Unternehmen investieren zunehmend in generative KI, intelligente Assistenten und Retrieval Augmented Generation, kurz RAG. Damit rückt eine Frage in den Mittelpunkt, die lange vor dem eigentlichen KI Modell beginnt: Findet das System überhaupt die richtigen Informationen?

Denn auch ein leistungsfähiges Sprachmodell kann nur mit dem Kontext arbeiten, der ihm zur Verfügung gestellt wird. Werden relevante Informationen nicht gefunden, falsche Datensätze miteinander verknüpft oder unterschiedliche Schreibweisen einer Identität nicht erkannt, entsteht das Problem bereits im Retrieval.

Genau hier liegt seit mehr als 20 Jahren der technologische Schwerpunkt von exorbyte.

Finden, obwohl Daten nicht perfekt sind

Reale Datenbestände sind selten sauber. Namen werden unterschiedlich geschrieben, Adressen ändern sich, Eingaben enthalten Tippfehler, Daten stammen aus verschiedenen Systemen oder Informationen fehlen.

Aus „Müller GmbH“ wird „Mueller GmbH“. Aus „Anna Maria Schneider“ wird „Anna M. Schneider“. Straßennamen, Firmierungen und Personenangaben unterscheiden sich zwischen Systemen. Gleichzeitig können ähnlich aussehende Datensätze unterschiedliche Personen oder Unternehmen beschreiben.

Für Menschen ist der Zusammenhang häufig offensichtlich. Für Software ist er eine Matching Aufgabe.

M|MAKER wurde für genau diese Situationen entwickelt. Die Software durchsucht und vergleicht große Datenbestände fehlertolerant und bewertet, wie gut Datensätze zueinander passen. Dabei können unterschiedliche Merkmale und Verfahren kombiniert werden, beispielsweise Namen, Adressen, phonetische Ähnlichkeiten oder Edit Distanzen.

Das Ergebnis ist nicht nur ein Treffer. M|MAKER macht nachvollziehbar, warum Datensätze als ähnlich oder unterschiedlich bewertet wurden.

Identity Resolution als Grundlage für Datenqualität

Damit geht M|MAKER über eine klassische Suche hinaus.

Die Technologie kann unterschiedliche Datensätze derselben realen Person, Organisation oder Entität erkennen und zusammenführen. Aus einzelnen Datensätzen entstehen so nachvollziehbare Identitäten und Cluster.

Das ist beispielsweise relevant, wenn Daten aus mehreren Anwendungen konsolidiert werden, Dubletten erkannt werden sollen oder Unternehmen eine verlässliche Sicht auf Kunden, Geschäftspartner oder andere Entitäten benötigen.

M|MAKER arbeitet dabei auf vorhandenen Datenbeständen. Unternehmen müssen ihre operativen Systeme nicht zuerst grundlegend umbauen, um Zusammenhänge in ihren Daten erkennen zu können.

RAG macht Retrieval zu einer Schlüsseldisziplin

Mit generativer KI bekommt diese Fähigkeit eine zusätzliche Bedeutung.

Bei RAG Anwendungen entscheidet nicht allein das Large Language Model über die Qualität einer Antwort. Vor der Generierung steht die Suche nach geeignetem Kontext.

Die entscheidende Frage lautet deshalb nicht nur:

„Was kann das Sprachmodell aus diesen Informationen ableiten?“

Sondern zunächst:

„Haben wir die richtigen Informationen gefunden?“

Viele RAG Architekturen setzen dafür auf semantische Suche und Vektordatenbanken. Diese Verfahren sind besonders leistungsfähig, wenn Inhalte nach ihrer Bedeutung gefunden werden sollen.

Doch nicht jede Suchaufgabe ist semantisch.

Wenn ein KI Agent beispielsweise Informationen zu einer bestimmten Person, einem Unternehmen, einer Kundennummer, einem Produkt oder einer anderen konkreten Entität benötigt, muss das System erkennen können, welche Datensätze tatsächlich zu dieser Entität gehören.

Hier ergänzen sich semantisches Retrieval und fehlertolerantes, deterministisches Matching.

Deterministik trifft generative KI

M|MAKER verfolgt deshalb einen Ansatz, der für KI Architekturen zunehmend interessant wird: Generative Verfahren werden dort eingesetzt, wo Interpretation und Sprachverständnis benötigt werden. Deterministische Verfahren übernehmen Aufgaben, bei denen Nachvollziehbarkeit, Reproduzierbarkeit und präzise Zuordnung wichtig sind.

Ein KI System muss beispielsweise nicht selbst entscheiden, ob „Muster GmbH“, „Muster Gesellschaft mbH“ und ein fehlerhaft erfasster Datensatz tatsächlich dasselbe Unternehmen beschreiben.

Diese Aufgabe kann vorher durch spezialisierte Matching Technologie gelöst werden.

Das Sprachmodell erhält dadurch einen gezielter ausgewählten und strukturierten Kontext.

„Bei RAG wird häufig zuerst über das Sprachmodell gesprochen. Aus unserer Sicht beginnt die Qualität aber einen Schritt früher“, sagt Thilo Torkler, Geschäftsführer der exorbyte GmbH. „Wenn das Retrieval den relevanten Datensatz nicht findet oder Informationen der falschen Identität zuordnet, kann auch das beste Modell daraus keine verlässliche Antwort erzeugen.“

Mehr als klassische Datenbereinigung

Damit verändert sich auch die Rolle von Data Matching.

Was früher vor allem für Dublettenprüfung, Datenmigration, Stammdatenmanagement oder fehlertolerante Suche eingesetzt wurde, wird zu einer möglichen Infrastrukturkomponente für KI Anwendungen und Agenten.

Ein Agent benötigt Zugriff auf Unternehmenswissen. Er muss Informationen suchen, Entitäten identifizieren, Zusammenhänge herstellen und Ergebnisse an nachfolgende Prozesse übergeben können.

Genau an dieser Schnittstelle entwickelt exorbyte M|MAKER weiter: von einer leistungsfähigen Matching und Retrieval Engine hin zu einer technologischen Grundlage, über die klassische Unternehmensdaten auch für KI gestützte Prozesse zuverlässig erschlossen werden können.

KI beginnt bei den richtigen Daten

Die aktuelle Entwicklung rund um RAG und KI Agenten zeigt damit auch, dass etablierte Disziplinen der Datenverarbeitung nicht an Bedeutung verlieren. Im Gegenteil.

Je autonomer Software Informationen verarbeitet und Entscheidungen vorbereitet, desto wichtiger wird die Frage, auf welcher Datengrundlage sie arbeitet und wie zuverlässig Informationen gefunden und zugeordnet werden.

Für exorbyte liegt deshalb ein wesentlicher Teil der nächsten Generation von KI Anwendungen nicht allein im Modell.

Er liegt im Retrieval.