Dokument-Graph
Starte bei den Belegen: Welche Quelle, welcher Chunk, welcher Claim und welche Fundstelle sind wirklich relevant?
GraphRAG Lernlabor
Eine geführte EU-AI-Act-Launch-Entscheidung zeigt, warum GraphRAG nicht ein einzelner Graph ist, sondern eine Modellierungsentscheidung über Dokumente, Domänen, Wissen, Gespräche und Zeit.
Story Graph
read onlyStrukturierte Herleitung statt isolierter Textantwort.
Die Methoden-Landkarte
Jeder Typ erklärt einen anderen Teil der GraphRAG-Architektur. Die Demo-Übersicht führt in die einzelnen Lernseiten.
Semantische Basis
Ein Wissensgraph modelliert Dinge, Begriffe, Rollen, Eigenschaften und Beziehungen so, dass Bedeutung explizit abfragbar wird. Er hilft, wenn ein System nicht nur Text finden, sondern verstehen soll, wie Konzepte zusammenhängen.
Fachliche Realität
Ein Domänen-Graph modelliert die fachliche Realität eines klar begrenzten Arbeitsbereichs. Er bildet ab, welche Objekte, Rollen, Prozesse, Regeln und Verantwortlichkeiten in dieser Domäne relevant sind.
Korpus und Quellen
Ein Dokument-Graph modelliert Quellen als Netz aus Dokumenten, Abschnitten, Chunks, Claims, Erwähnungen und Belegen. Er macht sichtbar, woher eine Aussage stammt und welche Textstellen zusammengehören.
Interaktion und Memory
Ein Conversational Graph modelliert Gesprächsverlauf, Nutzerziele, Annahmen, Korrekturen, Präferenzen und offene Fragen als strukturierten Kontext. Er macht Memory prüfbar statt nur Chatverlauf anzuhäufen.
Zeit und Veränderung
Ein dynamischer Graph modelliert, was wann galt, was sich geändert hat und welcher Zustand zu einem bestimmten Zeitpunkt relevant ist. Er ergänzt Beziehungen um Zeit, Versionen und Ereignisse.
Geführter Lernpfad
Die Demo ist wie ein Maschinenraum-Rundgang aufgebaut. Jede Seite öffnet einen anderen Teil der GraphRAG-Pipeline und zeigt, was sich in der Antwortlogik verändert.
Mit Belegen startenStarte bei den Belegen: Welche Quelle, welcher Chunk, welcher Claim und welche Fundstelle sind wirklich relevant?
Kläre danach Bedeutung: Welche Begriffe, Rollen und Pflichten müssen sauber getrennt bleiben?
Übersetze das Gesetz in eine Launch-Entscheidung: Produkt, Markt, Verantwortung, Risiko und Freigabe.
Mache Folgefragen nutzbar, indem sichtbar wird, was das System erinnert, verwirft oder zurückfragt.
Ergänze Zeit: Was gilt jetzt, was ändert sich später, und welche Antwort läuft ab?
Blackbox zu Whitebox
Ein normaler Chat versteckt Retrieval, Kontextauswahl und Unsicherheit. GraphRAG Lab macht diese Schritte inspizierbar.
Blackbox-Chat
Whitebox-Trace
Konkretes Beispiel
Dieselbe Frage wird durch jeden Graph-Typ betrachtet: Darf ein KI-Feature für EU-Kunden gelauncht werden, und welche Belege, Rollen, Pflichten, Gesprächskontexte und Zeitpunkte sind relevant?
Was sichtbar wird
FAQ
Nein. Der EU AI Act dient als realistisches Lernbeispiel. Die Demo erklärt GraphRAG-Modellierung, keine verbindliche rechtliche Bewertung.
Weil Dokumentbelege, fachliche Verantwortung, semantische Bedeutung, Gesprächs-Memory und zeitliche Gültigkeit unterschiedliche Probleme lösen.
Der Lernmodus ist bewusst simuliert. Dadurch werden Zwischenschritte sichtbar und die Demo hängt nicht von externen Diensten ab.
Starte mit der Übersicht, wähle einen Graph-Typ und sieh dir an, wie User, Graph und LLM zusammenspielen.
Demo jetzt testen