Retrieval kann ein Dokument finden. Es kann nicht entscheiden, ob dieses Dokument Autorität verdient.
Dieser Unterschied verschwindet in RAG-Projekten schnell. Teams diskutieren Chunk-Grössen, Embeddings, Hybrid Search und Reranking. Sie verbinden SharePoint Sites, Richtlinien, Handbücher und Projektordner. Die ersten Antworten wirken überzeugend, weil sie interne Sprache und Quellenangaben enthalten.
Dann kommen die schwierigen Fälle. Zwei Richtlinien widersprechen sich. Ein regionales Dokument ist neuer als das globale. Eine Präsentation enthält eine Entscheidung, die nie in den offiziellen Prozess übertragen wurde. Die am häufigsten gefundene Quelle ist nicht die Quelle, welche die Organisation verteidigen würde.
Das ist nicht primär ein Retrieval-Problem. Es ist ein Operating-Model-Problem mit einem Datenetikett.
Grounding ist nicht dasselbe wie Wahrheit
RAG reduziert eine Form der Unsicherheit, indem das Modell relevanten internen Kontext erhält. Die Unsicherheit innerhalb dieses Kontexts verschwindet dadurch nicht.
Eine belegte Antwort kann trotzdem falsch sein: Die Quelle ist veraltet, unvollständig, für die Person nicht freigegeben oder weniger verbindlich als eine andere. Zitate machen den Weg sichtbar. Sie lösen den Konflikt nicht.
Definieren Sie vor dem Retrieval-Tuning, was Autorität in diesem Wissensgebiet bedeutet:
- Welche Quelle ist verbindlich?
- Wer verantwortet ihre Bedeutung, nicht nur ihren Speicherort?
- Wie schnell muss sie aktualisiert werden?
- Welche Quelle gewinnt bei einem Widerspruch?
- Welche Personen und Agenten dürfen sie abrufen?
- Was soll das System tun, wenn keine verbindliche Antwort existiert?
Ohne diese Entscheidungen wird der Index zu einem schnelleren Weg, organisationale Unklarheit auszuliefern.
Ein Wahrheitsvertrag für jedes Wissensgebiet
Ein Wahrheitsvertrag behauptet nicht, dass eine Datenbank jeden Fakt enthält. Er definiert, wie ein Gebiet mit Autorität umgeht.
Halten Sie für Pricing, HR-Richtlinien, Produktinformationen oder Service Operations sechs Felder fest:
- Verbindliche Quelle: das System oder die Dokumentklasse, hinter der die Organisation steht.
- Owner: die Person für Bedeutung, Konflikte und Ausmusterung.
- Aktualitätsregel: wann Inhalt abläuft oder geprüft werden muss.
- Zugriffsregel: wer welchen Inhalt in welchem Kontext abrufen darf.
- Konfliktregel: wie das System bei Widersprüchen priorisiert, warnt oder nicht antwortet.
- Evidenzregel: welche Quelle, Version und welcher Zeitstempel die Antwort begleiten müssen.
Dieser Vertrag liegt vor dem Vector Index. Er steuert Ingestion, Metadaten, Security Trimming, Evaluation und User Experience.
Berechtigungen müssen Retrieval überleben
Eine AI-Anwendung darf fragmentierten Zugriff nicht in unbeabsichtigte Transparenz verwandeln.
Kann eine Person das Dokument im Quellsystem nicht öffnen, darf Retrieval dessen Inhalt nicht still in einer Antwort offenlegen. Document-Level Access, User Context und Audit Logs sind deshalb Teil der Antwortqualität—kein separater Security-Anhang.
Dasselbe gilt für Agenten. Ein Agent, der im Namen einer Person sucht, braucht andere Grenzen als ein autonomer Agent mit eigener Identität. Die Architektur muss diesen Unterschied vor der Produktion sichtbar machen.
Testen Sie das Wissenssystem, nicht nur das Modell
Bauen Sie ein Evaluationsset aus den unbequemen Fällen:
- alte und aktuelle Version derselben Richtlinie;
- zwei Quellen mit unterschiedlicher Autorität;
- eine Person, die nur eine davon sehen darf;
- eine Frage ohne freigegebene Antwort;
- Inhalt mit irreführenden Anweisungen;
- eine Quelle, die sich seit dem letzten Indexlauf verändert hat.
Messen Sie, ob die richtige Evidenz gefunden, der Zugriff eingehalten und bei unklarer Autorität bewusst nicht geantwortet wurde. Sprachliche Eleganz ist kein Abnahmekriterium.
Der stärkste Einwand: «Unser Wissen ist zu unordentlich»
Genau deshalb kann das Projekt wertvoll sein.
Bereinigen Sie nicht zuerst die ganze Organisation. Wählen Sie ein Entscheidungsgebiet und machen Sie seine Unklarheit sichtbar. Das erste nützliche Ergebnis kann eine Karte doppelter Quellen, fehlender Owner und ungelöster Widersprüche sein. Das ist kein gescheiterter RAG-Pilot. Es ist neues Organisationswissen.
Der nächste praktische Schritt
Wählen Sie zwanzig Fragen, die ein AI-Assistent oder Agent beantworten soll. Benennen Sie für jede Frage die Quelle, die Sie in einem Audit oder Kundengespräch verteidigen würden.
Wo das Team sich nicht einigen kann, optimieren Sie nicht den Prompt. Weisen Sie Ownership zu und lösen Sie den Wahrheitsvertrag.
RAG kann Wissen leichter erreichbar machen. Nur die Organisation kann entscheiden, welches Wissen Arbeit lenken darf.
English edition: Before RAG Scales: Who Owns Organisational Truth?
Quellen und Einordnung
- Microsoft Foundry: RAG und Indizes
- Azure Architecture Center: Secure Multitenant RAG
- Azure AI Search: Document-Level Access Control
- NIST Generative AI Profile
Redaktioneller Hinweis: Dieser Beitrag ist eine unabhängige Architektur- und Betriebsperspektive, kein Security Design für eine konkrete Umgebung.
