← Alle Themen

Artikel: RAG

19 Artikel und 1 Video zu diesem Thema.

Reranker im RAG: Reranking und Cross-Encoder erklärtKonzepte

Reranker im RAG: Reranking und Cross-Encoder erklärt

Ein Reranker ordnet die von einem RAG gefundenen Passagen neu, bevor sie ans LLM gehen. Cross-Encoder, Bi-Encoder, RRF, Kosten, Latenz: wann er sich lohnt.

RAG-Audit und Evaluation: Chatbot verbessern oder ersetzenLeitfaden

RAG-Audit und Evaluation: Chatbot verbessern oder ersetzen

Ihr internes RAG enttäuscht? Audit-Raster in 7 Schichten, Tests für Ihr eigenes Tool, eine Methode zur RAG-Evaluation und Kriterien: verbessern oder ersetzen.

Forward Deployed Engineer (FDE): Bedeutung und RolleKonzepte

Forward Deployed Engineer (FDE): Bedeutung und Rolle

FDE heißt Forward Deployed Engineer: ein Softwareingenieur, der beim Kunden arbeitet. Ursprung bei Palantir, Aufgaben, Skills, Gehalt, Unterschied zum Berater.

8 min
M&A-Datenraum und KI: Datasite, Intralinks, iDeals, MCPLeitfaden

M&A-Datenraum und KI: Datasite, Intralinks, iDeals, MCP

Die eigene KI im M&A-Datenraum von Datasite, Intralinks oder iDeals nutzen: integrierte KI, MCP oder Dateizugriff. Was jeder Datenraum erlaubt, wo er endet.

Due Diligence mit Agentic RAG: das richtige Dokument findenKonzepte

Due Diligence mit Agentic RAG: das richtige Dokument finden

Auf FinanceBench steigt dasselbe Modell je nach Suchsoftware von 27 % auf 86 % richtige Antworten. In der Due Diligence zählt vor allem: das richtige Dokument.

6 min
Wie viele Dokumente schafft ein RAG? Agentic RAG skaliertKonzepte

Wie viele Dokumente schafft ein RAG? Agentic RAG skaliert

Ein selbst gebautes RAG stößt bei einigen Tausend Dokumenten pro Agent an Grenzen, bei ähnlichen früher. Agentic RAG filtert zuerst und schafft über 100.000.

Mistral OCR: Kosten mit Open Weights um Faktor 10 senkenLeitfaden

Mistral OCR: Kosten mit Open Weights um Faktor 10 senken

Mistral OCR kostet 4 $ pro 1.000 Seiten. Ein Open-Weight-OCR auf einer europäischen GPU kostet 0,15 $ und bleibt souverän. Benchmark, Break-even, Fallstricke.

9 min
Reranker Jev im RAG: unser Einsatz in der ProduktionLeitfaden

Reranker Jev im RAG: unser Einsatz in der Produktion

Jev als Reranker im RAG: unser Produktionseinsatz des KI-Modells von TypeSafe, vergebene Scores, behaltene Chunks, Antwortzeit und Kosten pro 1.000 Suchen.

Wie funktioniert KI? 10 Konzepte vor der UnterschriftLeitfaden

Wie funktioniert KI? 10 Konzepte vor der Unterschrift

Wie funktioniert KI? Neuronales Netz, Token, Training, Fine-Tuning, Halluzination, LLMOps: zehn Konzepte, die zeigen, wohin Ihr KI-Budget fließt.

14 min
Hybrid Search: 6 Wege, eine Information zu findenKonzepte

Hybrid Search: 6 Wege, eine Information zu finden

Hybrid Search erklärt: semantische Suche, Keywords, Fachtools, Datenbankabfrage, Katalog und Sonderverarbeitung. Die sechs Wege, die ein KI-Agent kombiniert.

Interner KI-Chatbot für Unternehmen: Projekt richtig planenLeitfaden

Interner KI-Chatbot für Unternehmen: Projekt richtig planen

Interner KI-Chatbot für Unternehmen: wofür er wirklich taugt, was ihn vom Website-Chatbot unterscheidet, typische Fallstricke und Erfolgsbedingungen.

Wissensmanagement: Warum es scheitert und was KI ändertLeitfaden

Wissensmanagement: Warum es scheitert und was KI ändert

Warum Wissensmanagement im Unternehmen so oft scheitert, was KI am Umgang mit Wissen wirklich ändert und was sie nie ändern wird. Mit Praxisbeispiel.

KI-SLA im Unternehmen: Ein einziger KI-Anbieter reicht nichtLeitfaden

KI-SLA im Unternehmen: Ein einziger KI-Anbieter reicht nicht

Warum ein Anbieter für ein KI-SLA im Unternehmen nicht reicht: Zusagen im Vergleich, LLM-Gateway mit mehreren Anbietern, Fallback für RAG und Assistenten.

KI-Wissensmanagement: 6 konkrete ProduktivitätsgewinneLeitfaden

KI-Wissensmanagement: 6 konkrete Produktivitätsgewinne

Kontextbezogene KI mit RAG im Wissensmanagement: 6 konkrete Produktivitätsgewinne für Unternehmen, die ihr Wissen besser strukturieren und teilen wollen.

RAG-Pipeline: 5 Fehler, die nach dem POC auftretenLeitfaden

RAG-Pipeline: 5 Fehler, die nach dem POC auftreten

Ein RAG-System ist schnell als Prototyp gebaut, ein nützliches und stabiles Produkt daraus zu machen, ist schwer. Die 5 häufigsten Fehler in Produktion.

SQL und KI: Ihre Datenbanken sind eine GoldmineProdukt

SQL und KI: Ihre Datenbanken sind eine Goldmine

SQL und KI: Ihre Daten liegen in Datenbanken, aktuell, aber schwer zugänglich. KI fragt sie in natürlicher Sprache ab und verknüpft sie mit Dokumenten.

3 min
Lokales LLM im Unternehmen: Was 60.000 € wirklich bringenKI

Lokales LLM im Unternehmen: Was 60.000 € wirklich bringen

Lokales LLM und RAG on premise 2026: GPU-Preise, Speicherbedarf pro Modell, Gesamtkosten und Break-even gegenüber demselben Modell per API, in Zahlen.

Build your agents in a few clicksDemo3:41

Build your agents in a few clicks

Deploy an enterprise chatbot in 3 minutes.

Embedding-Modell: Was uns eine gescheiterte Demo lehrteKonzepte

Embedding-Modell: Was uns eine gescheiterte Demo lehrte

Langsame Embedding-APIs, Abhängigkeit vom Anbieter: unsere Erfahrung aus der Produktion und warum ATG das Embedding-Modell Qwen3 Embedding 8B parallel aufruft.

4 min
RAG in der KI: ein LLM mit Unternehmensdokumenten verbindenTutorial

RAG in der KI: ein LLM mit Unternehmensdokumenten verbinden

Was ist RAG in der KI? Retrieval Augmented Generation erklärt: Funktionsweise, Wahl des LLM, hybride Suche, Agentic RAG und Erfahrungen aus der Produktion.