Ingestion
Quellen müssen versioniert, bereinigt, segmentiert und nachvollziehbar indexiert werden.
KI / RAG · WISSEN
Die Kriterien hinter der Entscheidung verstehen.
RAG-Funktion, Datenquellen, Berechtigungen, Modellwahl, private Netzpfade und Evaluierung als Plattformarchitektur bewerten – nicht nur das zugrunde liegende LLM.
RAG-Architektur
RAG-Architektur
Retrieval
Suche und Re-Ranking entscheiden, welche Evidenz ein Modell überhaupt erhält.
Grounding
Antworten sollten auf Quellen verweisen und unbelegte Aussagen erkennbar machen.
Security & Governance
Security & Governance
Quell-ACLs
Ein RAG-System darf keine Dokumente retrievalen, die der anfragende Nutzer nicht lesen darf.
Prompt Injection
Dokumente und externe Inhalte können selbst Angriffsvektoren sein.
Secrets
API-Keys, Service-Principals und Connector-Credentials gehören in einen kontrollierten Secret-Lifecycle.
Qualität & Betrieb
Qualität & Betrieb
Evaluation
Repräsentative Testfragen, Retrieval-Metriken und Antwortqualität müssen vor und nach Änderungen messbar sein.
Model Lifecycle
Modelle, Embeddings und Plattformdienste ändern sich; Regressionstests sind notwendig.
Exit
Quellen, Vektordaten, Prompts, Policies und Evaluationssets sollten portierbar bzw. reproduzierbar sein.
PRAXIS-CHECK
Von Wissen zu einer belastbaren Entscheidung
Diese Punkte sollten vor Pilot, Beschaffung oder Migration mit realen Daten und Hersteller-/Vertragsunterlagen belegt werden.
- Mit einem repräsentativen Testkorpus Retrieval-Qualität, Antwortqualität, Quellenbezug und Halluzinations-/Abstinenzverhalten messbar evaluieren.
- Quellberechtigungen Ende-zu-Ende prüfen: Ein Benutzer darf über Retrieval keine Inhalte erhalten, die er in der Originalquelle nicht lesen darf.
- Prompt-Injection, schädliche Dokumente, Connector-Credentials, Service-Identitäten und Datenexfiltration in einem Security-Test abdecken.
- Datenhaltung, Regionen, private Netzpfade, Logging, Modell-/Provider-Wechsel sowie Löschung und Retention vertraglich und technisch verifizieren.
- Exit-Probe durchführen: Quellen, Prompts, Policies, Vektordaten/Indizes und Evaluationssets müssen exportierbar oder reproduzierbar sein.
Quellenstand: 2026-09-20 · Quellenstand frisch.
OFFIZIELLE REFERENZEN
Praxisbeispiele und Primärquellen
Referenzen dienen der Einordnung. Sie sind keine automatische Produktempfehlung und enthalten keine erfundenen Preise.
Microsoft Foundry RAG
RAG-Architekturen, Retrieval und Evaluierung in Azure.
Hersteller-/PrimärquelleQuelle geprüft: 2026-09-20Amazon Bedrock Knowledge Bases
Managed RAG mit Datenquellen, Retrieval und Wissensbasen.
Hersteller-/PrimärquelleQuelle geprüft: 2026-09-20Vertex AI RAG Engine
Managed RAG-Komponente in Vertex AI.
Hersteller-/PrimärquelleQuelle geprüft: 2026-09-20PhariaAI
Enterprise-KI-Stack für kontrollierbare organisationsspezifische KI-Anwendungen.
Hersteller-/PrimärquelleQuelle geprüft: 2026-09-20