Wissen & Suche6 Min. Lesezeit
Wissensdatenbanken & Hybrides Retrieval (RAG)
Wie SCA SOP-PDFs zerlegt, pgvector-Semantik mit PostgreSQL-Volltext über RRF verbindet und Suchnutzung von Rohtext-Einsicht trennt.
Logistikhandbücher verbinden Fließtext mit exakten Kennungen: Palettenhöhen (1.85m), Zollformulare (EX-1, EUR.1, CMR), UN-Gefahrgutklassen und SKU-Nummern. Reine Vektorsuchen verfehlen oft exakte Kürzel; reine Stichwortsuchen verfehlen umgangssprachliche Fragen.
SCA kombiniert beide Verfahren über hybrides Retrieval in PostgreSQL + pgvector.
Die hybride Bewertungskette
- Chunking mit Seitenbezug: Hochgeladene Handbücher werden gemäß konfigurierter Segmentgröße und Überlappung unter Beibehaltung von Dateiname, Abschnitt und Seitenzahl (
p. 16) zerlegt. - Duale Kandidatensuche: Kosinus-Ähnlichkeit (
pgvectorHNSW) läuft parallel zu PostgreSQL-Volltext (tsvector) streng innerhalb der freigegebenen Mandantendokumente. - Reciprocal Rank Fusion (RRF): Konfigurierbare Gewichtungen (
rag_weight_fts/rag_weight_vector) verlagern den Fokus je Sammlung eher auf exakte Codes oder begriffliche Breite. - Live-Seitenzitate: Die besten Passagen erzeugen verlinkte Zitat-Chips im Quell-Panel.
Abruf von Dokumenteinsicht trennen
| Berechtigung | Erlaubte Aktion | Typische Zuordnung |
|---|---|---|
retrieval_use | Assistent nutzt Fundstellen zur Synthese belegter Antworten | Disponenten im Tagesgeschäft & Nachtschicht |
view_content | Benutzer darf den Quell-Drawer öffnen und extrahierte Passagen/PDFs einsehen | Betriebsleiter, Qualitäts- und Kontoverantwortliche |
Fehlt view_content, beantwortet der Spezialist dennoch operative Fragen sauber, blockiert jedoch den Rohtext-Abruf.