.svg)
Antworten mit Fundstelle
Wissenssysteme, die aus Ihren eigenen Unterlagen antworten und zu jeder Aussage sagen, woher sie stammt. Auch über Sprachgrenzen hinweg.
- RAG (Retrieval-Augmented Generation)
- RAG steht für Retrieval-Augmented Generation und ist ein Verfahren, das zuerst in den eigenen Unterlagen sucht und ein Sprachmodell die Antwort erst danach aus den gefundenen Stellen formulieren lässt. Weil die Quelle vor der Antwort steht, lässt sich zu jeder Aussage die Fundstelle nennen.
Ihr Wissen liegt vor, nur nicht auffindbar.
Handbücher im Dateiserver, Absprachen im Postfach, Details in Meeting-Notizen. Formal ist alles da. Praktisch fragt jemand den Kollegen.
Reine Stichwortsuche hilft nur, wenn man das richtige Stichwort kennt. Ein reines Sprachmodell wiederum kennt Ihre Unterlagen gar nicht und füllt Lücken mit Plausiblem.
Ein RAG-System sitzt dazwischen: Es sucht in Ihren Quellen, legt dem Modell die gefundenen Stellen vor und liefert die Fundstelle gleich mit. Was nicht in den Unterlagen steht, wird auch nicht behauptet.
Wie die Pipeline arbeitet
Vier Quellen, drei parallele Suchwege, eine belegte Antwort. Der Selbsttest läuft gegen dasselbe System, das Ihre Leute benutzen.
Woraus so ein System besteht
Anbindung der Quellen
Dateiablagen, Postfächer, Datenbanken und Fachanwendungen über deren Schnittstellen. Wo keine existiert, über Texterkennung.
Aufbereitung
Dokumente werden sinnvoll zerlegt, mit Metadaten versehen und aktuell gehalten. Hier entscheidet sich, ob später etwas Brauchbares gefunden wird.
Mehrere Suchwege
Vektorsuche für Bedeutung, sprachbewusste Volltextsuche für exakte Begriffe, Wissensgraph für Zusammenhänge. Die Ergebnisse werden neu sortiert.
Antwortstufen
Einfache Fragen werden sofort beantwortet, aufwendige laufen in einer längeren Stufe. So wartet die Oberfläche nicht auf den langsamsten Fall.
Belege und Grenzen
Jede Aussage kommt mit Fundstelle. Findet das System nichts Passendes, sagt es das, statt zu raten.
Selbsttest im Betrieb
Ein automatisierter Durchlauf stellt Szenarien wie ein echter Nutzer und bewertet die Antworten. So fällt eine Verschlechterung auf, bevor Ihre Leute sie melden.
Wann RAG passt und wann etwas anderes
Nicht jede Frage nach Wissen braucht ein Wissenssystem.
| Situation | Bessere Wahl | Warum | Was wir empfehlen |
|---|---|---|---|
| Wenige, stabile Dokumente | Gute Suche im Bestand | Der Aufwand rechnet sich nicht | Erst Suche verbessern |
| Viele Quellen, wechselnde Inhalte | RAG | Index lässt sich täglich aktualisieren | Klassischer RAG-Fall |
| Feste Regeln, klare Entscheidung | Regelwerk oder Automatisierung | Ein Modell macht das unschärfer | Ohne Sprachmodell lösen |
| Mehrere Sprachen im Bestand | RAG mit eigener Volltextsuche | Wortsuche scheitert ohne Leerzeichen | Sprachbewusst indexieren |
| Daten dürfen nicht raus | RAG auf eigener Hardware | Index und Modell bleiben im Haus | On-Premise aufsetzen |
Seitlich scrollen für alle Spalten →
Nach dem Go-live fängt es an
Ein Wissenssystem altert mit seinen Quellen. Ohne Pflege sinkt die Trefferqualität innerhalb eines Jahres spürbar.
Deshalb gehört der Selbsttest in den Betrieb und nicht in die Abnahme.
RAG-Systeme: häufige Fragen
Verwandte Themen
EU-KI-Verordnung
Risikoklassen, Systemverzeichnis und technische Dokumentation für den Betrieb.
Prozessautomatisierung
Wiederkehrende Abläufe übernehmen, mit Freigaben und Protokoll.
KI-Agentur München
Produktive KI-Agenten statt Pilotprojekte, mit Festpreis und Vor-Ort-Terminen.
Bringen Sie eine Frage mit, die heute niemand schnell beantwortet.
Daran lässt sich in dreißig Minuten zeigen, ob ein Wissenssystem bei Ihnen trägt.