Interaktiver Explainer

RAG-Grundlage: Quellenkontext mit TF-IDF finden

Ein transparentes Retrieval-Experiment: Suchanfrage eingeben, Quellen auswählen und Konflikte erkennen. Die Ausgabe besteht aus Dokumentauszügen, nicht aus generiertem Text.

Interaktiv

RAG-Grundlage: Quellenkontext mit TF-IDF finden

Die lokale Suche berechnet TF-IDF-Ähnlichkeiten und zeigt gefundene Dokumente als Quellenkontext. Es läuft kein Sprachmodell.

Was berechnet wird

Fünf erfundene Dokumente beschreiben Einkauf, Reisen und IT-Vorfälle. Zwei Einkaufsregeln nennen unterschiedliche Freigabegrenzen. Die ältere Fassung ist ausdrücklich archiviert. Die Suchanfrage und jedes Dokument werden in gewichtete Wortvektoren übersetzt und per Kosinus-Ähnlichkeit verglichen.

Der Rechner zeigt nur Treffer mit positivem Suchwert. Er wählt die höchstbewerteten Quellen bis zur eingestellten Grenze aus. Die Gewichtung basiert stets auf allen fünf Dokumenten; der Filter verändert nur, welche Quellen zugelassen sind. Kennung, Datum, Status und Text bleiben sichtbar. Nichts wird als generierte Antwort ausgegeben.

Drei Experimente

  1. Widerspruch finden: Suchen Sie „Einkauf Freigabe“, erlauben Sie fünf Quellen und behalten Sie das Archiv. Vergleichen Sie die Grenzen in P-2026 und P-2024.
  2. Gültigkeit berücksichtigen: Wechseln Sie auf gültige Quellen. Die ältere Regel wird ausgeschlossen. Prüfen Sie, ob der verbleibende Kontext Ihre Frage tatsächlich beantwortet.
  3. Fehlende Evidenz: Geben Sie „Quantenbanane“ ein. Ohne passende Wörter erscheint kein Treffer. Wechseln Sie anschließend zu „Hotel“, um einen anderen Teil der Sammlung zu finden.

Ergebnis richtig lesen

Ein Suchwert misst Wortähnlichkeit, keine Wahrheit. Der Konflikthinweis vergleicht vorab hinterlegte Faktenfelder; er versteht den Text nicht. Synonyme und Übersetzungen werden ebenfalls nicht erkannt. Die vollständige Sammlung lässt sich unter dem Ergebnis aufklappen.

Der Artikel Retrieval-Augmented Generation erklärt, wie Retrieval, Quellenprüfung und eine mögliche spätere Generierung voneinander getrennt werden.

Von NyxAI

smartlytics ist das Wissensangebot der NyxAI GmbH.

Wir erklären hier die Methoden, mit denen wir arbeiten – offen, mit Quellen und so, dass man sie nachrechnen kann.

Entscheidungskern

NyxAI entwickelt einen Entscheidungskern (Decision Core) für Decision Intelligence, der Optimierung, Simulation, Statistik und Reinforcement Learning verbindet: Optionen vergleichen, Unsicherheit sichtbar machen, aus Ergebnissen lernen – unter menschlicher Verantwortung.

KI-Workflows bei NyxAI

DeepSquare

Erklärbare Schach-KI mit menschlichen Spielstilen: das Testfeld von NyxAI für nachvollziehbare Entscheidungen unter Zeitdruck.