmodell, in dem jedes Faktum drei unabhaengige Zeitstempel traegt: learned_at, valid_at und invalid_at. Das Modell laesst einen Markenpartner den Stand des Corpus vom letzten Mai gegenueber heute abspielen und fuer jedes die korrekte Antwort erhalten. Diese Eigenschaft macht die Schicht in einem Vertrag versicherbar.

learned_at

Der Zeitstempel, zu dem das System ein bestimmtes Faktum beobachtete (das Interview- oder Anreicherungsdatum). Verschieden davon, wann das Faktum in der Welt wahr wurde.

valid_at

Der Zeitstempel, zu dem ein Faktum in der Welt wahr wurde. Haeufig aus dem Gespraech selbst abgeleitet (eine Arbeitskraft sagt: "Ich habe das letzten Herbst bemerkt", also ist valid_at ungefaehr Oktober dieses Jahres). Verschieden davon, wann das System es erfuhr.

invalid_at

Der Zeitstempel, zu dem ein Faktum aufhoert, wahr zu sein. Explizit gesetzt, wenn ein widersprechendes Gespraech eintrifft, oder durch Halbwertszeit-Verfall, wenn keine Aktualisierung das Faktum innerhalb des kalibrierten Fensters bestaetigt.

Segmentvektor

Eine duenne Projektion ueber die Segmentierungsachsen, die fuer das Vertical relevant sind (Stufe, Geographie, Filialformat, Kundensegment, Markenpartner, Demographie). Jedes Faktum traegt einen. Die Abfragesprache wird zu WHERE valid_at ⊃ today AND segment_vector ⊃ {region, format, partner}. Die Gueltigkeit pro Segment erlaubt es, dass ein einziges Corpus jeden Markenpartner im Regal bedient, ohne Datenlecks.

Gueltigkeit pro Segment

Die Eigenschaft, dass dieselbe Oberflaechenaussage fuer eine Segmentscheibe heute zutreffen kann und fuer eine andere nicht. "Farbe X wird am haeufigsten abgelehnt" kann fuer Mass-Market-Laeden in Lateinamerika wahr und fuer EMEA-Boutiquen falsch sein. Gueltigkeit pro Segment ist institutionelles Gedaechtnis in einer strukturell anderen Form als benutzerspezifisches Agentengeddaechtnis.

Halbwertszeit

Die dimensionsbezogene Verfallsrate, die fuer jedes Vertical kalibriert ist. Markenwahrnehmungs-Fakten verfallen in Wochen. Ausbildungsluecken-Fakten verfallen nur, wenn sich der Schulungskatalog aendert. Das Kalibrieren von Halbwertszeiten pro Dimension und pro Vertical ist Methodologie und trennt einen glaubwuerdigen Aktualisierungsrhythmus vom blossen Wiederholen einer Umfrage.

Aktualisierungsrhythmus

Der Zeitplan, nach dem eine Scheibe des Corpus re-interviewt wird, um Fakten zu bestaetigen oder zu invalidieren. Der Rhythmus ist in den Faktum-Lebenszyklus eingebettet. Das Dashboard zeigt einen Aktualisierungs-Trigger an, wenn ein bedeutender Anteil der Fakten die Gueltigkeit ueberschritten hat. Das Refresh-Tier wird gegen diesen Trigger verkauft.

MCP-Server

Die agentenseitige Vertragsflaeche. Ein MCP-konformer Server (konsumiert von Claude, Copilot und anderen MCP-konformen Clients), der eine kleine Tool-Oberflaeche bereitstellt: query_facts, traverse_relations, pivot_dimension, replay_as_of, cite. Das Sitzungsticket traegt den Sicherheitsumfang. Der Umfang kaskadiert in die Tools, die der LLM sehen kann, die Graph-Knoten, die er durchlaufen kann, die Faktenzeilen, die er lesen kann, und die verbalen Chunks, die sich aufloesen, wenn er zitiert.

Markenpartner-API

Der zweite Monetarisierungsendpunkt. Nachgelagerte Dritte (zum Beispiel die Markenpartner, die einem Einzelhaendler fuer Regalpraesenz zahlen) zahlen dem Kunden fuer eingegrenzten Zugang in das Corpus. Der Schluessel jedes Partners projiziert auf einen spezifischen brand_partner-Wert und zeigt nur die Fakten, deren Segmentvektor diese Projektion schneidet. Der Datenpfad ist die Zugangskontrolle.

KI-Agenten-Feed

Der dritte Monetarisierungsendpunkt. Die Abrufoberfaeche, die LLM-Clients konsumieren. RAG-bereit, mit stabilem Schema und Quellenangabe. Genutzt von den eigenen KI-Assistenten des Kunden (dem Berater-Copiloten, dem Planungsagenten des Einkaefers) und von Agenten der Markenpartner, die ueber die API abfragen. Sobald ein Agent mit dem Konsum der Schicht verbunden ist, steigen die Wechselkosten mit jeder neuen Agentenaufgabe.

Internes Dashboard

Der erste Monetarisierungsendpunkt. Das eigene Strategie-, Merchandising- oder Betriebsteam des Kunden konsumiert die Schicht, um Entscheidungen zu treffen. Der am wenigsten umstrittene Endpunkt und der Einstiegskeil fuer jeden Deal.

Cloud Harness

Die Deployment-Konfiguration, die den gesamten KAAS-Stack innerhalb des eigenen Substrats des Kunden betreibt (Cloudflare-Konto, AWS, Azure oder On-Premise). Die Erfassungspipeline, die bereinigten Transkripte, die bi-temporale Schicht, der Faktenspeicher, die Dashboards und die KI-Agenten leben alle auf Infrastruktur, die der Kunde kontrolliert.