Was ist RAG & warum RAG statt einfach nur klassisches LLM
Wie ein Sprachmodell durch den Zugriff auf reale Unternehmensdaten zu belegbaren statt vermuteten Antworten kommt
- Retrieval-Augmented Generation kombiniert ein Sprachmodell mit einer durchsuchbaren Wissensbasis aus Ihren eigenen Unternehmensdaten
- Statt nur aus trainiertem Wissen zu antworten, ruft das Modell in Echtzeit relevante Dokumente, Datensätze oder Belege ab
- Die Antwort entsteht auf Basis dieser realen, aktuellen Daten – nachvollziehbar und belegbar statt geraten
- Klassische Sprachmodelle halluzinieren – sie erzeugen plausibel wirkende, aber falsche Antworten, wenn ihnen Faktenwissen fehlt
- RAG verankert jede Antwort in echten, geprüften Quellen aus Ihrem Datenbestand
- Das Ergebnis: belastbare Aussagen statt Vermutungen – entscheidend bei geschäftskritischen Prozessen
Technischer Ablauf
Welche Verarbeitungsschritte zwischen dem Eingang eines Dokuments und der fertigen Antwort liegen
Erfassung
SPICE erfasst eingehende Dokumente und extrahiert deren Inhalte strukturiert
Indizierung
Inhalte werden in einer Datenbank semantisch durchsuchbar abgelegt
Retrieval
Bei einer Anfrage werden die relevantesten Datensätze als Kontext bereitgestellt
Generierung
Das Open-Source-LLM formuliert eine belegbare, auf Quelldokumente rückführbare Antwort
Anwendungsfall
Wie SPICE Lieferscheine und Bestellungen automatisiert auf inhaltliche Übereinstimmung prüft
Ein typisches Beispiel aus der Wareneingangsprüfung: Ihr SPICE-System erfasst Lieferscheine und Bestellungen über LAERA und liest die enthaltenen Positionen, Mengen und Artikelbezeichnungen aus. Das integrierte Open-Source-LLM greift per RAG auf diese Daten sowie auf Ihre Produkt- und Bestelldatenbank zu und prüft automatisiert, ob Lieferung und Bestellung inhaltlich übereinstimmen.
Weitere Anwendungsbeispiele
Weitere Einsatzbereiche des gleichen Verfahrens, von der Rechnungsprüfung bis zur Vertragsanalyse
- Eingehende Rechnungen werden automatisch mit den hinterlegten Vertragskonditionen abgeglichen
- Abweichende Preise, Mengen oder Zahlungsfristen werden erkannt, bevor die Rechnung freigegeben wird
- Reduziert Fehlzahlungen und manuelle Prüfschritte in der Buchhaltung
- Rechnungsbeträge werden auf Plausibilität geprüft, etwa im Vergleich zu Zimmerpreisen und Aufenthaltsdauer
- Die abgerechnete Zimmeranzahl wird mit der ursprünglichen Buchung abgeglichen
- Abweichungen, etwa durch nicht angereiste Gäste, werden erkannt und können gezielt nachverfolgt werden
- Verträge werden auf relevante Klauseln, Laufzeiten und Kündigungsfristen hin durchsuchbar gemacht
- Auffälligkeiten oder bevorstehende Fristen lassen sich gezielt abfragen, statt Dokumente einzeln zu sichten
- Unterstützt insbesondere bei großen, wachsenden Vertragsbeständen
- Artikel-, Kunden- oder Lieferantendaten aus unterschiedlichen Dokumenten werden auf Konsistenz geprüft
- Dubletten, veraltete Bezeichnungen oder widersprüchliche Angaben werden sichtbar gemacht
- Trägt zu sauberen, verlässlichen Stammdaten im Gesamtsystem bei
- Typischer Anwendungsfall ist die Bestelleingangsverarbeitung
Vorteile
Welche Auswirkungen der Einsatz von RAG auf Arbeitsabläufe und Prüfaufwände hat
Datenhoheit & Sicherheit
Warum der Betrieb in deutschen Rechenzentren und die ISO 27001-Zertifizierung die Verarbeitung sensibler Daten ermöglichen
- Das eingesetzte Sprachmodell ist Open Source und läuft ausschließlich auf Server-Infrastruktur in Deutschland
- Ihre Daten verlassen zu keinem Zeitpunkt Ihre Kontrolle oder die EU
- Keine Übermittlung an externe Cloud-Anbieter oder Dritte – auch nicht zum Training des Modells
- one:ic ist nach ISO 27001 zertifiziert – dem internationalen Standard für Informationssicherheits-Managementsysteme
- Die Kombination aus deutschem Hosting und Zertifizierung macht RAG-gestützte Verarbeitung auch für hochsensible Geschäftsdaten einsetzbar
- Geeignet sowohl für die Cloud-Variante von SPICE als auch für den vollständigen On-Premise-Betrieb in Ihrer eigenen Infrastruktur
Interesse bekommen?
Sie möchten RAG für Ihre eigenen Dokumente und Prozesse nutzen? Wir zeigen Ihnen, wie sich Ihre Daten sicher und DSGVO-konform in SPICE einbinden lassen.
Welche Daten kann RAG verarbeiten?
Strukturierte und unstrukturierte Dokumente, die SPICE bereits erfasst hat – etwa Lieferscheine, Bestellungen, Rechnungen oder Verträge.
Muss ich mein Modell selbst trainieren?
Nein. RAG ergänzt das bestehende Open-Source-LLM um Ihre Daten zur Abfragezeit – ein aufwändiges Neu-Training entfällt.
Wie schnell lässt sich RAG einführen?
Da RAG auf bereits vorhandene SPICE-Daten zugreift, ist die Einführung deutlich schneller als der Aufbau einer komplett neuen KI-Lösung.
Funktioniert das auch branchenübergreifend?
Ja, das Prinzip lässt sich auf jeden dokumentenbasierten Prozess übertragen – unabhängig von Branche oder Unternehmensgröße.
Sie möchten mehr erfahren?
Auf den folgenden Seiten erfahren Sie mehr über unsere Technologien, unsere Cloud und unsere Partner.