Von Agentic AI bis Vektordatenbank — alle Fachbegriffe rund um RAG, Künstliche Intelligenz und Enterprise-KI. Für Entscheider, Fachkräfte und alle, die KI im Unternehmen verstehen wollen.
KI-Systeme, die eigenständig Aufgaben planen, Werkzeuge nutzen und mehrstufige Prozesse ausführen — z.B. eine Anfrage entgegennehmen, in mehreren Datenquellen recherchieren und eine zusammenfassende Antwort mit Quellenangabe liefern. Geht über einfache Chatbots hinaus, weil die KI selbst entscheidet, welche Schritte nötig sind.
Proprietäre Vorverarbeitungsmethode von ragspace: Dokumente werden beim Import nicht nur indexiert, sondern in antwortoptimierte Abschnitte aufgeteilt, mit Metadaten angereichert und domänenspezifisch eingebettet. Das Ergebnis: schnellere, präzisere Antworten als bei einfacher Volltextsuche.
Programmierschnittstelle, über die Softwaresysteme miteinander kommunizieren. Im RAG-Kontext: Die API verbindet den KI-Chatbot mit bestehenden Systemen wie ERP, CRM oder Intranet — so kann der Assistent auf Live-Daten zugreifen.
Deutsches Bundesgesetz, das die Pflichten des Arbeitgebers zum Schutz der Beschäftigten regelt. §12 ArbSchG verpflichtet zur Unterweisung aller Mitarbeiter — mindestens jährlich, bei Neueinstellung vor Arbeitsbeginn. ragspace unterstützt die digitale Ergänzung dieser Pflichtschulungen.
Systematische Prüfung, ob Prozesse, Produkte oder Systeme definierten Standards entsprechen (z.B. ISO 9001). Audits erfordern umfangreiche Dokumentation — laut Studien durchschnittlich 20,5 Stunden Vorbereitung pro Audit. RAG-Systeme machen die benötigten Dokumente und Nachweise in Sekunden auffindbar.
Verarbeitung personenbezogener Daten durch einen Dienstleister im Auftrag des Verantwortlichen. Erfordert einen Auftragsverarbeitungsvertrag (AVV). Bei ragspace: Alle Daten bleiben in Deutschland, der AVV ist Bestandteil jedes Vertrags.
Automatisches Protokoll aller Systemzugriffe und -aktionen. Im RAG-Kontext: Wer hat wann welche Frage gestellt, welche Dokumente wurden herangezogen? Audit-Logs sind essentiell für Compliance-Nachweise und die Nachvollziehbarkeit in regulierten Branchen.
Deutsche Bundesbehörde, die Vorschriften und Regeln für Arbeitssicherheit und Gesundheitsschutz am Arbeitsplatz entwickelt. BAuA-Vorschriften gehören zu den häufigsten Dokumenten, die per RAG-System durchsuchbar gemacht werden.
Schriftliche Anweisung des Arbeitgebers zu sicherem Verhalten am Arbeitsplatz, vorgeschrieben u.a. nach Betriebssicherheitsverordnung und Gefahrstoffverordnung. RAG-Systeme machen alle Betriebsanweisungen per Chat durchsuchbar — Mitarbeiter finden in Sekunden die richtige Anweisung für ihren Arbeitsplatz.
Software, die Texteingaben in natürlicher Sprache versteht und darauf antwortet. Ein RAG-Chatbot unterscheidet sich von klassischen Chatbots: Er generiert keine Antworten aus Trainingsdaten, sondern sucht die relevante Information in Ihren Dokumenten und formuliert daraus eine quellenbasierte Antwort.
Aufteilung großer Dokumente in kleinere, semantisch zusammenhängende Textabschnitte (Chunks). Essentiell für RAG-Systeme: Zu große Chunks verwässern die Antwort, zu kleine verlieren den Kontext. Die optimale Chunk-Größe hängt vom Dokumenttyp ab — ragspace nutzt adaptive Strategien je nach Inhalt.
US-Gesetz von 2018, das US-Behörden Zugriff auf Daten bei US-Unternehmen erlaubt — auch wenn die Server in der EU stehen. Steht in direktem Konflikt mit der DSGVO. Deshalb setzen sicherheitsbewusste Unternehmen auf deutsche Anbieter ohne US-Muttergesellschaft.
Einhaltung von Gesetzen, Normen und internen Richtlinien. Im Unternehmenskontext umfasst Compliance z.B. DSGVO, Arbeitssicherheit, Qualitätsstandards und branchenspezifische Regulierungen. RAG-Systeme machen Compliance-Wissen für alle Mitarbeiter sofort abrufbar — mit exaktem Paragraphen.
Anteil der Website-Besucher, die eine gewünschte Aktion ausführen (Kauf, Kontaktanfrage, Download). Laut Branchenstudien steigern KI-Produktempfehlungen die Conversion Rate um durchschnittlich 26%.
System zur Verwaltung von Kundenbeziehungen und -daten. RAG-Systeme können CRM-Daten als Wissensquelle einbinden — so hat der KI-Assistent im Vertriebsgespräch Zugriff auf die komplette Kundenhistorie.
Kennzahl für die Kundenzufriedenheit, meist auf einer Skala von 1-5. Top-Performer bei KI-Kundenservice erreichen laut Branchendaten 87,2% positive Bewertungen. ragspace-basierte Chatbots verbessern den CSAT durch sofortige, korrekte Antworten.
Mathematisches Maß für die Ähnlichkeit zweier Vektoren im Embedding-Raum. Wert von 0 (völlig verschieden) bis 1 (identisch). Wenn Sie eine Frage stellen, berechnet die Vektordatenbank die Cosine Similarity zwischen Ihrem Frage-Embedding und allen gespeicherten Dokument-Embeddings, um die relevantesten Passagen zu finden.
Das Prinzip, dass eine Organisation die volle Kontrolle über ihre Daten behält — einschließlich Speicherort, Zugriffsrechte und Verarbeitungszweck. Laut Bitkom-Umfrage ist Datenschutz-Compliance für 90% der deutschen Unternehmen das Top-Kriterium bei Cloud-Lösungen. ragspace gewährleistet Datensouveränität durch deutsches Hosting und On-Premise-Optionen.
Anteil der Kundenanfragen, die ein Chatbot oder Self-Service-System automatisch löst, ohne dass ein menschlicher Agent eingreifen muss. Laut Freshworks (2025) erreichen KI-Agenten eine Deflection Rate von über 45%. Je höher die Rate, desto stärker wird das Support-Team entlastet.
Spitzenverband der gewerblichen Berufsgenossenschaften und Unfallkassen. Die DGUV Vorschrift 1 regelt Pflichten des Unternehmers im Arbeitsschutz — einschließlich der jährlichen Unterweisung aller Mitarbeiter. Laut DGUV gab es 2024 in Deutschland 754.660 meldepflichtige Arbeitsunfälle.
EU-Verordnung zum Schutz personenbezogener Daten, seit 2018 in Kraft. Laut DLA Piper (2025) wurden europaweit 1,2 Milliarden Euro DSGVO-Bußgelder allein 2024 verhängt — Gesamtsumme seit Einführung: 5,88 Milliarden Euro. Die DSGVO stellt besondere Anforderungen an KI-Systeme, die personenbezogene Daten verarbeiten.
Automatische Erkennung und Extraktion von Inhalten aus Dokumenten — Text, Tabellen, Bilder, Metadaten. Laut Docsumo (2025) reduziert KI-gestützte Dokumentenverarbeitung die Bearbeitungszeit um 60-70%. Bei ragspace werden Dokumente beim Import automatisch analysiert, strukturiert und für die semantische Suche aufbereitet.
Psychologisches Modell von Hermann Ebbinghaus (1885): Ohne Wiederholung sind nach 24 Stunden 66% und nach 90 Tagen 84-90% des Gelernten vergessen. RAG-basierte Trainingsplattformen brechen die Vergessenskurve, indem Schulungswissen jederzeit per Chat abrufbar ist — statt einmaliger Präsenzschulung.
Mathematische Darstellung eines Textes als Zahlenvektor im mehrdimensionalen Raum. Ähnliche Bedeutungen liegen dabei als Vektoren nahe beieinander — so versteht das System, dass „Urlaubsantrag einreichen" und „Ferien beantragen" das Gleiche meinen. Embeddings sind die Grundlage der semantischen Suche.
Unternehmenssoftware zur Steuerung aller Geschäftsprozesse (z.B. SAP, Microsoft Dynamics). RAG-Systeme können per Tool-Calling auf ERP-Daten zugreifen — z.B. Lagerbestände, Preise oder Kundenaufträge in Echtzeit im Chatbot-Dialog abfragen.
Weltweit erstes umfassendes KI-Gesetz, seit August 2024 in Kraft. Stuft KI-Systeme nach Risiko ein: verbotene Praktiken (ab Feb. 2025), Hochrisiko-Systeme (ab Aug. 2026). Strafen bis zu 35 Mio. EUR oder 7% des Jahresumsatzes. ragspace ist als RAG-System konform konzipiert — keine eigene Wissensgenerierung, nur quellenbasierte Wiedergabe.
Nachfolger des Privacy Shield, seit Juli 2023 in Kraft. Regelt den Datentransfer zwischen EU und USA für zertifizierte US-Unternehmen. Löst jedoch nicht das CLOUD-Act-Problem: US-Behörden können auch unter dem DPF auf Daten zugreifen. Die Stabilität des DPF ist zudem umstritten — ein „Schrems III"-Verfahren gilt als wahrscheinlich.
Digitale Lern- und Schulungsformate. Laut eLearning Industry (2025) sparen Unternehmen 50-70% der Kosten gegenüber Präsenzschulungen und erzielen $30 Produktivitätsgewinn pro investiertem Dollar. RAG-basiertes E-Learning geht noch weiter: Mitarbeiter können jederzeit Fragen zum Schulungsstoff stellen und erhalten sofort Antworten aus dem gesamten Schulungsmaterial.
Nachtraining eines vortrainierten Sprachmodells mit eigenen Daten, um es für eine bestimmte Domäne zu spezialisieren. Im Unterschied zu RAG: Fine-Tuning verändert das Modell selbst, RAG lässt das Modell unverändert und liefert externes Wissen bei der Abfrage. RAG ist oft schneller, flexibler und datenschutzfreundlicher.
KI-Systeme, die neue Inhalte erzeugen können — Texte, Bilder, Code, Musik. Im Unternehmenskontext relevant für Zusammenfassungen, Textgenerierung und Chatbot-Antworten. Laut McKinsey (2024) nutzen 71% der Organisationen GenAI regelmäßig in mindestens einem Geschäftsbereich. ragspace nutzt Generative KI kontrolliert: Antworten basieren immer auf Ihren Dokumenten, nicht auf allgemeinem Training.
Hochleistungs-Rechenchip, der für die parallele Verarbeitung großer Datenmengen optimiert ist. Wird für das Training und den Betrieb von Sprachmodellen benötigt. Bei On-Premise-Installationen von ragspace wird ein lokaler GPU-Server eingesetzt — Ihre Daten verlassen nie das Unternehmensnetzwerk.
Chemischer Stoff mit gefährlichen Eigenschaften (z.B. ätzend, entzündlich, giftig), reguliert durch die Gefahrstoffverordnung (GefStoffV). Arbeitgeber müssen Sicherheitsdatenblätter vorhalten und Mitarbeiter unterweisen. RAG-Systeme machen die gesamte Gefahrstoffdokumentation sofort per Chat durchsuchbar.
Das Verankern von KI-Antworten in realen, nachprüfbaren Fakten. RAG ist die wirksamste Grounding-Strategie: Jede Antwort basiert auf konkreten Dokumenten mit Quellenangabe — statt auf dem allgemeinen Wissen des Sprachmodells. Grounding ist der Schlüssel zur Vermeidung von Halluzinationen.
Wenn eine KI plausibel klingende, aber faktisch falsche Aussagen generiert. Entsteht, wenn ein Sprachmodell Muster aus Trainingsdaten anwendet, die nicht zur Frage passen. RAG reduziert Halluzinationen massiv: Das Modell antwortet nur auf Basis tatsächlich vorhandener Dokumente und belegt jede Aussage mit Quellenangabe.
Kombination aus semantischer Suche (Bedeutung) und Keyword-Suche (exakte Begriffe) für optimale Ergebnisse. Rein semantische Suche kann bei Fachbegriffen, Artikelnummern oder Paragraphen ungenau sein — die hybride Suche findet beides: sinnverwandte Inhalte UND exakte Treffer. ragspace nutzt standardmäßig hybride Suche.
Bereitstellung von IT-Infrastruktur (Server, Speicher, Netzwerk) für den Betrieb von Software. ragspace bietet zwei Hosting-Optionen: gehostete Lösung in einem deutschen Rechenzentrum oder On-Premise-Installation auf Ihrem eigenen Server — in beiden Fällen bleiben Ihre Daten in Deutschland.
Der Prozess, bei dem Dokumente analysiert, in Chunks aufgeteilt, als Embeddings kodiert und in einer Vektordatenbank gespeichert werden. Die Indexierung ist Voraussetzung dafür, dass das RAG-System Dokumente bei einer Frage schnell finden kann. Bei ragspace erfolgt die Indexierung automatisch und wird täglich aktualisiert.
Der Vorgang, bei dem ein trainiertes KI-Modell auf eine Eingabe (Frage) reagiert und eine Ausgabe (Antwort) erzeugt. Im Gegensatz zum Training verändert Inference das Modell nicht — es wendet nur das Gelernte an. Die Inference-Geschwindigkeit bestimmt, wie schnell der Chatbot antwortet.
Internationale Norm für Qualitätsmanagementsysteme (QMS). Laut ISO Survey (2022) gibt es in Deutschland über 47.500 ISO-9001-Zertifikate — der größte QM-Markt in Europa. ragspace unterstützt die Audit-Vorbereitung, indem QM-Handbücher, Verfahrensanweisungen und Nachweise per Chat durchsuchbar werden.
Internes Netzwerk einer Organisation, das nur für Mitarbeiter zugänglich ist. Enthält typischerweise Unternehmens-News, Dokumente, Formulare und Wikis. Die eingebaute Intranet-Suche ist meist keyword-basiert und liefert unbefriedigende Ergebnisse. ragspace ersetzt sie durch eine semantische, konversationelle Suche mit RBAC.
Strukturierte Sammlung von Informationen, die als Grundlage für ein RAG-System dient. Kann PDFs, Websites, E-Mails, Datenbanken, Wikis und beliebige weitere Quellen umfassen. Die Knowledge Base ist der „Wissensspeicher", auf den der KI-Chatbot bei jeder Frage zugreift.
Die maximale Menge an Text (gemessen in Tokens), die ein Sprachmodell gleichzeitig verarbeiten kann. Moderne Modelle haben Kontextfenster von 128.000 bis über 1 Million Tokens. Je größer das Fenster, desto mehr Kontext kann das RAG-System bei einer Antwort berücksichtigen.
Oberbegriff für Computersysteme, die Aufgaben ausführen, die normalerweise menschliche Intelligenz erfordern — z.B. Sprache verstehen, Muster erkennen, Entscheidungen treffen. Im Unternehmenskontext wird KI vor allem für Automatisierung, Wissensmanagement und Kundenservice eingesetzt.
KI-System, das eingehende Telefonanrufe entgegennimmt, Fragen im natürlichen Dialog beantwortet und bei Bedarf an menschliche Mitarbeiter weiterleitet. ragspace bietet KI-Telefonie als Ergänzung zum Chat — wie bei der WRSK GmbH, wo „Fiona" rund um die Uhr als digitale Telefonistin für Kunden wie EDEKA, REWE und ALDI erreichbar ist.
KI-Modell, das auf riesigen Textmengen trainiert wurde und natürliche Sprache verstehen und generieren kann (z.B. GPT-4, Claude, Llama, Mistral). Im RAG-Kontext: Das LLM ist der „Sprachgenerator" — es formuliert die Antwort auf Basis der vom Retrieval-System gefundenen Dokumente. ragspace kann sowohl Cloud-LLMs als auch lokale Open-Source-Modelle einsetzen.
Lernmethode mit kurzen, fokussierten Einheiten (2-10 Minuten). Studien zeigen +20% bessere Retention gegenüber traditionellen Formaten. RAG-Chatbots unterstützen Microlearning ideal: Mitarbeiter können jederzeit eine kurze Frage stellen und erhalten sofort die Antwort — ohne eine komplette Schulung besuchen zu müssen.
Gesetzliche Verschwiegenheitspflicht von Rechtsanwälten gegenüber ihren Mandanten. Verstöße sind strafbar. Das Mandantengeheimnis macht den Einsatz von US-Cloud-KI in Kanzleien besonders problematisch (CLOUD Act). ragspace bietet On-Premise-Lösungen, bei denen Mandantendaten das Kanzleinetzwerk nie verlassen.
Daten über Daten — z.B. Autor, Erstellungsdatum, Dateityp, Abteilung, Vertraulichkeitsstufe eines Dokuments. Metadaten sind entscheidend für die Qualität eines RAG-Systems: Sie ermöglichen gezielte Filterung (z.B. „nur Dokumente aus 2025") und sind die Grundlage für RBAC-basierte Zugriffssteuerung.
Teilbereich der KI, der sich mit dem Verstehen und Verarbeiten natürlicher Sprache befasst. NLP ermöglicht, dass Sie dem RAG-System Fragen in normalem Deutsch stellen können — statt Stichwörter eingeben zu müssen. Das System versteht Intention, Kontext und Nuancen Ihrer Frage.
Software wird auf eigenen Servern des Unternehmens betrieben — nicht in einer externen Cloud. Maximale Datensouveränität, da keine Daten das Firmennetzwerk verlassen. Besonders relevant für Branchen mit strengen Datenschutzanforderungen: Chemie/Pharma, Kanzleien, Gesundheitswesen. ragspace bietet On-Premise als Option für alle Installationen.
Strukturierte Einarbeitung neuer Mitarbeiter. Laut SHRM (2025) erreichen Mitarbeiter mit strukturiertem Onboarding volle Produktivität 34% schneller — und bleiben zu 69% über 3 Jahre im Unternehmen. RAG-basierte Onboarding-Assistenten beantworten alle Fragen ab Tag 1: Prozesse, Tools, Zuständigkeiten, Compliance.
Frei verfügbare Sprachmodelle wie Llama (Meta), Mistral oder Qwen, die lokal auf eigenen Servern betrieben werden können — ohne Daten an externe Anbieter zu senden. ragspace kann Open-Source-LLMs für On-Premise-Installationen einsetzen, was maximale Datensouveränität bei voller KI-Leistung gewährleistet.
KI-gestützte Vorhersage von Wartungsbedarf anhand von Sensordaten, historischen Ausfallmustern und Betriebsparametern. Laut Branchenstudien senkt Predictive Maintenance die Wartungskosten um 25-40%. RAG-Systeme ergänzen dies, indem Techniker Wartungshandbücher und Fehlerprotokolle per Chat abfragen können.
Die initiale Trainingsphase eines Sprachmodells, bei der es auf riesigen Textmengen (oft Billionen von Wörtern) trainiert wird, um Sprache zu verstehen. Pretraining ist extrem rechenintensiv und dauert Wochen bis Monate. Im Unterschied dazu ergänzt RAG bestehendes Wissen zur Laufzeit — ohne das Modell neu zu trainieren.
Die Texteingabe (Frage, Anweisung), die an ein KI-System gesendet wird. Im RAG-Kontext: Der Benutzer-Prompt wird intern mit den gefundenen Dokumentpassagen kombiniert, damit das LLM eine fundierte Antwort generieren kann. Die Qualität des Prompts beeinflusst die Qualität der Antwort.
Die Kunst und Wissenschaft, Prompts so zu formulieren, dass die KI optimale Ergebnisse liefert. Bei ragspace ist das Prompt Engineering bereits in das System eingebaut — Benutzer stellen einfach ihre Frage, das System optimiert den Prompt intern für bestmögliche Ergebnisse.
Machbarkeitsnachweis — ein Testlauf mit echten Daten, um die Funktionsfähigkeit einer Lösung zu überprüfen. ragspace bietet einen 14-tägigen kostenlosen PoC: Ihre Website oder Dokumente werden eingelesen, Sie testen den Chatbot mit realen Fragen und können die Qualität der Antworten selbst bewerten.
KI-Architektur, die Informationssuche (Retrieval) mit Textgenerierung (Generation) kombiniert. Statt Antworten aus dem Training zu „erfinden", sucht ein RAG-System erst in Ihren Dokumenten nach der relevanten Information und formuliert daraus eine Antwort mit Quellenangabe. Laut Marktanalysen (2025) nutzen 51% aller Enterprise-KI-Implementierungen bereits RAG — der Markt wächst mit 49% jährlich.
Sicherheitskonzept, bei dem Benutzer nur die Informationen sehen, für die ihre Rolle berechtigt ist. Im RAG-Kontext essentiell: Ein Vertriebsmitarbeiter sieht andere Dokumente als die Geschäftsführung. ragspace unterstützt RBAC nativ — wie bei Alliance/Allice mit Hunderttausenden Dokumenten und unterschiedlichen Zugriffsrechten pro Benutzergruppe.
Nachträgliche Neubewertung der vom Retrieval gefundenen Dokumentpassagen mit einem spezialisierten Modell, um die relevantesten Ergebnisse nach oben zu sortieren. Verbessert die Antwortqualität erheblich, weil das erste Retrieval (schnell, aber grob) durch ein zweites, präziseres Ranking ergänzt wird. ragspace nutzt mehrstufiges Reranking als Standard.
Der erste Schritt in einem RAG-System: Die Suche nach relevanten Dokumentpassagen in der Wissensdatenbank. Kombiniert semantische Suche (Bedeutung) mit Keyword-Matching (exakte Begriffe) für optimale Treffergenauigkeit. Die Qualität des Retrievals bestimmt die Qualität der Gesamtantwort.
Rendite einer Investition, ausgedrückt als Prozentsatz. Im KI-Kontext: Laut Forrester (2025) erzielen Sales-Enablement-Automationen 280% ROI im ersten Jahr. Unternehmen sehen laut Freshworks $3,50 Rendite pro investiertem Dollar in KI-Kundenservice. E-Learning liefert laut Branchendaten $30 Produktivitätsgewinn pro investiertem Dollar.
Strategien, Tools und Inhalte, die Vertriebsteams befähigen, effektiver zu verkaufen. Laut Salesforce (2024) verbringen Vertriebler nur 28% ihrer Zeit mit aktivem Verkauf. RAG-basierte Sales-Enablement-Tools liefern dem Vertrieb in Echtzeit Produktdaten, Preise, Wettbewerbsinfos und Kundenhistorien — direkt im Gespräch.
Urteil des Europäischen Gerichtshofs (2020), das den EU-US Privacy Shield für ungültig erklärte, weil US-Überwachungsgesetze keinen angemessenen Datenschutz für EU-Bürger gewährleisten. Unternehmen, die personenbezogene Daten in US-Clouds verarbeiten, befinden sich seitdem in einer rechtlichen Grauzone. Deutsche Hosting-Anbieter wie ragspace sind davon nicht betroffen.
Pflichtdokument für chemische Stoffe und Gemische nach REACH-Verordnung. Enthält Gefahrenhinweise, Erste-Hilfe-Maßnahmen, Lagerhinweise. In der Chemiebranche gehören SDBs zu den wichtigsten Dokumenten, die per RAG-System sofort auffindbar sein müssen.
Suche, die die Bedeutung einer Frage versteht — nicht nur einzelne Stichwörter. Während eine klassische Suche nach „Urlaubsantrag" nur Dokumente mit diesem exakten Wort findet, versteht die semantische Suche auch „Ferien beantragen" oder „Wie reiche ich freie Tage ein?" als dieselbe Frage. Ermöglicht durch Embeddings und Vektordatenbanken.
Standardisierte Arbeitsanweisung, die einen Prozess Schritt für Schritt beschreibt. SOPs sind in vielen Branchen Pflicht (Pharma, Lebensmittel, Medizin). RAG-Systeme machen SOPs per Chat durchsuchbar — Mitarbeiter müssen nicht mehr in Ordnern suchen, sondern fragen einfach: „Wie ist der Prozess für X?"
Strukturierte Daten liegen in festen Formaten vor (Datenbanken, Tabellen, ERP-Einträge). Unstrukturierte Daten haben kein festes Schema — PDFs, E-Mails, Präsentationen, Websites. Laut IDC und Gartner liegen 80% des Unternehmenswissens unstrukturiert vor. RAG-Systeme sind speziell dafür konzipiert, unstrukturierte Daten semantisch durchsuchbar zu machen.
Kleinste Verarbeitungseinheit eines Sprachmodells — ungefähr ein Wortteil oder Satzzeichen. Ein deutsches Wort besteht typischerweise aus 1-3 Tokens. Die Anzahl der Tokens bestimmt die Verarbeitungskosten und die maximale Textlänge pro Anfrage. Beispiel: „Wie hoch ist der Rabatt?" = ca. 8 Tokens.
Fähigkeit eines KI-Systems, externe Werkzeuge (APIs, Datenbanken, Rechenfunktionen) aufzurufen, um eine Frage zu beantworten. Beispiel: Der Chatbot erkennt, dass er für die Frage „Was kostet Artikel X in Menge 500?" eine Live-Abfrage im ERP-System braucht, ruft diese automatisch ab und integriert das Ergebnis in die Antwort.
Parameter, der die „Kreativität" eines Sprachmodells steuert. Niedrige Temperatur (z.B. 0,1) = deterministisch, faktenbasiert, wiederholbar. Hohe Temperatur (z.B. 0,9) = kreativer, variationsreicher. Für RAG-Systeme im Unternehmenseinsatz wird typischerweise eine niedrige Temperatur gewählt, um möglichst präzise und reproduzierbare Antworten zu erhalten.
Die neuronale Netzwerkarchitektur, die allen modernen Sprachmodellen zugrunde liegt. Eingeführt 2017 von Google mit dem Paper „Attention is All You Need". Transformer können Zusammenhänge in Texten über große Distanzen hinweg verstehen — die Grundlage für GPT, Claude, Llama und alle anderen LLMs.
Gesetzlich vorgeschriebene Schulung von Beschäftigten zu Arbeitssicherheit und Gesundheitsschutz (§12 ArbSchG, §4 DGUV Vorschrift 1). Mindestens jährlich durchzuführen — ca. 18 Pflichtschulungen pro Mitarbeiter/Jahr. ragspace unterstützt die digitale Ergänzung: Theorie per KI-Chat, Praxis weiterhin in Präsenz.
Verfahren zur Umwandlung von Daten in einen unlesbaren Code, der nur mit dem richtigen Schlüssel wieder entschlüsselt werden kann. Bei RAG-Systemen relevant auf drei Ebenen: Verschlüsselung bei der Übertragung (TLS), bei der Speicherung (AES-256) und optional bei der Verarbeitung. ragspace verschlüsselt alle Daten auf allen drei Ebenen.
Spezialisierte Datenbank, die Embeddings (Zahlenvektoren) speichert und blitzschnell ähnliche Vektoren finden kann. Wenn Sie eine Frage stellen, wird diese als Vektor kodiert und mit Millionen gespeicherter Dokumentvektoren verglichen — in Millisekunden. Die Vektordatenbank ist das „Gedächtnis" des RAG-Systems.
Siehe Ebbinghaus-Vergessenskurve.
Isolierte Wissensspeicher innerhalb einer Organisation — jede Abteilung hat eigene Dokumente, Ablagesysteme und Experten, die ihr Wissen nicht teilen. Laut Harvard Business Review (2025) verlangsamen Wissenssilos die abteilungsübergreifende Zusammenarbeit um bis zu 30%. RAG-Systeme brechen Silos auf, indem sie alle Quellen in einer zentralen Wissensbasis vereinen.
Automatisches Auslesen und Indexieren von Webseiten. ragspace kann Ihre komplette Website oder Ihr Intranet crawlen und als Wissensquelle einlesen — der Chatbot beantwortet dann Fragen auf Basis Ihrer aktuellen Online-Inhalte. Die Crawling-Frequenz ist konfigurierbar (z.B. täglich).
Systematischer Umgang mit dem Wissen einer Organisation — Erfassung, Speicherung, Verteilung und Nutzung. Laut McKinsey verbringen Mitarbeiter 1,8 Stunden pro Tag mit der Suche nach Informationen. Laut Harvard Business Review (2025) kostet ineffizientes Wissensmanagement Unternehmen 25% des Jahresumsatzes. RAG-Systeme sind die technische Lösung für dieses Problem.
Kernprinzip von RAG: Jede Antwort enthält einen Verweis auf die Originaldokumente, aus denen die Information stammt. Benutzer können die Quelle öffnen und die Aussage verifizieren. Das eliminiert Halluzinationen und schafft Vertrauen — besonders wichtig in regulierten Branchen wie Gesundheit, Recht und Qualitätsmanagement.
Testen Sie einen RAG-Chatbot mit Ihren eigenen Daten — 14 Tage kostenlos und unverbindlich.
Kostenlos testen