KI-Wissensassistent: Der vollständige Leitfaden für 2025

Jedes Unternehmen hat das gleiche Problem: Wissen existiert, aber die Leute können es nicht finden.

Dokumente liegen in SharePoint. Richtlinien verstecken sich in Google Drive. Verfahren befinden sich in Wikis, die niemand besucht. Fachwissen steckt in den Köpfen von Mitarbeitern, die zu beschäftigt sind, um dieselben Fragen wiederholt zu beantworten.

Das Ergebnis? Menschen verschwenden Stunden mit Suchen. Sie fragen Kollegen, die Besseres zu tun haben. Sie treffen Entscheidungen ohne die Informationen, die sie benötigen. Oder sie geben einfach auf und erfinden etwas neu, das irgendwo bereits existiert.

KI-Wissensassistenten versprechen, dies zu lösen. Statt durch Dokumente zu suchen, stellen Sie eine Frage in einfacher Sprache und erhalten eine Antwort – synthetisiert aus dem tatsächlichen Wissen Ihres Unternehmens, mit Quellen, die Sie überprüfen können.

Aber die Landschaft ist verwirrend. Jeder Anbieter behauptet, KI-gestützte Suche zu haben. Die Technologie entwickelt sich schnell, und es ist schwer, echte Fähigkeiten von Marketing-Hype zu trennen.

Dieser Leitfaden durchdringt den Lärm. Wir erklären, was KI-Wissensassistenten tatsächlich sind, wie die Technologie funktioniert, worauf Sie bei der Bewertung von Optionen achten sollten und wie Sie einen erfolgreich implementieren. Ob Sie gerade erst erkunden oder bereit sind zu kaufen, Sie werden mit einem klaren Bild davon fertig, was möglich ist und was es braucht, um dorthin zu gelangen.

Was ist ein KI-Wissensassistent?

Ein KI-Wissensassistent ist ein Softwaresystem, das künstliche Intelligenz nutzt, um Benutzern zu helfen, organisatorisches Wissen zu finden, zu verstehen und zu nutzen. Im Gegensatz zu traditionellen Suchmaschinen, die Listen von Dokumenten zurückgeben, liefern KI-Wissensassistenten direkte Antworten auf Fragen – aus Ihren tatsächlichen Inhalten abgeleitet und darin verankert.

Denken Sie an den Unterschied zwischen der Google-Suche und dem Fragen eines sachkundigen Kollegen. Google gibt Ihnen Links. Ein Kollege gibt Ihnen eine Antwort, erklärt den Kontext und kann Ihnen zeigen, wo er es gelernt hat. KI-Wissensassistenten zielen darauf ab, dieses kollegiale Erlebnis im großen Maßstab zu liefern.

Die Verschiebung ist grundlegend. Die Suche legt die Last auf den Benutzer, Informationen zu finden und zu synthetisieren. KI-Wissensassistenten erledigen diese Arbeit für Sie.

Kernfähigkeiten

Moderne KI-Wissensassistenten teilen mehrere Schlüsselfähigkeiten:

Natürliches Sprachverständnis. Basierend auf Natural Language Processing (NLP) stellen Benutzer Fragen, wie sie eine Person fragen würden, nicht wie sie eine Boolean-Suchanfrage konstruieren würden. «Was ist unsere Richtlinie zur Fernarbeit?» funktioniert genauso gut wie «Fernarbeitsrichtliniendokument».

Multi-Quellen-Synthese. Antworten können aus mehreren Dokumenten schöpfen und Informationen kombinieren, deren Zusammenstellung einem Menschen erhebliche Zeit kosten würde. Fragen wie «Vergleiche unsere Benefits in den USA vs. UK» können beantwortet werden, auch wenn dieser Vergleich nicht als einzelnes Dokument existiert.

Quellenangabe. Gute Systeme zitieren, woher Antworten stammen – das spezifische Dokument, den Abschnitt und oft die exakte Passage. Dies ermöglicht es Benutzern, Genauigkeit zu überprüfen und bei Bedarf tiefer einzutauchen.

Kontextbewusstsein. Fortgeschrittene Systeme verstehen Kontext aus vorherigen Fragen, Organisationsstruktur und Benutzerattributen. Die Antwort auf «Was ist mein Urlaubssaldo?» hängt davon ab, wer fragt.

Verankerung und Grenzen. Im Gegensatz zu allgemeinen KI-Chatbots sind Wissensassistenten darauf beschränkt, aus Ihren Inhalten zu antworten. Sie sollten nichts erfinden oder aus dem allgemeinen Internet ziehen – sie sollten sagen «Ich habe keine Informationen darüber», wenn Ihre Wissensbasis ein Thema nicht abdeckt.

Wie KI-Wissensassistenten funktionieren

Das Verständnis der Technologie hilft Ihnen, Lösungen zu bewerten und realistische Erwartungen zu setzen. Die Kernarchitektur der meisten KI-Wissensassistenten folgt einem Muster namens Retrieval-Augmented Generation (RAG).

Die RAG-Architektur

RAG kombiniert zwei KI-Fähigkeiten: das Abrufen relevanter Informationen und das Generieren menschenähnlicher Antworten. So funktioniert es in der Praxis:

Schritt 1: Inhaltsaufnahme. Ihre Dokumente – PDFs, Word-Dateien, Webseiten, Wiki-Artikel, Help-Desk-Tickets – werden verarbeitet und in ein Format konvertiert, mit dem die KI arbeiten kann. Dies beinhaltet das Aufteilen von Dokumenten in Chunks, das Verstehen ihrer Bedeutung und das Erstellen mathematischer Darstellungen namens Embeddings.

Schritt 2: Abfrageverarbeitung. Wenn ein Benutzer eine Frage stellt, konvertiert das System diese Frage in dasselbe Embedding-Format und sucht nach den relevantesten Inhalts-Chunks.

Schritt 3: Kontextzusammenstellung. Die abgerufenen Chunks werden zum Kontext für die KI. Anstatt «Was ist unsere Urlaubsrichtlinie?» ohne Informationen zu fragen, erhält die KI die Frage zusammen mit den relevanten Abschnitten Ihres tatsächlichen Urlaubsrichtliniendokuments.

Schritt 4: Antwortgenerierung. Ein großes Sprachmodell (LLM) generiert eine Antwort basierend auf dem abgerufenen Kontext. Da die KI den tatsächlichen Richtlinientext hat, kann sie genaue, spezifische Antworten anstelle generischer Antworten liefern.

Schritt 5: Quellenangabe. Das System verfolgt, welche Dokumente zur Antwort beigetragen haben, und präsentiert diese als Zitate, damit Benutzer überprüfen und weiter erkunden können.

Vektordatenbanken und Embeddings

Die «Magie», die KI-Wissensassistenten funktionieren lässt, liegt darin, wie sie Bedeutung verstehen. Traditionelle Suche basiert auf Schlüsselwörtern – wenn Sie nach «Urlaub» suchen, finden Sie Dokumente, die dieses Wort enthalten. Embeddings erfassen stattdessen semantische Bedeutung.

«Was ist unsere PTO-Richtlinie?» und «Wie viel Urlaub bekomme ich?» bedeuten im Wesentlichen dasselbe, auch wenn sie wenige Wörter gemeinsam haben. Embedding-Modelle verstehen dies und repräsentieren beide Fragen als ähnliche mathematische Vektoren. Deshalb können KI-Assistenten Fragen beantworten, selbst wenn Benutzer nicht die exakten Begriffe aus den Quelldokumenten verwenden.

Vektordatenbanken speichern diese Embeddings effizient und ermöglichen schnelle Ähnlichkeitssuchen über Millionen von Dokumenten-Chunks. Wenn Sie eine Frage stellen, findet das System den semantisch ähnlichsten Inhalt – nicht nur Keyword-Übereinstimmungen.

Die Rolle großer Sprachmodelle

LLMs wie GPT-4, Claude oder Llama generieren die tatsächlichen Antworten. Sie sind bemerkenswert gut darin, Fragen zu verstehen, Kontext zu verarbeiten und kohärente, hilfreiche Antworten zu produzieren. Aber sie haben Einschränkungen:

Sie können halluzinieren. Ohne ordnungsgemäße Verankerung könnten LLMs plausibel klingende, aber falsche Informationen generieren. RAG mildert dies, indem es tatsächliches Quellmaterial bereitstellt, aber das Risiko ist nicht eliminiert.

Kontextfenster sind wichtig. LLMs können nur so viel Text auf einmal verarbeiten. Wenn Ihr Richtliniendokument 100 Seiten hat, kann die KI nicht das Ganze lesen – sie arbeitet mit relevanten Auszügen. Gutes Retrieval ist essentiell.

Qualität hängt vom Prompting ab. Wie Sie die KI-Anweisungen strukturieren, beeinflusst die Antwortqualität. Die besten Wissensassistenten-Plattformen haben ihr Prompting durch umfangreiche Tests verfeinert.

Wichtige Funktionen, auf die Sie achten sollten

Nicht alle KI-Wissensassistenten sind gleich. Bei der Bewertung von Optionen trennen diese Funktionen fähige Lösungen von Basisimplementierungen.

Semantische Suchqualität

Die Grundlage jedes KI-Wissensassistenten ist seine Fähigkeit, relevante Inhalte zu finden. Testen Sie dies, indem Sie Fragen auf verschiedene Weise stellen. Versteht das System Synonyme? Kann es Rechtschreibfehler handhaben? Findet es relevante Inhalte, auch wenn Ihre Frage eine andere Terminologie verwendet als die Quelldokumente?

Schlechtes Retrieval führt zu schlechten Antworten – keine noch so ausgeklügelte KI kann kompensieren, dass die richtigen Informationen überhaupt nicht gefunden werden.

Quellenangabe und Zitate

Vertrauenswürdige Antworten erfordern überprüfbare Quellen. Suchen Sie nach Systemen, die:

• Das spezifische Dokument zitieren, aus dem jede Information stammt
• Direkt auf Quellmaterial verlinken, damit Benutzer überprüfen können
• Zeigen, welche Abschnitte oder Passagen verwendet wurden
• Bei Bedarf Konfidenzniveaus angeben

Ohne Zitate müssen Benutzer der KI blind vertrauen – und dieses Vertrauen schwindet schnell nach der ersten falschen Antwort.

Multi-Quellen-Integration

Echtes organisatorisches Wissen lebt nicht an einem Ort. Die besten KI-Wissensassistenten können sich verbinden mit:

• Dokumenten-Repositories (SharePoint, Google Drive, Dropbox)
• Wikis und Wissensbasen (Confluence, Notion, interne Systeme)
• Kommunikationsplattformen (Slack-Nachrichten, Teams-Kanäle)
• Ticketsystemen (Help-Desk-Verlauf, Support-Fälle)
• Strukturierten Datenbanken (HRIS, CRM, Projektmanagement)

Je mehr Quellen verbunden sind, desto vollständiger ist das Wissen der KI – und desto nützlicher ihre Antworten.

Berechtigungsbewusstsein

Nicht jeder sollte auf alles zugreifen können. Ein starker KI-Wissensassistent respektiert bestehende Zugriffskontrollen:

• Benutzer sehen nur Antworten aus Dokumenten, auf die sie zugreifen dürfen
• Vertrauliche Informationen bleiben vertraulich
• Die KI gibt nicht versehentlich HR-Daten an alle preis

Dies ist nicht verhandelbar für Unternehmensbereitstellung. Ohne Berechtigungsbewusstsein beschränken Sie entweder die Wissensbasis nur auf öffentliche Dokumente oder schaffen Sicherheitsrisiken.

Gesprächskontext

Echte Fragen stehen selten allein. Nach einer Frage zur Elternzeit könnten Sie fragen «Gilt das auch für Adoptiveltern?» oder «Wen kontaktiere ich, um den Prozess zu starten?»

Gute KI-Wissensassistenten behalten den Gesprächskontext bei und verstehen, dass «das» sich auf die gerade besprochene Elternzeitrichtlinie bezieht. Dies ermöglicht natürliche, effiziente Interaktionen, anstatt Benutzer zu zwingen, bei jeder Frage den Kontext zu wiederholen.

Feedback-Mechanismen

Selbst die beste KI macht Fehler. Suchen Sie nach Systemen, die Benutzern ermöglichen:

• Falsche oder unvollständige Antworten zu kennzeichnen
• Korrekturen bereitzustellen, die zukünftige Antworten verbessern
• Hilfreiche Antworten positiv zu bewerten
• Menschliche Überprüfung anzufordern, wenn die KI nicht helfen kann

Diese Feedback-Schleife ist, wie sich Systeme im Laufe der Zeit verbessern und wie Unternehmen Wissenslücken identifizieren.

Anwendungsfälle nach Abteilung

KI-Wissensassistenten können fast jede Funktion bedienen, aber bestimmte Anwendungsfälle haben sich als besonders wertvoll erwiesen.

HR und Personalwesen

HR-Teams beantworten ständig die gleichen Fragen: Benefits, Richtlinien, Verfahren, Fristen. Ein KI-Wissensassistent kann die überwiegende Mehrheit der Routineanfragen bearbeiten:

• «Was ist unsere Zahnversicherung?»
• «Wie ändere ich meinen Steuerabzug?»
• «Wann ist die offene Einschreibung?»
• «Wie ist der Prozess für die Beantragung von FMLA-Freistellung?»

Dies befreit HR-Profis, sich auf komplexe Situationen zu konzentrieren, die menschliches Urteilsvermögen erfordern, während Mitarbeiter rund um die Uhr sofortige, genaue Antworten erhalten.

Kundensupport

Kundenorientierte Teams können KI-Wissensassistenten nutzen, um:

• Produktfragen sofort zu beantworten
• Troubleshooting-Schritte über die Dokumentation hinweg zu finden
• Relevante Fallhistorien für den Kontext zu lokalisieren
• Antworten zu entwerfen, die in genehmigten Inhalten verankert sind

Das Ergebnis sind schnellere Lösungszeiten, konsistentere Antworten und bessere Kundenerfahrung.

IT-Help-Desk

IT-Abteilungen pflegen umfangreiche Repositories von Dokumentation: Systemanleitungen, Troubleshooting-Verfahren, Konfigurationseinstellungen, bekannte Probleme. Ein KI-Assistent hilft sowohl IT-Mitarbeitern als auch Endbenutzern:

• «Wie setze ich mein VPN-Passwort zurück?»
• «Was sind die Anforderungen für unsere genehmigte Softwareliste?»
• «Warum synchronisiert sich mein Outlook nicht?»

Selbstbedienungslösungen reduzieren das Ticket-Volumen und verbessern gleichzeitig die Benutzerzufriedenheit.

Vertriebsunterstützung

Vertriebsteams benötigen schnellen Zugriff auf Produktinformationen, Wettbewerbsintelligenz, Preisrichtlinien und Fallstudien. KI-Wissensassistenten können:

• Relevante Fallstudien für bestimmte Branchen oder Anwendungsfälle finden
• Produktfähigkeiten und -einschränkungen erklären
• Wettbewerbsdifferenzierungspunkte finden
• Genehmigte Preis- und Rabattrichtlinien lokalisieren

Vertriebsmitarbeiter verbringen weniger Zeit mit Suchen und mehr Zeit mit Verkaufen.

Recht und Compliance

Rechtsteams können KI-Assistenten nutzen, um durch Verträge, Richtlinien und regulatorische Anforderungen zu navigieren:

• «Was sagt unsere Standard-NDA über Abwerbungsverbot?»
• «Welche Verträge haben automatische Verlängerungsklauseln?»
• «Was sind unsere Datenaufbewahrungsanforderungen gemäß DSGVO?»

Dies beschleunigt die Recherche und stellt gleichzeitig sicher, dass Antworten aus autoritativen Quellen stammen.

KI-Wissensassistenten vs. traditionelle Wissensbasen

Zu verstehen, was KI-Assistenten ersetzen – und was nicht – hilft, angemessene Erwartungen zu setzen.

KI-Wissensassistenten eliminieren nicht die Notwendigkeit für Qualitätsinhalte – sie verstärken sowohl gute als auch schlechte Inhalte. Eine gut organisierte traditionelle Wissensbasis mit veralteten Informationen ist schlecht. Ein KI-Assistent, der selbstsichere, aber falsche Antworten aus denselben Inhalten liefert, ist schlimmer.

Best Practices für die Implementierung

Technologie allein schafft keinen Wert. Erfolgreiche Implementierungen folgen diesen Mustern.

Beginnen Sie mit einem fokussierten Anwendungsfall

Versuchen Sie nicht, jedes Wissenssystem auf einmal zu ersetzen. Wählen Sie einen hochwertigen Anwendungsfall:

• HR-Richtlinienfragen
• Produktdokumentation für Support-Teams
• Onboarding-Informationen für neue Mitarbeiter
• IT-Troubleshooting

Beweisen Sie Wert in einem begrenzten Bereich, lernen Sie, was funktioniert, und expandieren Sie dann.

Prüfen und bereinigen Sie Ihre Inhalte

Bevor Sie Inhalte mit einem KI-Assistenten verbinden, prüfen Sie diese:

• Entfernen oder archivieren Sie veraltete Dokumente
• Konsolidieren Sie Duplikate
• Identifizieren Sie Lücken in der Abdeckung
• Markieren Sie autoritative Quellen für Schlüsselthemen

Ein KI-Assistent, der ein Richtliniendokument von 2019 neben einem von 2024 präsentiert, schafft Verwirrung. Bereinigen Sie Inhalte vor der Bereitstellung.

Planen Sie laufende Wartung

Inhalte ändern sich. Richtlinien werden aktualisiert. Neue Informationen werden erstellt. Ihr KI-Assistent benötigt einen Prozess für:

• Promptes Hinzufügen neuer Inhalte
• Aktualisieren oder Ersetzen veralteter Inhalte
• Entfernen veralteter Informationen
• Überprüfen und Handeln auf Benutzerfeedback

Ohne Wartung verschlechtert sich selbst eine großartige Erstimplementierung im Laufe der Zeit.

Schulen Sie Benutzer für effektive Abfragen

KI-Assistenten sind nachsichtig, aber Benutzer profitieren dennoch davon zu wissen, wie man effektiv interagiert:

• Stellen Sie spezifische Fragen statt vager
• Geben Sie bei Bedarf Kontext an
• Fragen Sie nach, wenn die erste Antwort nicht vollständig ist
• Melden Sie falsche Antworten, damit sich das System verbessert

Eine kurze Schulungssitzung verbessert Akzeptanz und Zufriedenheit erheblich.

Messen Sie die Auswirkungen

Verfolgen Sie Metriken, die wichtig sind:

• Fragenvolumen und -typen
• Zufriedenheitsbewertungen für Antworten
• Eskalationen an Menschen
• Eingesparte Zeit im Vergleich zu früheren Prozessen
• Identifizierte Wissenslücken

Daten ermöglichen es Ihnen, Wert zu demonstrieren, Probleme zu identifizieren und Expansion zu steuern.

Top KI-Wissensassistenten-Plattformen

Der Markt ist schnell gereift. Es existieren mehrere Kategorien von Lösungen:

Unternehmensorientierte Plattformen

Glean, Guru, Coveo – Gebaut für große Organisationen mit komplexen Anforderungen. Starke Integrationsfähigkeiten, robuste Sicherheit, ausgeklügelte Administration. Höhere Preispunkte, längere Implementierungen.

SMB- und Mittelstands-Lösungen

Document360, Tettra, Slite – Zugänglichere Preise und einfacheres Setup. Gut für Teams, die Kernfunktionalität ohne Unternehmenskomplexität benötigen. Können Einschränkungen bei Integrationen oder Skalierung haben.

Vertikale-spezifische Lösungen

Posh.ai, Ada – Speziell entwickelt für bestimmte Anwendungsfälle wie Kundensupport oder Finanzdienstleistungen. Tiefe Funktionalität in ihrer Domäne, begrenzte Anwendbarkeit außerhalb davon.

Plattform-native Tools

Microsoft Copilot, Google Duet – Integriert in bestehende Produktivitäts-Suites. Praktisch, wenn Sie bereits in diesem Ökosystem sind, potenziell einschränkend, wenn nicht.

Build vs. Buy

Einige Organisationen erwägen, ihren eigenen KI-Wissensassistenten zu bauen, indem sie Komponenten wie OpenAI-APIs, Vektordatenbanken und benutzerdefinierte Retrieval-Pipelines verwenden. Dies bietet maximale Flexibilität, erfordert aber erhebliche Engineering-Ressourcen und laufende Wartung.

Für die meisten Organisationen ist der Kauf einer bewährten Lösung praktischer als das Bauen – die Kerntechnologie ist komplex, und Anbieter haben Probleme gelöst, die Sie sonst selbst entdecken und lösen müssten.

Sicherheits- und Compliance-Überlegungen

Unternehmensbereitstellung erfordert die Bewältigung ernsthafter Bedenken.

Datenschutz

Wohin gehen Ihre Daten? Zu stellende Fragen:

• Werden Inhalte in Ihrer Region oder Gerichtsbarkeit verarbeitet?
• Verwendet der Anbieter Ihre Daten zum Trainieren seiner Modelle?
• Können Sie in Ihrer eigenen Cloud-Umgebung bereitstellen?
• Was passiert mit Gesprächsprotokollen?

Für sensible Branchen können private Bereitstellungsoptionen notwendig sein.

Zugriffskontrollen

Überprüfen Sie, dass das System Berechtigungen ordnungsgemäß respektiert:

• Testen Sie mit Benutzern, die unterschiedliche Zugriffsstufen haben
• Bestätigen Sie, dass vertrauliche Inhalte nicht für nicht autorisierte Benutzer sichtbar sind
• Verstehen Sie, wie die Berechtigungssynchronisation mit Quellsystemen funktioniert

Audit und Compliance

Regulierte Branchen benötigen Audit-Trails:

• Wer hat welche Fragen gestellt?
• Welche Antworten wurden bereitgestellt?
• Welche Quellen wurden zitiert?
• Können Sie nachweisen, dass die KI korrekte Informationen gegeben hat?

Stellen Sie sicher, dass Protokollierungs- und Audit-Fähigkeiten Ihre Compliance-Anforderungen erfüllen.

Zukünftige Trends

Die Technologie entwickelt sich weiterhin schnell. Zu beobachtende Trends:

Agentische Fähigkeiten. Über das Beantworten von Fragen hinaus beginnen KI-Assistenten, Aktionen zu ergreifen – Meetings planen, Tickets einreichen, Datensätze aktualisieren. Die Grenze zwischen Wissensassistent und Aufgabenautomatisierung verschwimmt.

Verbessertes Reasoning. Neue Modelle zeigen bessere Fähigkeiten, komplexe, mehrstufige Fragen zu handhaben, die logisches Denken statt nur Informationsabruf erfordern.

Multimodales Verständnis. Bilder, Diagramme und Videos werden zunehmend Teil der Wissensbasis – nicht nur Text. KI kann Fragen zu visuellen Inhalten beantworten.

Personalisierung. Systeme werden besser darin, Benutzerkontext zu verstehen – Rolle, Team, frühere Fragen – um relevantere Antworten zu liefern.

Reduzierte Halluzination. Aktive Forschung konzentriert sich darauf, KI zuverlässiger im Quellmaterial zu verankern und ehrlicher über Unsicherheit zu machen.

Häufig gestellte Fragen

Erste Schritte

KI-Wissensassistenten stellen eine echte Verschiebung dar, wie Unternehmen Wissen zugänglich machen können. Die Technologie funktioniert. Die Frage ist, ob Ihr Unternehmen bereit ist, sie effektiv zu nutzen.

Beginnen Sie mit der Prüfung Ihres aktuellen Zustands. Wo lebt Wissen? Wie finden Menschen heute Informationen? Welche Fragen werden wiederholt gestellt? Welche Wissenslücken verursachen Probleme?

Bewerten Sie dann Lösungen gegen Ihre spezifischen Anforderungen. Schauen Sie nicht nur auf KI-Fähigkeiten – berücksichtigen Sie Integrationen, Sicherheit, Preismodelle und Anbieter-Stabilität.

Planen Sie schließlich für Erfolg. Technologie-Implementierungen scheitern, wenn sie als Projekte statt als Programme behandelt werden. KI-Wissensassistenten benötigen laufende Aufmerksamkeit für Inhaltsqualität, Benutzerschulung und kontinuierliche Verbesserung.

Die Organisationen, die dies richtig machen, werden einen echten Wettbewerbsvorteil haben: schnellere Entscheidungen, besser informierte Mitarbeiter und Expertise, die über die Menschen hinaus skaliert, die sie innehaben.

JoySuite kombiniert KI-gestützte Antworten mit benutzerdefinierten virtuellen Experten, die Sie auf Ihre spezifischen Wissensdomänen trainieren können. Mit universellen Konnektoren zu Ihren bestehenden Systemen können Sie organisatorisches Wissen wirklich zugänglich machen – ohne die Komplexität von Unternehmensplattformen oder die Einschränkungen einfacher Tools.

Dan Belhassen

Gründer & CEO, Neovation Learning Solutions