Agentic RAG · seit 2026
Wiki RAG: das Wissen des Labors auf Abruf
Das interne Wiki des Labors beantwortet Fragen im KI-Chatbot, mit der richtigen Seite unter den ersten 10 bei 99 von 100 Testfragen.
Kurz gesagt
Das Arbeitswissen einer Forschungsgruppe, welches Werkzeug, welches Rezept funktioniert, wie sich ein fehlgeschlagener Prozessschritt beheben lässt, steht in einem internen SharePoint-Wiki mit über tausend Seiten, das nur wenige gut durchsuchen. Ein allgemeiner KI-Chatbot kann es nicht sehen und würde die Antwort erfinden. Das Labor brauchte Antworten aus seinen eigenen Seiten, mit Verweis auf diese Seiten, ohne dass die Daten die Universität verlassen.
Das Wiki erreicht den Index über die Microsoft Graph API; Fragen erreichen ihn über das MCP-Tool des Chatbots, und nichts verlässt die Universität.
Wie
- Synchronisiert das Wiki über die Microsoft Graph API mit einer Azure-AD-Anwendungsregistrierung, dem mit der IT der Universität vereinbarten Zugangsweg; 1.027 Seiten erfasst, datenschutzrechtlich gesperrte Seiten ausgeschlossen.
- Indiziert 2.135 Textstellen in OpenSearch und durchsucht sie auf zwei Wegen zugleich, semantisch (kNN) und über Stichwörter (BM25), zusammengeführt mit Reciprocal Rank Fusion.
- Dem Chatbot des Labors als MCP-Tool bereitgestellt, auf an der Universität gehosteten Modellen, sodass Antworten ihre Seiten nennen und nichts die Universität verlässt.
- Gemessen, nicht angenommen: 100 Testfragen, von einem LLM aus zufällig gezogenen Wiki-Textstellen geschrieben, wörtliche Kopien verworfen, für jeden Suchmodus auf Ebene der Textstellen und der Seiten bewertet.
Teil der KI-Arbeit des Labors, neben dem agentenbasierten Literatur-RAG, das derselbe Chatbot für veröffentlichte Publikationen nutzt.