Whitepaper - Erweitertes Retrieval-Augmented Generation (RAG)

Dieses Whitepaper beschreibt ein erweitertes RAG-System (Retrieval-Augmented Generation) in vier einzeln zuschaltbaren Ausbaustufen – entwickelt und gemessen am Praxisbeispiel der Wissenssicherung in der Instandhaltung.

Worum es geht

Wenn erfahrene Mitarbeiter in Rente gehen, verschwindet mit ihnen jahrzehntelanges Betriebswissen über Maschinen, Lieferanten und Handgriffe. RAG verspricht, dieses Wissen per Frage durchsuchbar zu machen – aber nur wenn man über die einfachste Bauform hinausgeht.

Die vier Ausbaustufen

1. Vektorsuche – semantische Bedeutungssuche als Fundament
2. Hybride Suche – kombiniert Bedeutungs- und Stichwortsuche (BM25) für exakte Begriffe wie Artikelnummern und Fehlercodes
3. Reranking – spezialisierter Cross-Encoder filtert irrelevante Kandidaten heraus
4. GraphRAG – Wissensgraph verknüpft Fakten über Dokumentgrenzen hinweg

Messung statt Glauben

Alle Stufen wurden an einem Testkorpus mit 58 Dokumenten und 40 Prüffragen gemessen. Das Ergebnis der empfohlenen Standard-Pipeline (Hybride Suche + Cross-Encoder): 34/34 Quellen gefunden, mittlere Position 1,0, 39/40 Antworten korrekt.

Vollständig lokal

Kein Cloud-Dienst, keine Datenweitergabe. Alle Modelle laufen lokal auf einem gewöhnlichen Arbeitsrechner – mit null laufenden Kosten und voller Datenkontrolle.