Was ist ein Knowledge Graph?
Ein Knowledge Graph speichert nicht Dokumente, sondern Fakten als Beziehungen: Entität A hat eine Beziehung zu Entität B.
Einfaches Beispiel:
- "Mueller AG" — besitzt — "Immobilien GmbH"
- "Huber Hans" — ist Geschäftsführer von — "Mueller AG"
- "Meier AG" — ist Konkurrent von — "Mueller AG"
- "Huber Hans" — sitzt im Beirat von — "Meier AG"
Jetzt kann die KI fragen: "Gibt es Personen, die sowohl bei Mueller AG als auch bei deren Konkurrenten involviert sind?" — und findet: Huber Hans. Kein einzelnes Dokument enthält diese Aussage direkt. Der Graph traversiert das Netzwerk und schliesst daraus.
Wie funktioniert ein Knowledge Graph?
Die Analogie: LinkedIn "Personen die Sie kennen könnten" — LinkedIn speichert keine Lebensläufe, sondern Verbindungen. Weil es die Verbindungen kennt, kann es schlussfolgern.
RAG vs. Knowledge Graph im Vergleich:
- RAG: "Was steht im Vertrag mit Mueller AG?" — findet das Dokument, liest es vor
- Knowledge Graph: "Welche unserer Kunden haben indirekte Verbindungen zu Konkurrenten?" — traversiert das Beziehungsnetz, schliesst aus Struktur
RAG findet Inhalte. Der Knowledge Graph findet Zusammenhänge, die in keinem einzelnen Dokument stehen.
Warum ist das wichtig für KMU?
Knowledge Graphs sind sinnvoll, wenn Kundendaten bereits strukturiert in einem System vorliegen — CRM, ERP, Projektmanagement. Die Technologie ist anspruchsvoller als RAG und braucht mehr Aufbauarbeit.
Beide Ansätze können kombiniert werden: RAG für "Was steht in den Dokumenten?" und Knowledge Graph für "Wie hängt alles zusammen?" Für den Einstieg empfiehlt sich RAG — der Knowledge Graph kommt dazu, wenn die Datenlandschaft reif dafür ist.