Quellen
Welche Dokumente, Systeme und Formate? DMS, Laufwerke, Wiki, E-Mail, Fachsysteme.
RAG Engineering für verlässlichen Zugriff auf Unternehmenswissen.
RAG bedeutet: Ein System sucht passende Stellen in freigegebenen Dokumenten und nutzt sie für einen Antwortentwurf mit Quellenangabe. Suche, Rechte und Qualität müssen geprüft werden.
Kurz gesagt: Ein RAG-System sucht passende Stellen in Dokumenten und erstellt daraus einen Antwortentwurf. Die Antwort soll Quellen nennen. Qualität hängt von Quellen, Suche, Berechtigungen und Messung ab.
Architektur
Sechs Bausteine eines Wissenssystems.
Aufbereitung
Zerlegen, strukturieren, mit Metadaten und Rechten versehen.
Suchindex
Bedeutungsbasierte und wörtliche Suche über aufbereitete Textstellen.
Suche
Passende Stellen mit Berechtigungsprüfung je Nutzer finden.
Antwortentwurf
Das Modell formuliert aus den gefundenen Stellen und soll sie zitieren.
Messung
Trefferqualität, Antwortqualität, Abdeckung – laufend in Studio.
Grenzen
Wobei RAG unterstützen soll und wo Grenzen liegen.
| Vorgesehene Unterstützung | Grenze |
|---|---|
| Antworten aus vorhandenen Dokumenten vorbereiten | Fehlendes Wissen zuverlässig ergänzen |
| Quellen nennen und Berechtigungen berücksichtigen | Widersprüche in den Quellen selbständig auflösen |
| Aktualität halten, wenn Quellen gepflegt werden | veraltete Dokumente erkennen, wenn niemand sie markiert |
| Lokal laufen (Private AI) | ohne Aufbereitung gute Ergebnisse liefern |
Berechtigungen
Zugriff je Rolle: wer welche Antwort sieht.
Ein Wissenssystem muss die Berechtigungen der Quellen berücksichtigen. Die Suche soll deshalb die Rechte je Nutzer prüfen, bevor eine Textstelle an das Modell übergeben wird.
Das gilt für Mandantendaten im Treuhand genauso wie für Projektdokumente im Bau.
Weiterführend
Verwandte Themen.
Häufige Fragen
Häufige Fragen zu RAG Engineering
Reicht ein Chat mit Dokumenten-Upload?
Für einen Test ja. Für den Betrieb fehlen Rechte, Aktualität, Messung und Integration – genau das ist RAG Engineering.
Muss das Modell unsere Dokumente lernen?
Nein. RAG greift zur Laufzeit auf die Dokumente zu; das Modell wird nicht trainiert. Fine-Tuning ist die Ausnahme, nicht der Standard.
Zeigen Sie interne Details?
Öffentlich zeigen wir Prinzip, Layer und Datenfluss auf hoher Ebene. Interne Topologie, Routing-Regeln, Security-Rules und Versionsstände bleiben intern.
Ist das schon produktiv?
Den Reifegrad je Baustein weisen wir offen aus. Formulierungen wie «ist darauf ausgelegt» beschreiben die Architektur, nicht einen Kundeneinsatz. Studio, Agents und Teile der Factory laufen in unserer eigenen Entwicklungs- und Betriebsumgebung und werden laufend erweitert; weitere Betriebsformen, Mehrfach-Nodes sowie private und lokale Installationen kommen schrittweise dazu.
Nächster Schritt
Das Wissen, das auffindbar werden soll.
Wir prüfen Quellen, Rechte und Betrieb an Ihrem Fall.