Wie Microsoft GraphRAG Ordnung in das Chaos unstrukturierter Daten bringt

Standard-RAG (Retrieval-Augmented Generation) fühlt sich oft wie die Suche nach einer Nadel im Heuhaufen an. Man füttert Tausende von Dokumenten in das neuronale Netz, es zerlegt sie in Chunks, konvertiert sie zu Vektoren und speichert sie in einer Datenbank. Wenn man eine Frage stellt, zieht das System einige ähnliche Fragmente heraus und versucht, daraus eine Antwort zusammenzusetzen. Das funktioniert hervorragend für einfache Fakten, aber es stößt an seine Grenzen, wenn man das große Ganze verstehen oder Verbindungen zwischen Ereignissen über ein umfangreiches Archiv hinweg verfolgen muss.

Microsoft Research hat GraphRAG veröffentlicht — ein Tool, das versucht, dieses Problem durch den Aufbau von Wissensgraphen zu lösen. Anstatt nur nach ähnlichen Wörtern zu suchen, durchläuft das System zunächst den gesamten Datensatz, extrahiert Entitäten, bestimmt deren Beziehungen und baut eine hierarchische Struktur auf.

Was ist das Hauptproblem des Standardansatzes

Stellen Sie sich vor, Sie haben einen Stapel von Ermittlungsberichten, die sich über fünf Jahre erstrecken. Wenn Sie Standard-RAG fragen: „Was sind die Haupthemen, die alle Betroffenen des Falls verbinden?", wird es wahrscheinlich Unsinn produzieren. Das System findet Fragmente, die Namen erwähnen, aber es kann keine übergreifende Schlussfolgerung ziehen, weil es nur lokale Textabschnitte sieht.

GraphRAG funktioniert anders. Es erstellt ein semantisches Netzwerk, in dem Knoten Personen, Orte oder Konzepte repräsentieren und Kanten deren Interaktionen darstellen. Dies ermöglicht dem LLM, die gesamte Datenstruktur zu „sehen