Kompetenz · angewandt innerhalb eines Mandats

Industrielles RAG & Wissen

Antworten, verankert in Ihrer technischen Realität — Handbücher, Spezifikationen, Normen und Protokolle — rückführbar auf die Quelle, mit Quellenangaben und einer Evaluationsschleife, die nicht belegte Antworten misst.

Über ein Wissensverankerungs-Programm sprechen

Hyperion verbindet Produktführung mit klar abgegrenzter Modellentwicklung und Cybersicherheit. Ein technischer Auftrag definiert Konfiguration, Anpassung, Integration und Übergabe; spezialisierte Tests und unabhängige Qualifizierung werden ausdrücklich vereinbart.

Eine Antwort braucht Belege
  1. Kontrollierter Korpus

    Rechte, Versionen und Gültigkeitsdaten

  2. Berechtigungsgefilterte Suche

    Nur Quellen, die diese Identität verwenden darf

  3. Begrenzte Generierung

    Die Aufgabe anhand gefundener Belege beantworten

  4. Prüfen oder ablehnen

    Zitate prüfen; fehlende Belege eskalieren

Retrieval garantiert keine Richtigkeit. Rechte, Quellenbezug, Ablehnung und veraltete Dokumente testen.

Architektur-Ansicht

  1. Kontrollierter Korpus

  2. Berechtigungsgefilterte Suche

  3. Begrenzte Generierung

  4. Prüfen oder ablehnen

Retrieval garantiert keine Richtigkeit. Rechte, Quellenbezug, Ablehnung und veraltete Dokumente testen.

Kontrollierter Korpus → Berechtigungsgefilterte Suche → Begrenzte Generierung → Prüfen oder ablehnen

Ein Modell kann industrielles Wissen gelernt haben. Freigegebene Handbücher, Spezifikationen, Normen und Wartungsprotokolle bleiben separat verwaltete maßgebliche Quellen, die aktualisiert und überprüft werden können. Die Entscheidung ist nicht, welche Retrieval-Bibliothek eingesetzt wird, sondern worauf eine Antwort rückführbar sein muss, bevor eine Ingenieurin danach handeln darf. Hyperion setzt diese Akzeptanzschwelle, definiert, wie Quellentreue gemessen wird, und entscheidet, ob Retrieval überhaupt das richtige Instrument ist.

Ingestion und Chunking des Quellkorpus; Embeddings und ein Vektor-Store; Retrieval mit Re-Ranking; verankerte Generierung, die ihre Quellen zitiert; und eine Evaluationsschleife, die die Treue misst — ob Antworten tatsächlich durch den abgerufenen Text gestützt sind.

Dokumentenparsing für PDFs, Tabellen und gescannte Dokumente (OCR); Embeddings über pgvector; hybrides Retrieval (semantisch plus Stichwort) mit Re-Ranking; Zitations-Durchsetzung, damit Aussagen auf die Quelle verweisen; Treue- und Retrieval-Qualitätsevaluation; Generierung auf Mistral oder einem anderen Open-Weight-Modell.

Über ein Wissensverankerungs-Programm sprechen

Assistent mit Retrieval gegenüber Modell ohne Retrieval

Dieselbe Aufgabe mit und ohne Suche im kontrollierten Korpus vergleichen. Keine Variante garantiert korrekte Antworten.

Retrieval einsetzen, wenn kontrolliertes Wissen nötig ist. Qualität, Rechte, Aktualität, Latenz und Betriebskosten vergleichen.
DimensionAssistent mit RetrievalModell ohne Retrieval
VerankerungKontrollierter Korpus und gelerntes ModellwissenGelerntes Wissen und eingegebener Prompt; keine Korpussuche
NachverfolgbarkeitQuellenlinks und belegende Passagen prüfenGenerierte Zitate sind noch kein Nachweis
AktualitätAbhängig von Aufnahme, Versionierung und SuchabdeckungAbhängig von Modellversion und Promptinhalt
ZugriffskontrolleIdentität und Dokumentfilter implementieren und testenDie Anwendung kann weiterhin Zugriffskontrollen haben
FehlerverhaltenUnbelegte Antworten, Ablehnung und Suchfehler prüfenUnbelegte Antworten und Ablehnung an derselben Aufgabe prüfen