Eine dreistufige Pipeline: Ein domain-bewusster Query Planner zerlegt jede Frage in einen strukturierten Suchplan mit multilingualen Keywords und Produktcode-Filtern. Drei parallele Suchkanäle — pgvector (semantisch), PGroonga TokenBigram (japanische Volltextsuche) und LightRAG (Wissensgraph) — liefern Ergebnisse, die per Reciprocal Rank Fusion konsolidiert und von Cohere Rerank v3.5 final bewertet werden. Claude synthetisiert daraus eine zitierte Antwort — auf Japanisch, Englisch oder Thailändisch.

PDF (inklusive gescannte Dokumente via Mistral OCR), DOCX, PPTX (via LibreOffice Headless), XLSX und CSV. Excel-Dateien werden besonders behandelt: Ein Tabular Deep Dive erkennt automatisch Header-Zeilen, findet relevante Datenzeilen per Volltextsuche und erweitert den Kontext um benachbarte Zeilen. Dokumente können über SharePoint, Browser-Upload oder als Meeting-Transkripte eingespeist werden.

Jeder Provider exzelliert in einer spezifischen Rolle: gpt-4o-mini als schneller Query Planner mit Produktcode-Erkennung, OpenAI Embeddings für die Vektorisierung, Cohere Rerank für die semantische Relevanzoptimierung, Mistral OCR für hochqualitatives Dokumentenparsing, und Claude für die Tier-basierte Synthese. Ein einzelnes Modell könnte nicht alle Anforderungen gleich gut abdecken.

Ja — die Architektur ist modular und auf jede Branche und Dokumentenlandschaft übertragbar. Ob juristische Dokumente, technische Handbücher oder Vertriebswissen: Kuroko Labs analysiert Ihre Informationsflüsse und baut eine maßgeschneiderte RAG-Pipeline. Erstgespräch und Potenzialanalyse sind kostenfrei.

Durch eine automatisierte Testsuite mit 94 Abfragen, die den Qualitätsscore kontinuierlich überwacht (aktuell 3.25–4.0/5.0). Ein Learned Facts Feedback Loop extrahiert Nutzerkorrekturen und injiziert sie in zukünftige Synthesen. Hash-basierte Deduplizierung verhindert redundante Verarbeitung, und ein Anti-Loop Session State sorgt dafür, dass Follow-up-Fragen neue Ergebnisse liefern.