Leitfaden zur Installation und Konfiguration

Diese Anleitung führt dich durch den kompletten Setup-Prozess für den Intranet-Crawler, von der initialen Konfiguration bis zur Aktivierung des Tools für deine Assistenten. Das Setup erfordert Zusammenarbeit mit unserem technischen Team bei Intric — es gibt keinen Selbstbedienungs-Onboarding-Prozess.

Für einen High-Level-Überblick über Funktionen und Sicherheit siehe den Artikel unten.

Intranet-Crawler

Weiterlesen

Voraussetzungen

Stelle vor dem Setup sicher, dass folgende Punkte erfüllt sind:

• Du hast identifiziert, welche Intranet-Inhalte indexiert werden sollen
• Du hast einen Benutzerkonto (oder Login-Konto) mit geeigneten Berechtigungen auf deinem Intranet erstellt oder identifiziert
• Dein Intranet ist über HTTPS erreichbar
• Du verstehst die Authentifizierungsanforderungen deines Intranets

Schritt 1: Das Crawler-Admin-Panel erreichen

Navigiere zu https://mcp-servers.intric.ai/<kunde>-intranet/admin in deinem Browser. Das Panel ist durch HTTP Basic-Authentifizierung geschützt — verwende die Anmeldeinformationen, die dir während deines Onboardings bereitgestellt wurden. Das Panel ist schwedisch-first mit einem Englisch-Toggle.

Hinweis: Der MCP-Endpoint unter https://mcp-servers.intric.ai/<kunde>-intranet/mcp hat ein separates IP-basiertes Access-Gate. Wenn du das Panel nicht erreichen kannst, überprüfe mit Intric, ob deine eingehenden IP-Adressen auf der Allowlist stehen.

Schritt 2: Serverkonfiguration überprüfen

Der Crawler wurde bereits während des Onboardings mit seiner Server-URL konfiguriert. Die URL folgt dem Muster https://mcp-servers.intric.ai/<kunde>-intranet/mcp, wobei <kunde> deine Kundenidentifikator ist (z.B. /varberg-intranet, /lidkoping, /oslo).

Wenn du den Crawler in deinem eigenen Cluster betreibst, folgt die URL deinem eigenen Infrastruktur-Muster.

Dein API-Schlüssel — ein 365-tägiges signiertes Token, das von einem Intric-Ingenieur aus dem Kunden-Deployment-Secret gemint wird — ist bereits konfiguriert. Du kannst ihn nicht selbst erneuern — kontaktiere den Intric-Support, wenn er erneuert werden muss.

Schritt 3: Crawl-Ziele konfigurieren

Navigiere im Crawler-Admin-Panel zum Bereich Ziele.

Du konfigurierst zwei Einstellungen:

URL-Präfix

Setze url_filter_prefix auf eine einzelne Präfix-Zeichenkette. Dies ist der Basis-Pfad, dem der Crawler folgen wird. Gib die Root-URL deines Intranets oder eines bestimmten Bereichs ein.

Beispiel:

url_filter_prefix: https://intranet.deinefirma.de/handbuch

URL-Ausschlüsse

Setze exclude_url_patterns auf eine Liste von Substring-Mustern. Jede URL, die einen dieser Substrings enthält, wird ausgeschlossen. Keine Glob-Syntax — dies sind einfache Substring-Matches.

Beispiel:

exclude_url_patterns:
  - /archiv/
  - /entwurf/

Diese Einstellungen werden in /data/crawler_config.json auf dem Deployment geschrieben.

Schritt 4: Authentifizierung für den Crawler konfigurieren

Der Crawler unterstützt formularbasiertes Login zu deinem Intranet. Er verarbeitet:

• Generische CMS-Login-Formulare
• Sitevision-Portlets
• Multi-Step Azure AD / Entra SAML-Flows, einschließlich “Angemeldet bleiben?”-Interstitium

Gib die Anmeldeinformationen für das Konto an, das der Crawler verwenden soll. Einige Deployments crawlen öffentliche Websites ohne jegliche Login.

Unterstützte Dateitypen: Der Crawler erkennt und indexiert .docx, .xlsx, .pdf und .txt-Dateien. Beachte, dass .doc- und .xls-Dateien erkannt, aber stillschweigend übersprungen werden. Die Dokumentextraktion hat folgende Grenzen:

• 10 MB hardcoded Download-Grenze für Dokumente
• 20 MB konfigurierbare Größenbegrenzung (per-Deployment-Umgebungsvariable)
• PDFs werden nur bis Seite 20 gelesen
• Extrahierter Text wird bei 300.000 Zeichen abgeschnitten

Nicht unterstützt: Der Crawler verarbeitet keine CAPTCHA oder gerätebasierte Zwei-Faktor-Authentifizierung.

Schritt 5: Dokumentextraktions-Einstellungen

Im Crawler-Admin-Panel gibt es eine einzige Dokumentextraktions-Kontrolle: eine Ein/Aus-Checkbox. Dateitypen sind hardcoded (siehe oben). Größenbegrenzungen werden per-Deployment über Umgebungsvariablen gesetzt, nicht über das UI.

Schritt 6: Crawl-Plan konfigurieren

Der Standard-Vollcrawl wird einmal täglich um 02:00 Uhr UTC ausgeführt.

Ein zweiter geplanter Job führt einen inkrementellen News-Crawl alle 30 Minuten durch. Um ein Intervall zu ändern, musst du den Pod neu starten.

Für den Pre-crawled Data Mode sind Updates manuell — sende eine neue Datendatei, wenn sich Inhalte ändern. Geplante Crawls werden in diesem Modus vollständig übersprungen.

Schritt 7: Crawl testen

Das Crawler-Admin-Panel bietet vier Buttons zum Testen:

• Full Crawl — alle konfigurierten Ziele crawlen
• Test Crawl (eine Seite) — eine einzelne Seite crawlen, um die Konfiguration zu überprüfen
• News Crawl — den inkrementellen News-Crawl auslösen
• Extra-Quellen-Crawl — zusätzliche konfigurierte Quellen crawlen

Dies sind die einzigen Betriebskontrollen im Panel. Es gibt keinen “Verbindung testen”-Button.

Schritt 8: Das Tool für deine Assistenten aktivieren

Sobald die Konfiguration abgeschlossen und getestet ist:

1. Navigiere zum Bereich Tools in deinem Intric Space
2. Finde den Intranet-Crawler in der Liste der verfügbaren Tools
3. Aktiviere ihn für Assistenten in diesem Space
4. Konfiguriere Sicherheitsklassifizierungseinstellungen falls erforderlich

Das Tool ist nun zur Verwendung verfügbar.

Korrekturen verwalten

Im Crawler-Admin-Panel navigiere zum Korrekturen-Bereich, der eine Pending-Count-Badge anzeigt.

Optionen für jede ausstehende Korrektur:

• Accept — Die Korrektur sofort indexieren. Akzeptierte Korrekturen haben Vorrang vor gecrawlten Inhalten in zukünftigen Antworten.
• Edit — Die Korrektur bearbeiten und in einem Schritt akzeptieren.
• Deny — Die Korrektur ablehnen.

Fehlerbehebung

Problem	Lösung
Kann das Admin-Panel nicht erreichen	Überprüfe, ob deine eingehenden IP-Adressen auf der Allowlist stehen — kontaktiere den Intric-Support
Crawl gibt keine Seiten zurück	Überprüfe Crawl-Ziele und URL-Ausschlüsse; überprüfe Crawl-Kontoberechtigungen
Crawling ist langsam	Reduziere Crawl-Tiefe (Standard 3) oder beschränke URL-Ausschlüsse; überprüfe Rate Limiting
Authentifizierung schlägt fehl	Überprüfe die Formular-Login-Konfiguration; der Crawler unterstützt keine Basic Auth zu Ziel-Sites
Korrekturen erscheinen nicht	Stelle sicher, dass die correct_intranet_answer-Fähigkeit auf dem Assistenten aktiviert ist

Crawl-Logs werden in den Pod-Output geschrieben und über kubectl gelesen — dies ist eine Intric-Ingenieur-Aktion, keine kundenorientierte Funktion. Es gibt keine Log-Ansicht im UI.

Hilfe erhalten

Wenn du während des Setup auf Probleme stößt oder Hilfe benötigst, kontaktiere den Intric-Support:

• Deine Kundenidentifikator (der Pfadabschnitt in deiner Admin-Panel-URL)
• Beschreibung des Problems
• Jegliche Fehlermeldungen, die du siehst