GraphRAG ist eine Weiterentwicklung von RAG, die einen Knowledge Graph als Wissensquelle nutzt. Statt nur nach textlich ähnlichen Passagen zu suchen, kann die KI gezielt Beziehungen und Pfade im Wissensgraph verfolgen — und so komplexe, mehrstufige Fragen präziser beantworten.
RAG vs. GraphRAG — wann was?
| Aspekt | Klassisches RAG | GraphRAG |
|---|---|---|
| Wissensquelle | Dokumente, Vektordatenbank | Knowledge Graph |
| Stärke | Fakten aus Texten abrufen | Beziehungen verstehen und navigieren |
| Aufwand | Niedrig — Dokumente einpflegen | Höher — Graph aufbauen |
| Am besten für | „Was sagt Dokument X zu Thema Y?” | „Wie hängen Entitäten A, B, C zusammen?” |
Drei Kernmerkmale:
- Relational: Versteht Beziehungen zwischen Entitäten, nicht nur Textähnlichkeit
- Mehrstufig: Beantwortet Fragen, die mehrere Sprünge im Graph erfordern
- Präzise: Weniger Halluzinationen durch strukturiertes, verifizierbares Wissen
Wie GraphRAG funktioniert
1. Anfrage analysieren Das System untersucht, welche Entitäten und Beziehungen in der Anfrage relevant sind.
2. Graph traversieren Das System navigiert durch den Knowledge Graph, verfolgt Beziehungen und sammelt Entitäten und Eigenschaften über mehrere Hops.
3. Kontext aufbauen Strukturierte Graph-Informationen werden als LLM-Kontext aufbereitet — inklusive Beziehungen zwischen Entitäten.
4. Antwort generieren Das LLM formuliert Antworten auf Basis des Graph-Kontexts und versteht sowohl Fakten als auch ihre Verbindungen.
GraphRAG im Mittelstand — drei Anwendungen
Bauunternehmen: Projekte, Gewerke, Subunternehmer, Mängel als Graph — KI beantwortet: „Welche Gewerke sind vom Verzug auf Baustelle X betroffen?”
Engineering: Bauteile, Lieferanten, Spezifikationen, Wartungshistorie als Graph — KI identifiziert: „Welche Kundenmaschinen könnten von einem Bauteilrückruf betroffen sein?”
Sales & CRM: Kunden, Kontakte, Verträge, Kommunikation als Graph — KI deckt Cross-Selling-Potenziale und Risikosignale auf.
Häufige Fragen
Brauche ich Neo4j für GraphRAG? Nicht zwingend, aber empfohlen für komplexe Graphen. Neo4j ist die führende Graph-Datenbank mit nativer Integration. Einfachere Fälle funktionieren auch mit Weaviate oder leichtgewichtigen Alternativen.
Wie wird der Knowledge Graph befüllt? Durch manuelle Eingabe, Extraktion aus bestehenden Systemen (ERP, CRM) oder KI-Agenten, die automatisch Entitäten und Beziehungen aus E-Mails und Dokumenten extrahieren.
Ist GraphRAG für alle Mittelstandsunternehmen geeignet? Nicht universell. GraphRAG liefert Mehrwert, wenn Entitätsbeziehungen geschäftskritisch sind. Wer primär Texte durchsucht, profitiert oft mehr vom klassischen RAG.
Was ist Microsoft GraphRAG? Microsoft veröffentlichte 2024 ein Open-Source-Framework, das automatisch Knowledge Graphs aus Dokumenten extrahiert — und damit das Konzept popularisierte.
Verwandte Begriffe
- RAG — Die Grundlage von GraphRAG
- Knowledge Graph — GraphRAGs Wissensquelle
- Embeddings — Ergänzende Suche in hybriden Ansätzen
- KI-Agent — Befüllt und nutzt den Graph