AI Architecture · 9 Min.
RAG für KI-Agenten: Wie Wissensdatenbanken wirklich handlungsfähig machen
RAG macht Agenten nicht automatisch schlau. Erst Quellenqualität, Berechtigungen und Kontext-Routing machen Wissen nutzbar.
SYSTEMS Grafik zu RAG für KI Agenten: Data -> Agent -> Outcome. Fokus: Wie baut man eine Wissensdatenbank, die KI-Agenten wirklich nutzen können?
Kurzfassung
RAG hilft Agenten nur, wenn Quellen, Rechte und Aktualität sauber sind. Nicht jedes Wissen gehört in eine Vektordatenbank. Agenten brauchen Retrieval mit Kontext, Priorität und klarer Quellenangabe.
Strategischer Lesepfad
Baue das Thema im passenden Cluster weiter aus und verknuepfe es mit den naechsten Architekturentscheidungen.
Warum RAG oft überschätzt wird Retrieval Augmented Generation klingt nach einer einfachen Lösung: Dokumente hochladen, Modell fragen, bessere Antworten bekommen. Für einfache Q&A-Systeme kann das reichen. Für Agenten ist es zu wenig.
Ein Agent muss nicht nur Wissen finden. Er muss entscheiden, ob das Wissen relevant, aktuell, erlaubt und ausreichend ist, um eine Aktion vorzubereiten.
Die Wissensarten unterscheiden Eine agentenfähige Wissensbasis trennt verschiedene Arten von Wissen.
Diese Arten sollten nicht gleich behandelt werden. Fakten brauchen Aktualität. Regeln brauchen Priorität. Beispiele brauchen klare Grenzen, damit der Agent sie nicht blind kopiert.
Fakten: Preise, Kontakte, Status, Termine. Regeln: Policies, Freigabegrenzen, Prozessschritte. Beispiele: gute E-Mails, alte Angebote, gelöste Tickets. Kontext: Kundenhistorie, Rollen, Ziele. Entscheidungen: Was wurde wann warum beschlossen? Chunking ist nicht nur Technik Schlechtes Chunking zerstört Bedeutung. Wenn Abschnitte zu groß sind, bekommt der Agent irrelevante Informationen. Wenn sie zu klein sind, fehlt Zusammenhang.
Gutes Chunking folgt der Arbeit des Agenten: Welche Einheit braucht er, um eine Entscheidung zu treffen? Bei Support kann das ein FAQ-Abschnitt sein. Bei Sales ein ICP-Kriterium. Bei Compliance eine einzelne Regel plus Ausnahmen.
Berechtigungen gehören ins Retrieval Ein Agent darf nicht jedes Dokument sehen, nur weil es in der Wissensdatenbank liegt. Retrieval muss Rollen und Rechte beachten. Ein Client-Agent darf keine internen Admin-Notizen sehen. Ein Sales-Agent braucht keine Finanzdaten, wenn er nur eine Erstnachricht schreibt.
RAG ohne Zugriffskontrolle ist ein Datenleck mit Suchfunktion.
Was fast alle falsch machen Der häufigste Fehler ist, veraltete Dokumente ungeprüft zu indexieren. Dann liefert der Agent selbstbewusst alte Prozesse.
Der zweite Fehler ist fehlende Quellenanzeige. Wenn der Agent nicht zeigt, worauf er sich stützt, kann niemand die Entscheidung prüfen.
Der SYSTEMS-Blick RAG ist ein Baustein, keine Architektur. Für produktive Agenten braucht es Quellenqualität, Zugriffskontrolle, Kontext-Routing, Memory und Evals.
Das Ziel ist nicht, dass ein Agent "mehr weiß". Das Ziel ist, dass er genau das richtige Wissen zur richtigen Entscheidung nutzt.
