Unternehmenswissen besser nutzen mit RAG-Systemen

Ein RAG-System (Retrieval-Augmented Generation) ist die optimale Lösung, um verstreutes Firmenwissen aus verschiedensten Quellen in einer zentralen, intelligenten Suche zusammenzuführen. Ob als Wissens-Assistent für Mitarbeitende oder Chatbot für Kund:innen – Wissen wird leicht zugänglich und effizient nutzbar.

RAG-Systeme verbinden große Sprachmodelle (LLMs wie ChatGPT) mit weiteren, oft unternehmenseigenen Datenquellen. Solche Systeme können passende und verständliche Antworten auf natürlichsprachliche Fragen nach Unternehmenswissen liefern. 

Ein typisches RAG-System besteht aus drei wesentlichen Schritten: 

1. Datenvorbereitung: Die relevanten Datenquellen werden mit einem Algorithmus in Vektoren umgewandelt und in eine Datenbank eingespeist. Dies können verschiedenste Dokumente sein: technische Handbücher, Dienstanweisungen, Prozessbeschreibungen, Mails, Regularien, ein Unternehmens-Wiki, Protokolle, Normen, Notizen etc.
2. Abruf (Retrieval): Bei einer Anfrage sucht das System nach den passendsten Informationen in dieser Datenbank. Diese Suche kann natürlichsprachliche Fragen verarbeiten und die zur Frage passenden Textstücke ermitteln. Diese Textfragmente aus den Original-Dokumenten bilden den Kontext für den nächsten Schritt:
3. Generierung (Generation): Das Sprachmodell erhält die ursprüngliche Frage zusammen mit den gefundenen Original-Textfragmenten und generiert daraus eine fundierte natürlichsprachliche Antwort.