[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:de":3,"public-menus:all":37,"post:source-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from:de":204,"related:post:source-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from:de:1":2775},{"statusCode":4,"data":5,"message":36},200,{"tenantId":6,"lang":7,"defaultLang":7,"siteUrl":8,"contactEmail":9,"brandName":10,"logoUrl":11,"siteName":10,"siteDescription":12,"ogImage":9,"robotsIndex":13,"socialLinks":9,"reservedSlugs":9,"seoPolicy":14},"stajic","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":15,"relatedContent":16,"crossDomainLinks":17},{"logoUrl":11},{"enabled":13},[18,21,24,27,30,33],{"url":19,"label":20,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":22,"label":23,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":25,"label":26,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Fbazify.com","bazify.com",{"url":28,"label":29,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Fbazify.de","bazify.de",{"url":31,"label":32,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Fbazify.at","bazify.at",{"url":34,"label":35,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[38,44],{"id":39,"name":40,"location":41,"isActive":13,"isDefault":42,"items":43},1,"main-navigation","header",false,[],{"id":45,"name":46,"location":47,"isActive":13,"isDefault":13,"items":48},4,"main-menu","sidebar",[49,65,78,92,102,117,132],{"id":50,"title":51,"url":59,"target":60,"icon":61,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":63,"portfolioId":9,"children":64},"item-18",{"de":52,"en":53,"es":54,"fr":55,"it":53,"ru":56,"sr":57,"zh":58},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":66,"title":67,"url":74,"target":60,"icon":75,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":76,"portfolioId":9,"children":77},"item-22",{"de":68,"en":68,"es":69,"fr":68,"it":70,"ru":71,"sr":72,"zh":73},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":79,"title":80,"url":88,"target":60,"icon":89,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":90,"portfolioId":9,"children":91},"item-19",{"de":81,"en":82,"es":83,"fr":82,"it":84,"ru":85,"sr":86,"zh":87},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":93,"title":94,"url":98,"target":60,"icon":99,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":100,"portfolioId":9,"children":101},"item-23",{"de":95,"en":95,"es":95,"fr":95,"it":95,"ru":96,"sr":96,"zh":97},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":103,"title":104,"url":113,"target":60,"icon":114,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":115,"portfolioId":9,"children":116},"item-32",{"de":105,"en":106,"es":107,"fr":108,"it":109,"ru":110,"sr":111,"zh":112},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":118,"title":119,"url":128,"target":60,"icon":129,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":130,"portfolioId":9,"children":131},"item-20",{"de":120,"en":121,"es":122,"fr":123,"it":124,"ru":125,"sr":126,"zh":127},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":133,"title":134,"url":143,"target":60,"icon":144,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":145,"portfolioId":9,"children":146},"item-21",{"de":135,"en":136,"es":137,"fr":138,"it":139,"ru":140,"sr":141,"zh":142},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[147,160,174,180,192],{"id":148,"title":149,"url":143,"target":60,"icon":158,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":145,"portfolioId":9,"children":159},"item-24",{"de":150,"en":151,"es":152,"fr":153,"it":154,"ru":155,"sr":156,"zh":157},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":161,"title":162,"url":170,"target":60,"icon":171,"isActive":13,"type":172,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":173},"item-29",{"de":163,"en":164,"es":165,"fr":166,"it":167,"ru":168,"sr":169,"zh":142},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-folder","custom",[],{"id":175,"title":176,"url":178,"target":60,"icon":171,"isActive":13,"type":172,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":179},"item-28",{"de":177,"en":177,"es":177,"fr":177,"it":177,"ru":177,"sr":177,"zh":177},"Solr Suggester","\u002Fportfolio\u002Fsolr-fuzzy-suggester-und-solr-infix-suggester-abfrage-ueber-ajax-und-filterung",[],{"id":181,"title":182,"url":190,"target":60,"icon":171,"isActive":13,"type":172,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":191},"item-27",{"de":183,"en":184,"es":185,"fr":186,"it":187,"ru":188,"sr":189,"zh":184},"Firmenwebseite SEO","Company Website SEO","Sitio web corporativo SEO","Site web d’entreprise SEO","Sito web aziendale SEO","Корпоративный сайт SEO","Пословна веб-страница SEO","\u002Fportfolio\u002Fseo-sem-branding-mobile-webseite-muenchen",[],{"id":193,"title":194,"url":202,"target":60,"icon":171,"isActive":13,"type":172,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":203},"item-31",{"de":195,"en":196,"es":197,"fr":198,"it":199,"ru":200,"sr":201,"zh":196},"Digitalisierungsportal","Digitalization Portal","Portal de digitalización","Portail de numérisation","Portale di digitalizzazione","Портал цифровизации","Портал за дигитализацију","\u002Fportfolio\u002Fdigitalisierungsportal-archiv-museum-bibliothek-ead-lido-mets-mods",[],{"statusCode":4,"data":205,"message":2774},{"id":206,"title":207,"slug":208,"content":209,"contentJson":210,"excerpt":1296,"featuredImage":1297,"featuredImageAlt":1298,"featuredImageCaption":9,"featuredImageTitle":9,"featuredImageCopyright":9,"featuredImageAuthor":9,"featuredImageSourceUrl":9,"featuredImageLicense":9,"featuredImageIsAiGenerated":42,"status":1299,"publishedAt":1300,"createdAt":1301,"updatedAt":1302,"seoLocalePaths":1303,"categories":1312,"author":1325,"translations":1330},"486","Wahrheitsquelle in KI-Systemen: Woher verlässliches Wissen tatsächlich stammt","source-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","\u003Cp>Eine Quelle der Wahrheit in einem KI-System ist die autoritative Quelle, die definieren darf, ob eine bestimmte Tatsache, ein Zustand oder eine Regel für einen bestimmten Geltungsbereich, eine Version und einen Zeitpunkt als wahr behandelt werden soll. Sie ist nicht automatisch das Sprachmodell, die Vektordatenbank, das am höchsten eingestufte abgerufene Dokument, das Agentengedächtnis oder die neueste Nachricht im Kontext. Eine zuverlässige KI-Architektur muss bewahren, welche Quelle für welche Aussage Autorität besitzt, und dann Provenienz, Abruf und Validierung mit dieser Autorität verbunden halten.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--info my-6 rounded-xl border p-5 border-blue-300 bg-blue-50 dark:border-blue-900 dark:bg-blue-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Direkte Antwort\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Die Quelle der Wahrheit ist eine Autoritätsregel, keine KI-Komponente.\u003C\u002Fstrong> Ein KI-System kann viele Quellen durchsuchen, aber nur einige Quellen sind für eine gegebene Frage autoritativ. Die korrekte Quelle kann eine Anwendungsdatenbank für den aktuellen Kontozustand sein, ein genehmigtes Richtliniendokument für eine Regel, Quellcode für implementiertes Verhalten, eine offizielle Spezifikation für ein Protokoll oder ein primäres Forschungsartefakt für eine beobachtete Aussage. Gute Architektur macht diese Autorität explizit, anstatt das Modell zu bitten, sie aus der Relevanz abzuleiten.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Terminologische Abgrenzung\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">„Quelle der Wahrheit“ wird in Software, Daten und organisatorischer Praxis weit verbreitet verwendet, ist aber keine standardisierte KI-Komponente mit einer universellen formalen Definition. Dieser Artikel verwendet sie als Architekturkonzept: \u003Cstrong>die Quellen- oder Autoritätszuordnung, die bestimmt, welche Evidenz eine bestimmte Tatsache oder einen Zustand feststellen darf\u003C\u002Fstrong>. Provenienzstandards wie W3C PROV beschreiben Herkunft und Ableitung; sie entscheiden nicht automatisch, welche Quelle Ihre Anwendung als autoritativ behandeln sollte.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Hinweis zur Aktualität — 8. Oktober 2026\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Die grundlegende Unterscheidung zwischen Autorität, Provenienz, Abruf und Modellkontext ist stabil. NIST AI RMF 1.0 wird derzeit überarbeitet, aber das aktuelle NIST Playbook empfiehlt weiterhin ausdrücklich die Dokumentation der Datenprovenienz, einschließlich Quellen, Ursprüngen, Transformationen, Abhängigkeiten, Einschränkungen und Metadaten. W3C PROV bleibt eine W3C-Empfehlung für interoperable Provenienzbeschreibungen.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cnav class=\"editorjs-toc\" data-editorjs-toc=\"true\" aria-label=\"Inhalt\">\u003Cstrong class=\"editorjs-toc__title\">Inhalt\u003C\u002Fstrong>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-0\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-6\" class=\"editorjs-toc__link\">Was „Quelle der Wahrheit“ wirklich bedeutet\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-11\" class=\"editorjs-toc__link\">Das einfachste Beispiel\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-16\" class=\"editorjs-toc__link\">Wo das einfache Beispiel endet\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-19\" class=\"editorjs-toc__link\">Autorität ist nach Aussage, Version und Zeit begrenzt\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-22\" class=\"editorjs-toc__link\">Was eine Source of Truth nicht ist\u003C\u002Fa>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-1\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-23\" class=\"editorjs-toc__link\">Source of Truth vs. System of Record\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-26\" class=\"editorjs-toc__link\">Source of Truth vs. Provenienz\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-29\" class=\"editorjs-toc__link\">Source of Truth vs. Evidenz\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-32\" class=\"editorjs-toc__link\">Source of Truth vs. RAG\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-35\" class=\"editorjs-toc__link\">Source of Truth vs. Vektordatenbank\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-38\" class=\"editorjs-toc__link\">Wahrheitsquelle vs. Gedächtnis\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-41\" class=\"editorjs-toc__link\">Wahrheitsquelle vs. Kontext\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-44\" class=\"editorjs-toc__link\">Wahrheitsquelle vs. Evaluations-Ground-Truth\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-47\" class=\"editorjs-toc__link\">Wahrheitsquelle vs. Datenqualität\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-50\" class=\"editorjs-toc__link\">Ein praktisches Architekturmodell für Wahrheitsquellen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-53\" class=\"editorjs-toc__link\">Autorität sollte explizit sein, nicht aus Ähnlichkeit abgeleitet\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-56\" class=\"editorjs-toc__link\">Retrieval sollte Autorität als Ranking-Einschränkung verwenden\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-60\" class=\"editorjs-toc__link\">Aktualität ist Teil der Autorität\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-63\" class=\"editorjs-toc__link\">Abgeleitete Werte benötigen eine Rückverfolgung zu autoritativen Eingaben\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-67\" class=\"editorjs-toc__link\">Was passiert, wenn autoritative Quellen nicht übereinstimmen?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-71\" class=\"editorjs-toc__link\">Websuche ist Entdeckung, nicht automatisch Evidenz\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-74\" class=\"editorjs-toc__link\">Das Sprachmodell sollte Autorität nicht selbst entscheiden\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-77\" class=\"editorjs-toc__link\">Autorität muss den Ausführungs-Trace überleben\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-80\" class=\"editorjs-toc__link\">Originale Implementierungsnachweise: Source of Truth Research Engine\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-87\" class=\"editorjs-toc__link\">Aaasaasa Document & Knowledge Engine: dieselbe Grenze auf Unternehmensdokumente anwenden\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-90\" class=\"editorjs-toc__link\">Häufige Source-of-Truth-Fehlermodi\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-92\" class=\"editorjs-toc__link\">Ein praktischer Entscheidungsrahmen für die Quelle der Wahrheit\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-94\" class=\"editorjs-toc__link\">Checkliste für die Architektur der Quelle der Wahrheit\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-96\" class=\"editorjs-toc__link\">Häufige Missverständnisse\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-98\" class=\"editorjs-toc__link\">Randfälle\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-103\" class=\"editorjs-toc__link\">Einschränkungen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-107\" class=\"editorjs-toc__link\">Was würde diese Antwort ändern?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-110\" class=\"editorjs-toc__link\">Verwandtes kanonisches Wissen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-117\" class=\"editorjs-toc__link\">Häufig gestellte Fragen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-119\" class=\"editorjs-toc__link\">Glossar\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-121\" class=\"editorjs-toc__link\">Fazit\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-125\" class=\"editorjs-toc__link\">Primärquellen und Umsetzungsnachweise\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Ch2 id=\"section-6\">Was „Quelle der Wahrheit“ wirklich bedeutet\u003C\u002Fh2>\n\u003Cp>Der Ausdruck wird oft missverstanden als „die eine Datenbank, die alles enthält“. Das kann in einem eng begrenzten System zutreffen, ist aber für KI meist zu vereinfachend. Eine echte KI-Anwendung kann operative Datenbanken, Dokumente, APIs, Vektorindizes, Benutzereingaben, Modellgedächtnis, externe Webquellen und generierte Zusammenfassungen kombinieren.\u003C\u002Fp>\n\u003Cp>Diese Quellen haben nicht die gleiche Autorität. Ein Kundensupport-Handbuch kann Richtlinien definieren, aber nicht den aktuellen Kontostand eines Kunden. Ein CRM kann den aktuellen Kontoinhaber definieren, aber nicht die rechtliche Bedeutung einer Verordnung. Ein Quellcode-Repository kann implementiertes Verhalten definieren, während eine Produktspezifikation das beabsichtigte Verhalten definiert. Die Architektur muss daher eine präzisere Frage beantworten: Welche Quelle ist für diese spezifische Aussage autoritativ?\u003C\u002Fp>\n\u003Cp>Dadurch wird die Quelle der Wahrheit zu einer Beziehung zwischen einer Aussage und einer Autorität, nicht bloß zu einer Eigenschaft einer Speichertechnologie.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Kernprinzip\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Ein System kann viele Quellen der Wahrheit haben, weil Autorität faktenspezifisch ist.\u003C\u002Fstrong> Die wichtige architektonische Eigenschaft ist nicht, dass eine Datenbank global gewinnt, sondern dass jede wichtige Tatsache oder jeder Zustand einen expliziten autoritativen Eigentümer hat.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-11\">Das einfachste Beispiel\u003C\u002Fh2>\n\u003Cp>Ein Benutzer fragt einen KI-Assistenten: „Was ist mein aktueller Abonnementplan?“ Der Assistent hat drei mögliche Eingaben: das Support-Transkript des letzten Monats, ein indexiertes Hilfe-Center-Dokument, das Plantypen beschreibt, und die Live-Abrechnungsdatenbank.\u003C\u002Fp>\n\u003Cp>Das Support-Transkript kann erwähnen, dass der Benutzer einen Pro-Plan hatte. Das Hilfe-Center-Dokument erklärt, was Pro bedeutet. Aber der Live-Abrechnungsdatensatz ist die autoritative Quelle für den aktuellen Abonnementstatus des Benutzers.\u003C\u002Fp>\n\u003Cp>Eine semantische Suchmaschine könnte das Support-Transkript über dem Abrechnungsdatensatz einstufen, weil es Sprache enthält, die der Frage näher kommt. Diese Einstufung würde das Transkript dennoch nicht autoritativ machen. Relevanz und Autorität sind unterschiedliche Dimensionen.\u003C\u002Fp>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Dieselbe Frage kann verschiedene Quellenrollen betreffen\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Quelle\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Rolle\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Autorität für aktuellen Plan?\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Abrechnungsdatenbank\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Hilfe-Center-Dokumentation\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Altes Support-Transkript\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Modellgedächtnis\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-16\">Wo das einfache Beispiel endet\u003C\u002Fh2>\n\u003Cp>Nicht jede Domäne hat eine unangefochtene Autorität. Historische Forschung kann widersprüchliche Primärquellen enthalten. Wissenschaftliche Aussagen können sich weiterentwickeln, wenn neue Studien erscheinen. Rechtliche Auslegung kann von Gerichtsbarkeit, Datum und Gerichtsautorität abhängen. Produktverhalten kann zwischen Dokumentation und bereitgestelltem Code abweichen.\u003C\u002Fp>\n\u003Cp>In diesen Fällen besteht die korrekte Architektur nicht darin, einen einzigen Gewinner zu erfinden. Sie besteht darin, die konkurrierenden Quellen, ihre Provenienz, ihre Autoritätsklasse, ihren anwendbaren Geltungsbereich und den ungelösten Widerspruch zu bewahren. Ein zuverlässiges Quelle-der-Wahrheit-System muss Unsicherheit und Uneinigkeit darstellen können.\u003C\u002Fp>\n\u003Ch2 id=\"section-19\">Autorität ist nach Aussage, Version und Zeit begrenzt\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Frage\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Mögliche autoritative Quelle\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Warum der Geltungsbereich wichtig ist\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Wie hoch ist der aktuelle Kontostand des Nutzers?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Hauptbuch \u002F führendes Buchhaltungssystem\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Historische Exporte können für einen früheren Zeitpunkt korrekt sein, aber nicht für den aktuellen Zustand.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Was erlaubt die Unternehmensrichtlinie derzeit?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Genehmigte aktuelle Richtlinienversion\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eine ältere Richtlinie kann weiterhin gültiger Nachweis für frühere Regeln sein, aber nicht für gegenwärtige Regeln.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Welcher Code ist tatsächlich bereitgestellt?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Bereitstellungsartefakt \u002F Commit \u002F Release-Datensatz\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Der Hauptzweig kann von der Produktion abweichen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Was besagte ein Vertrag zum Zeitpunkt der Unterzeichnung?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ausgeführte Vertragsversion\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ein Entwurf oder eine spätere Vorlage ist für die unterzeichnete Vereinbarung nicht maßgeblich.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Was legt ein technisches Protokoll fest?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktuelle offizielle Spezifikation für die relevante Version\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eine Blog-Erklärung kann nützlich sein, ist aber sekundärer Nachweis.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Was geschah bei einem historischen Ereignis?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Relevanter Primärnachweis plus explizite Quellenkritik\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Es gibt möglicherweise keine einzelne Autorität; widersprüchliche Belege müssen sichtbar bleiben.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Was bevorzugt ein Nutzer?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktuelle explizite Nutzereinstellung oder bestätigte Präferenz\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Alte Gesprächserinnerungen können veraltet oder überholt sein.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Das Wort „Wahrheit“ kann daher irreführend sein, wenn seine Grenze nicht angegeben wird. In der Architektur wird die Source of Truth üblicherweise besser als die Quelle verstanden, die befugt ist, eine bestimmte Aussage unter definierten Bedingungen zu bestimmen.\u003C\u002Fp>\n\u003Ch2 id=\"section-22\">Was eine Source of Truth nicht ist\u003C\u002Fh2>\n\u003Ch3 id=\"section-23\">Source of Truth vs. System of Record\u003C\u002Fh3>\n\u003Cp>Ein System of Record ist typischerweise das maßgebliche operative System für eine Klasse von Datensätzen: zum Beispiel ein Abrechnungshauptbuch, ein Personalstammdatensatz oder eine Bestelldatenbank. Es ist eine übliche Umsetzung der Autorität einer Source of Truth.\u003C\u002Fp>\n\u003Cp>Aber Source of Truth ist weiter gefasst. Ein unterzeichneter PDF-Vertrag, eine offizielle Norm, ein Bereitstellungsartefakt oder ein primäres Archivdokument können maßgeblich sein, ohne ein transaktionales System of Record zu sein.\u003C\u002Fp>\n\u003Ch3 id=\"section-26\">Source of Truth vs. Provenienz\u003C\u002Fh3>\n\u003Cp>Provenienz beantwortet Fragen wie: Woher stammen diese Daten? Wer oder was hat sie erzeugt? Welche Transformation hat dieses Derivat erstellt? Welche vorherige Entität wurde verwendet? W3C PROV modelliert Entitäten, Aktivitäten, Agenten und Ableitungen, damit Herkunft und Verantwortlichkeit dargestellt werden können.\u003C\u002Fp>\n\u003Cp>Provenienz begründet für sich genommen keine Autorität. Zu wissen, dass ein Wert aus einer von einem bestimmten Mitarbeiter erstellten Tabelle stammt, hilft bei der Bewertung, aber die Anwendung benötigt weiterhin eine Regel, die besagt, ob diese Tabelle für die Aussage maßgeblich ist.\u003C\u002Fp>\n\u003Ch3 id=\"section-29\">Source of Truth vs. Evidenz\u003C\u002Fh3>\n\u003Cp>Evidenz stützt oder widerspricht einer Aussage. Eine Source of Truth definiert, welche Quelle die Autorität hat, diese Aussage im aktuellen Anwendungskontext zu klären oder stark einzuschränken.\u003C\u002Fp>\n\u003Cp>Eine Quelle kann wertvolle Evidenz sein, ohne maßgeblich zu sein. Fünf Kunden-E-Mails können Belege dafür sein, dass Nutzer einen Workflow ablehnen, aber sie sind nicht das System of Record für die aktuelle Produktkonfiguration.\u003C\u002Fp>\n\u003Ch3 id=\"section-32\">Source of Truth vs. RAG\u003C\u002Fh3>\n\u003Cp>RAG ist ein Retrieval-Muster. Es findet Informationen und liefert ausgewählte Inhalte an das Modell. RAG weiß nicht automatisch, welche Quelle Autorität verdient.\u003C\u002Fp>\n\u003Cp>Eine RAG-Pipeline kann ein veraltetes Dokument, eine sekundäre Zusammenfassung oder eine sehr ähnliche, aber nicht maßgebliche Quelle abrufen. Quellenautorität muss durch Korpusgestaltung, Metadaten, Filter, Ranking-Richtlinien, Validierung oder Prüfungen nach dem Abruf kodiert werden.\u003C\u002Fp>\n\u003Ch3 id=\"section-35\">Source of Truth vs. Vektordatenbank\u003C\u002Fh3>\n\u003Cp>Eine Vektordatenbank speichert oder indexiert Repräsentationen, die für semantisches Retrieval verwendet werden. Sie ist eine Zugriffsschicht, nicht automatisch eine Wahrheitsschicht.\u003C\u002Fp>\n\u003Cp>Dasselbe maßgebliche Dokument kann viele Male in Chunks aufgeteilt, eingebettet, kopiert und neu indexiert werden. Der Vektordatensatz sollte einen Verweis zurück auf die maßgebliche Quelle und Version behalten, anstatt zu einer nicht nachverfolgbaren neuen Autorität zu werden.\u003C\u002Fp>\n\u003Ch3 id=\"section-38\">Wahrheitsquelle vs. Gedächtnis\u003C\u002Fh3>\n\u003Cp>Das Gedächtnis eines Agenten oder einer Anwendung speichert Informationen, die später nützlich sein können. Das Gedächtnis kann eine frühere Entscheidung, Präferenz oder Beobachtung bewahren, aber es kann veralten.\u003C\u002Fp>\n\u003Cp>Bei flüchtigem oder folgenschwerem Zustand sollte ein zuverlässiger Agent normalerweise die maßgebliche aktuelle Quelle erneut lesen, anstatt anzunehmen, dass der erinnerte Zustand noch wahr ist.\u003C\u002Fp>\n\u003Ch3 id=\"section-41\">Wahrheitsquelle vs. Kontext\u003C\u002Fh3>\n\u003Cp>Kontext ist das, was das Modell während der aktuellen Inferenz erhält. Maßgebliche Informationen können im Kontext fehlen, während nicht maßgebliche Informationen vorhanden sein können.\u003C\u002Fp>\n\u003Cp>Die Kontextkonstruktion benötigt daher eine autoritätsbewusste Richtlinie: Rufe die Quelle ab oder lies sie, die berechtigt ist, die Aussage zu definieren, und bewahre dann genügend Metadaten, damit das Modell oder der Validator ihren Geltungsbereich versteht.\u003C\u002Fp>\n\u003Ch3 id=\"section-44\">Wahrheitsquelle vs. Evaluations-Ground-Truth\u003C\u002Fh3>\n\u003Cp>Evaluations-Ground-Truth ist die Referenzantwort, das Label oder das Ergebnis, gegen das ein System bewertet wird. Sie kann aus maßgeblichen Quellen, Expertenentscheidungen oder kuratierten Testdaten abgeleitet werden.\u003C\u002Fp>\n\u003Cp>Ground-Truth ist daher ein Evaluationskonstrukt. Eine Wahrheitsquelle ist ein Konstrukt der Anwendungs-\u002FDomänenautorität. Sie können sich überschneiden, sind aber nicht austauschbar.\u003C\u002Fp>\n\u003Ch3 id=\"section-47\">Wahrheitsquelle vs. Datenqualität\u003C\u002Fh3>\n\u003Cp>Eine maßgebliche Quelle kann dennoch Fehler enthalten. Autorität besagt, welche Quelle offiziell den Fakt bestimmt; Datenqualität fragt, ob diese Quelle genau, vollständig, aktuell, konsistent und zweckmäßig ist.\u003C\u002Fp>\n\u003Cp>Wenn bekannt ist, dass ein maßgebliches System falsch ist, sollte die Architektur den Defekt, den Korrekturprozess oder die Ausnahme erfassen, anstatt stillschweigend eine inoffizielle Quelle zu ersetzen und die Diskrepanz zu verbergen.\u003C\u002Fp>\n\u003Ch2 id=\"section-50\">Ein praktisches Architekturmodell für Wahrheitsquellen\u003C\u002Fh2>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Vorgeschlagenes Architekturmodell\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Das folgende Modell ist eine praktische Synthese für KI-Systeme. Es ist kein W3C-, NIST- oder ISO-Standard. Es trennt Autorität, Provenienz, Abruf und modellseitigen Kontext, weil diese Verantwortlichkeiten oft fälschlicherweise zusammengefasst werden.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Autoritätsbewusster KI-Antwortpfad\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Anspruchstyp definieren\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Identifiziere, wonach der Nutzer tatsächlich fragt: aktueller Zustand, Richtlinie, historischer Fakt, technische Spezifikation, Nutzerpräferenz, Berechnung oder Interpretation.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Autorität auflösen\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Bestimme, welche Quelle oder Autoritätsklasse berechtigt ist, diesen Anspruchstyp für den erforderlichen Geltungsbereich, die Version und den Zeitpunkt zu definieren.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Belege beschaffen\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Lies oder rufe die maßgebliche Quelle und alle erforderlichen unterstützenden oder widersprüchlichen Belege ab.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Provenienz bewahren\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Führe Quellenidentität, Version, Zeitstempel, Locator, Transformationshistorie und Verantwortlichkeitsmetadaten mit.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Modellkontext aufbauen\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Stelle dem Modell die relevanten Belege bereit, ohne Autoritäts- und Anwendbarkeitsmetadaten zu verwerfen.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Generieren oder berechnen\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Das Modell kann die Belege zusammenfassen, vergleichen, analysieren oder transformieren, aber es erbt nicht allein durch deren Verarbeitung die Quellenautorität.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">7. Anspruch validieren\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Prüfe, ob die Antwort durch die richtige Quelle gestützt wird und innerhalb ihres Geltungsbereichs und ihrer Gültigkeitsgrenze bleibt.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">8\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">8. Widersprüche bewahren\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Wenn maßgebliche oder relevante Quellen nicht übereinstimmen, lege den Konflikt offen, anstatt falsche Gewissheit zu erfinden.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-53\">Autorität sollte explizit sein, nicht aus Ähnlichkeit abgeleitet\u003C\u002Fh2>\n\u003Cp>Ein robustes Implementierungsmuster ist ein Autoritätsregister oder eine äquivalente Richtlinienschicht, die Anspruchsklassen autoritativen Quellenklassen zuordnet. Die Implementierung kann Code, Metadaten, Konfiguration oder Domänenregeln sein; die wichtige Eigenschaft ist, dass Autorität bewusst festgelegt wird.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Anspruchsklasse\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Autoritätsregel\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Fallback-Verhalten\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktueller Kontostatus\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Live-Kontoservice \u002F System of Record lesen\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Wenn nicht verfügbar, melden, dass der aktuelle Status nicht verifiziert werden kann.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Produktdokumentation\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktuell genehmigte Dokumentationsversion\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eine ältere Version darf nur mit Versionswarnung angezeigt werden.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Implementiertes Softwareverhalten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Relevantes bereitgestelltes Release \u002F Quellartefakt\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Dokumentation allein kann das bereitgestellte Verhalten nicht beweisen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Interne Richtlinie\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Genehmigtes Richtlinien-Repository und aktive Version\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Entwürfe sind unterstützendes Material, keine aktuelle Autorität.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Externer technischer Standard\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Offizielle Veröffentlichung der Normungsorganisation für die relevante Version\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Sekundäre Erklärungen können die Spezifikation erläutern, aber nicht außer Kraft setzen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Forschungsbehauptung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Dem Bereich angemessene Evidenzrichtlinie\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Widersprüchliche Evidenz und Konfidenz bewahren, statt eine Quelle zu erzwingen.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-56\">Retrieval sollte Autorität als Ranking-Einschränkung verwenden\u003C\u002Fh2>\n\u003Cp>Semantische Relevanz beantwortet „Welcher Kandidat scheint mit dieser Anfrage zusammenzuhängen?“ Autorität beantwortet „Welcher Kandidat darf diese Tatsache feststellen?“ Ein Produktions-Retrieval-System benötigt oft beides.\u003C\u002Fp>\n\u003Cp>Eine nützliche Reihenfolge ist, zuerst den Kandidatenraum durch Identität, Mandant, Quellklasse, Status, Version oder Datum einzuschränken und dann relevante Evidenz innerhalb des zulässigen Raums zu ranken. Wenn Relevanz vor kritischen Autorisierungs- oder Autoritätsfiltern berechnet wird, kann die Pipeline ein überzeugendes, aber ungültiges Ergebnis liefern.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--warning my-6 rounded-xl border p-5 border-amber-300 bg-amber-50 dark:border-amber-900 dark:bg-amber-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Höchste Ähnlichkeit ist nicht höchste Autorität\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Eine Suchmaschine kann eine veraltete Zusammenfassung über der aktuellen Primärquelle einordnen. Ein Sprachmodell kann die besser geschriebene Erklärung gegenüber dem offiziellen Datensatz bevorzugen. Keines dieser Verhaltensweisen ändert daran, welche Quelle die Tatsache besitzt.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-60\">Aktualität ist Teil der Autorität\u003C\u002Fh2>\n\u003Cp>Viele Source-of-Truth-Fehler sind tatsächlich Zeitfehler. Die korrekte Quelle war bekannt, aber das System verwendete einen alten Snapshot, ein veraltetes Embedding, eine zwischengespeicherte API-Antwort oder ein überholtes Dokument.\u003C\u002Fp>\n\u003Cp>Eine Autoritätsregel sollte daher Invalidierungs- oder Aktualisierungssemantik enthalten, wo sich die Tatsache ändern kann. „CRM ist maßgeblich“ ist unvollständig, wenn die Anwendung einen eine Woche alten replizierten Export liest.\u003C\u002Fp>\n\u003Ch2 id=\"section-63\">Abgeleitete Werte benötigen eine Rückverfolgung zu autoritativen Eingaben\u003C\u002Fh2>\n\u003Cp>Einige wichtige Tatsachen werden nicht direkt gespeichert. Sie werden aus autoritativen Eingaben berechnet: ein Risikoscore, Kontosumme, Berechtigungsstatus oder aggregierte Kennzahl.\u003C\u002Fp>\n\u003Cp>Für abgeleitete Werte sollte eine Source-of-Truth-Architektur die Eingabeautoritäten, die Transformations- oder Berechnungsversion und den Ausführungszeitpunkt bewahren. Die Unterscheidung von W3C PROV zwischen Entitäten, Aktivitäten und Ableitungen ist hier nützlich, weil sie modelliert, wie eine Entität aus anderen erzeugt wurde.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Abgeleitete Wahrheit ist bedingt\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Ein berechneter Wert ist nur so aktuell und autoritativ wie seine Eingaben, Transformation und Gültigkeitsbedingungen. Speichern Sie die Lineage, die benötigt wird, um ihn neu zu berechnen oder zu prüfen.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-67\">Was passiert, wenn autoritative Quellen nicht übereinstimmen?\u003C\u002Fh2>\n\u003Cp>Konflikte sind in ernsthaften Wissenssystemen keine Randfälle. Ein unterzeichneter Vertrag kann einem CRM-Feld widersprechen. Produktionsverhalten kann der Dokumentation widersprechen. Zwei primäre historische Quellen können einander widersprechen. Eine aktuelle Richtlinie kann mit einer veralteten lokalen Kopie in Konflikt stehen.\u003C\u002Fp>\n\u003Cp>Das System benötigt eine dem Bereich angemessene Auflösungsrichtlinie. Manchmal übertrifft eine Autorität die andere eindeutig. Manchmal ersetzt die neuere Version die alte. Manchmal muss ein Experte oder Geschäftsinhaber entscheiden. Und manchmal ist das korrekte Ergebnis einfach: Die Evidenz ist ungeklärt.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Konflikttyp\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Typische Handhabung\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktuelle vs. überholte Version\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktuelle Version für den gegenwärtigen Zustand verwenden; ältere Version als historische Evidenz behalten.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">System of Record vs. veraltete Replik\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">System of Record verwenden; Problem der Replikationsaktualität kennzeichnen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Vertrag vs. CRM-Transkription\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Der ausgeführte Vertrag regelt den vertraglichen Wortlaut; die CRM-Abweichung wird zu einer Korrekturaufgabe.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Dokumentation vs. bereitgestelltes Verhalten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Beabsichtigtes Verhalten von beobachtetem\u002Fbereitgestelltem Verhalten unterscheiden; sie nicht stillschweigend zusammenführen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Zwei glaubwürdige Primärquellen\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Beide bewahren, Provenienz und Geltungsbereich bewerten und ungeklärte Uneinigkeit darstellen, wenn keine maßgebliche Autorität existiert.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Benutzererinnerung vs. aktuelle Benutzereinstellung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktuelle explizite Einstellung verwenden; Erinnerung gegebenenfalls als überholt markieren.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-71\">Websuche ist Entdeckung, nicht automatisch Evidenz\u003C\u002Fh2>\n\u003Cp>Suchmaschinen sind hervorragende Entdeckungssysteme. Suchausschnitte, Ergebnisranking und generierte Zusammenfassungen sind nicht automatisch Primärevidenz.\u003C\u002Fp>\n\u003Cp>Bei Behauptungen, die Autorität erfordern, sollte das Suchergebnis zur Originalpublikation, zum offiziellen Datensatz, zum Quelldokument, zum Datensatz oder zu einem anderen geeigneten Artefakt führen. Die Ergebnisseite hilft, die Quelle zu lokalisieren; sie erbt nicht die Autorität der Quelle.\u003C\u002Fp>\n\u003Ch2 id=\"section-74\">Das Sprachmodell sollte Autorität nicht selbst entscheiden\u003C\u002Fh2>\n\u003Cp>Ein Modell kann helfen, eine Frage zu klassifizieren, Behauptungen zu extrahieren oder Belege zu vergleichen, aber Autorität sollte nicht nur von der Präferenz des Modells abhängen. Modelle optimieren die Generierung aus dem Kontext; sie besitzen kein garantiertes domänenspezifisches Register darüber, welche Datenbank, welches Dokument oder welche Organisation jede Tatsache besitzt.\u003C\u002Fp>\n\u003Cp>Deshalb sollte die Anwendungsarchitektur kritische Autoritätsregeln, wo praktikabel, deterministisch kodieren. Das Modell darf innerhalb der Grenze argumentieren, aber die Grenze selbst sollte nicht für jeden Prompt von Grund auf neu erstellt werden.\u003C\u002Fp>\n\u003Ch2 id=\"section-77\">Autorität muss den Ausführungs-Trace überleben\u003C\u002Fh2>\n\u003Cp>Wenn eine Produktionsantwort wichtig genug ist, um geprüft zu werden, sollte der Trace es ermöglichen zu rekonstruieren, welche Quellen konsultiert wurden, welche Version verwendet wurde, welche Passage oder welcher Datensatz die Behauptung stützte, welche Transformationen stattfanden und ob widersprüchliche Belege verfügbar waren.\u003C\u002Fp>\n\u003Cp>Dies entspricht dem breiteren Provenienzprinzip in W3C PROV und der NIST AI RMF Playbook-Anleitung, Quellen, Ursprünge, Transformationen, Abhängigkeiten, Einschränkungen und Metadaten zu dokumentieren.\u003C\u002Fp>\n\u003Ch2 id=\"section-80\">Originale Implementierungsnachweise: Source of Truth Research Engine\u003C\u002Fh2>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Originale Implementierungsnachweise\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Die Source of Truth Research Engine ist mein eigener Implementierungsnachweis für eine evidenzbasierte Architektur. Sie demonstriert eine konkrete Möglichkeit, Entdeckung, Quellenbeschaffung, Provenienz, Behauptungen, Evidenzklassen, Widersprüche und Schlussfolgerungen zu trennen. Es ist ein Implementierungsmuster, kein universeller Branchenstandard.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cp>Die Engine ist um eine nachverfolgbare Pipeline herum konzipiert statt um direkte KI-Zusammenfassung: Rechercheaufgabe → Suche → Originalquelle oder digitales Artefakt → lokaler Snapshot → SHA-256 → Quellen-ID → Behauptung → Evidenzklasse → Beziehung oder Widerspruch → Interpretation → Schlussfolgerung.\u003C\u002Fp>\n\u003Cp>Ihr gemeinsamer Evidenzkern speichert Quellen, Artefakte, Provenienz, Behauptungen, Beziehungen, Widersprüche, ein Referenzmodell und einen Prüfpfad. Verschiedene Recherchemethoden können diesen Kern gemeinsam nutzen und dabei unterschiedliche Domänenmethoden anwenden.\u003C\u002Fp>\n\u003Cp>Die Architektur trennt bewusst Entdeckung von Evidenz. Suchausschnitte werden nicht als Evidenz behandelt, Dateinamen werden nicht als Inhalt behandelt, KI-Zusammenfassungen werden nicht als Primärquellen behandelt, und semantische Ähnlichkeit ist nur ein Entdeckungssignal, bis ein Ergebnis auf eine konkrete Quelle und einen Locator zurückgeführt wird.\u003C\u002Fp>\n\u003Cp>Originaldateien werden erhalten und lokale Bytes erhalten SHA-256-Identifikatoren. Widersprüche und verworfene Hypothesen werden nicht stillschweigend gelöscht. Neue Evidenz darf das aktuelle Referenzmodell ändern, während der vorherige Evidenzpfad prüfbar bleibt.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Implementierte Regel\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Warum sie für die Source-of-Truth-Architektur wichtig ist\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Suche ≠ Evidenz\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Entdeckungsranking darf nicht stillschweigend zu Autorität werden.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Dateiname ≠ Inhalt\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Metadatenhinweise können das Lesen des tatsächlichen Artefakts nicht ersetzen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Lokaler Snapshot + SHA-256\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Evidenz kann an exakte Bytes gebunden werden statt an ein veränderbares Remote-Label.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Quellen-ID + exakter Locator\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Behauptungen können auf den konkreten Evidenzort zurückgeführt werden.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Trennung von Behauptung und Evidenz\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Die Aussage wird nicht mit dem sie stützenden Material verwechselt.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Widersprüche bleiben erhalten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Das System kann ungelösten Dissens darstellen, statt die Historie zu überschreiben.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Semantische Ähnlichkeit ist nur Entdeckung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Retrieval-Relevanz wird ausdrücklich von evidentieller Autorität getrennt.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Neue Evidenz kann das Modell aktualisieren\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Der Source-of-Truth-Zustand ist versioniert und revidierbar und wird nicht als unveränderliches Dogma behandelt.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-87\">Aaasaasa Document & Knowledge Engine: dieselbe Grenze auf Unternehmensdokumente anwenden\u003C\u002Fh2>\n\u003Cp>Das Konzept der Aaasaasa Document & Knowledge Engine erweitert dasselbe Designprinzip auf Unternehmensdokumentation: Nutzer sollten Dokumente durchsuchen, quellenbasierte Fragen stellen und Sammlungen anhand expliziter Kriterien überprüfen können, während die Unterscheidung zwischen dem, was ein Dokument aussagt, und dem, was das System ableitet, erhalten bleibt.\u003C\u002Fp>\n\u003Cp>Die wichtige Architekturregel ist, dass ein universeller Retrieval-Kern nicht jede Sammlung gleichermaßen autoritativ macht. Vertragsdokumente, Wartungsunterlagen, Finanzdokumente und Forschungsmaterial benötigen unterschiedliche Autoritäts-, Validierungs- und Abdeckungsregeln, selbst wenn sie dieselbe Ingestion- und Suchinfrastruktur teilen.\u003C\u002Fp>\n\u003Ch2 id=\"section-90\">Häufige Source-of-Truth-Fehlermodi\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Fehlermodus\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Was schiefgeht\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Das Modell wird als Quelle der Wahrheit behandelt\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Parametrisches Wissen kann veraltet, unvollständig, nicht verifizierbar oder außerhalb des autoritativen Geltungsbereichs der Anwendung sein.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Das beste Retrieval-Ergebnis gewinnt automatisch\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ähnlichkeit wird mit Autorität verwechselt.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Die Vektordatenbank wird autoritativ\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Abgeleitete Indexeinträge verlieren die Identität und Version der Originalquelle.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Alles wird in eine Wissensbasis kopiert\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Kopien verschleiern Eigentümerschaft, Aktualität und Korrekturpfade.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Speicher wird als aktueller Zustand wiederverwendet\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Alte Beobachtungen überschreiben stillschweigend das aktuelle System of Record.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Keine Versionsmetadaten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Das richtige Dokument wird für den falschen Zeitraum verwendet.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Kein Quellen-Locator\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eine Zitation existiert, aber die stützende Passage oder der Datensatz kann nicht verifiziert werden.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Konflikte werden überschrieben\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Das System erscheint konsistent, indem es Belege für Uneinigkeit zerstört.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Generierte Zusammenfassungen ersetzen Originale\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eine verlustbehaftete Transformation wird zur scheinbaren Autorität.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Autorität ist global statt aussagenbezogen\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Einer Quelle wird über die Domäne oder Faktenklasse hinaus vertraut, die sie tatsächlich besitzt.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Web-Snippet wird als Beleg behandelt\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Discovery-Metadaten ersetzen die Originalpublikation.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Autoritative Daten sind falsch, aber Ausnahmen werden verborgen\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Operative Defekte werden unsichtbar und können nicht transparent korrigiert werden.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-92\">Ein praktischer Entscheidungsrahmen für die Quelle der Wahrheit\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Wie man entscheidet, was eine Aussage definieren sollte\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Formulieren Sie die Aussage präzise\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Trennen Sie aktuellen Zustand, historischen Zustand, Richtlinie, Interpretation, Vorhersage und abgeleitete Berechnung.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Identifizieren Sie den Autoritätseigentümer\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Bestimmen Sie das System, Dokument, die Institution, Person oder Evidenzklasse, die für diesen Aussagentyp verantwortlich ist.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Definieren Sie den Geltungsbereich\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Geben Sie Mandant, Gerichtsbarkeit, Produkt, Umgebung, Benutzer, Dokumentensatz oder andere Anwendbarkeitsgrenzen an.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Definieren Sie Zeit und Version\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Bestimmen Sie, ob die Aussage den aktuellen Zustand, einen historischen Schnappschuss oder eine bestimmte Standard-\u002FRelease-Version erfordert.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Bewahren Sie Provenienz\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Zeichnen Sie Quellenidentität, Ursprung, Locator, Transformationen und verantwortliche Agenten oder Prozesse auf.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Definieren Sie den Retrieval-\u002FZugriffspfad\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Stellen Sie sicher, dass die Anwendung die autoritativen Informationen tatsächlich unter der korrekten Identität und Berechtigungen abrufen kann.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">7. Definieren Sie die Konfliktrichtlinie\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Entscheiden Sie über Vorrang, Ablösung, Beilegung oder explizites Verhalten im ungelösten Zustand.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">8\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">8. Definieren Sie die Invalidierung\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Geben Sie an, wann zwischengespeicherte, indexierte, erinnerte oder abgeleitete Darstellungen aktualisiert werden müssen.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">9\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">9. Validieren Sie den Antwortpfad\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Verifizieren Sie, dass wichtige generierte Aussagen auf die beabsichtigte Autorität zurückgeführt werden können, nicht nur auf eine plausible Quelle.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-94\">Checkliste für die Architektur der Quelle der Wahrheit\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Frage\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Erwartete Antwort\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Welche genaue Tatsache oder welcher Zustand wird festgestellt?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eine Aussage, die präzise genug ist, um Autorität zuzuweisen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Wer oder was besitzt diese Tatsache?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Benanntes autoritatives System, Quellenklasse oder Beilegungsregel.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ist die Autorität für diesen Geltungsbereich aktuell?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mandant, Gerichtsbarkeit, Umgebung, Benutzer oder Domänengrenze ist explizit.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ist die Version\u002FZeit korrekt?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktuelle, historische oder versionsspezifische Anwendbarkeit ist bekannt.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Kann die Quelle verifiziert werden?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Stabile Kennung, Locator oder Datensatzreferenz existiert.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ist die Provenienz bewahrt?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ursprung, Transformation und Verantwortlichkeitsmetadaten überleben Ingestion und Retrieval.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Kann Retrieval nicht-autoritatives Material zurückgeben?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Wenn ja, unterscheiden Filter oder Validierung Relevanz von Autorität.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Kann sich die Quelle ändern?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktualisierungs-, Invalidierungs- oder Ablösungsregeln existieren.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Können Quellen uneinig sein?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Konflikt- und Beilegungsverhalten ist explizit.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Kann Speicher veralten?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Flüchtiger Zustand wird vor folgenreicher Nutzung von der aktuellen Autorität neu gelesen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Kann eine abgeleitete Antwort reproduziert werden?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eingaben, Transformationsversion und Ausführungsbedingungen sind nachvollziehbar.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Kann ein Auditor die Antwort rekonstruieren?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ausführungsnachweise bewahren den Quellenpfad für wichtige Aussagen.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-96\">Häufige Missverständnisse\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Missverständnis\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Korrektur\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">„Quelle der Wahrheit bedeutet eine Datenbank.“\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eine Datenbank kann für eine Domäne autoritativ sein; komplexe Systeme haben normalerweise mehrere faktenspezifische Autoritäten.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">„Das neueste Dokument ist automatisch autoritativ.“\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aktualität hilft nur, wenn das neuere Artefakt genehmigt ist und das ältere tatsächlich ablöst.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">„RAG löst Wahrheit.“\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">RAG löst Retrieval. Autorität, Provenienz, Evidenzqualität und Gültigkeit bleiben separate Probleme.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">„Eine Zitation beweist die Antwort.“\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Die zitierte Quelle muss die Aussage tatsächlich stützen, die richtige Autorität haben und auf den aktuellen Geltungsbereich zutreffen.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">„Provenienz sagt uns, was wahr ist.“\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Provenienz sagt uns Ursprung und Ableitung; Autorität und Korrektheit erfordern weiterhin Domänenregeln und Evaluierung.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">„Das System of Record ist immer korrekt.“\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Es ist autoritativ für den operativen Datensatz, aber Datenqualitätsdefekte können dennoch existieren und eine sichtbare Korrektur erfordern.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">„Wenn mehrere Quellen übereinstimmen, ist die Aussage autoritativ.“\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Übereinstimmung erhöht die Evidenz, begründet aber nicht unbedingt Eigentümerschaft oder Anwendbarkeit.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">„KI-Speicher kann wiederholte Lesevorgänge ersetzen.“\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Nur für Informationen, deren Veraltungsrisiko akzeptabel ist; flüchtiger oder folgenreicher Zustand sollte von der Autorität aktualisiert werden.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-98\">Randfälle\u003C\u002Fh2>\n\u003Cp>Einige Fragen sind interpretativ statt faktisch. „Welche Architektur ist am besten?“ hat keine einzelne Quelle der Wahrheit. Das System kann autoritative Einschränkungen und Evidenz abrufen, aber das endgültige Urteil ist eine Schlussfolgerung, die Annahmen und Abwägungen offenlegen sollte.\u003C\u002Fp>\n\u003Cp>Einige Domänen verwenden verteilte Autorität. Eine wissenschaftliche Schlussfolgerung kann von mehreren Studien, Datensätzen und Replikationen abhängen. Eine historische Schlussfolgerung kann von widersprüchlichen primären und sekundären Belegen abhängen. Die Architektur sollte die Evidenzstruktur darstellen, anstatt eine zentrale Datenbank zu erfinden, die angeblich die Wahrheit besitzt.\u003C\u002Fp>\n\u003Cp>Ein Benutzer kann auch die Autorität für subjektive persönliche Informationen sein: Präferenzen, Ziele, gewählte Einstellungen oder explizite Anweisungen. Selbst dann kann eine neuere explizite Eingabe älteren Speicher ablösen.\u003C\u002Fp>\n\u003Cp>Externe Ereignisse können zuvor autoritative Daten ungültig machen. Ein Preisfeed, Bestandssystem oder eine Sicherheitsrichtlinie kann zum Zeitpunkt der Erfassung korrekt gewesen sein, aber nicht mehr gültig sein. Snapshot-Provenienz bewahrt, was damals wahr war; sie macht den Snapshot nicht für immer aktuell.\u003C\u002Fp>\n\u003Ch2 id=\"section-103\">Einschränkungen\u003C\u002Fh2>\n\u003Cp>Die Architektur der Quelle der Wahrheit kann nicht garantieren, dass eine autoritative Quelle faktisch korrekt ist. Sie bietet Rechenschaftspflicht, Provenienz und deterministische Eigentumsgrenzen; Datenqualitäts- und Domänenverifizierungsprozesse bleiben notwendig.\u003C\u002Fp>\n\u003Cp>Autorität kann auch umstritten sein. Verschiedene Institutionen können in unterschiedlichen Gerichtsbarkeiten oder Methodologien legitimerweise Autorität beanspruchen. In solchen Situationen sollte das System das Autoritätsmodell und die Uneinigkeit offenlegen, anstatt sie hinter einem universellen „Wahrheitswert“ zu verbergen.\u003C\u002Fp>\n\u003Cp>Schließlich erfordern Autoritätsregeln Wartung. Systeme, Eigentümer, Richtlinien, Versionen und Vorschriften ändern sich. Ein veraltetes Autoritätsregister kann so gefährlich sein wie gar kein Register.\u003C\u002Fp>\n\u003Ch2 id=\"section-107\">Was würde diese Antwort ändern?\u003C\u002Fh2>\n\u003Cp>Die spezifische Autoritätszuordnung ändert sich mit der Domäne. Banking, Gesundheitswesen, Softwarebereitstellung, wissenschaftliche Forschung und historische Analyse haben unterschiedliche Systeme of Record, Evidenzregeln und regulatorische Verpflichtungen.\u003C\u002Fp>\n\u003Cp>Die Umsetzung ändert sich ebenfalls mit der Architektur. Eine kleine Anwendung kann Autorität direkt in Serviceaufrufe kodieren. Eine größere Plattform benötigt möglicherweise Registrierungen, Quellmetadaten, Richtlinien-Engines, Lineage-Systeme oder Datenverträge. Das Kernprinzip bleibt dasselbe: Lassen Sie nicht zu, dass die Abrufreihenfolge oder Modellpräferenz stillschweigend entscheidet, was als autoritativ gilt.\u003C\u002Fp>\n\u003Ch2 id=\"section-110\">Verwandtes kanonisches Wissen\u003C\u002Fh2>\n\u003Cp>Die Source-of-Truth-Architektur ist eine Voraussetzung für spätere Abruf- und Governance-Konzepte, da die Abrufqualität allein nicht bestimmen kann, ob Beweise die Antwort definieren dürfen.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">Was ist RAG? Die einfachste Erklärung, wie es funktioniert\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">RAG ruft externes Wissen für ein Modell ab. Diese Grundlage erklärt, warum Abruf und autoritative Wahrheit getrennte Verantwortlichkeiten sind.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Lesen Sie die RAG-Grundlage →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Cp>Gedächtnis ist ein weiteres benachbartes Konzept. Ein zuverlässiger Agent trennt erinnerte Informationen vom aktuellen autoritativen Anwendungszustand.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">KI-Agenten-Gedächtnis ist nicht RAG: Wie man Gedächtnis, Abruf, Zustand und Kontext trennt\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Eine vierschichtige Architektur, die persistentes Gedächtnis, autoritativen Zustand, Abruf und den tatsächlich dem Modell bereitgestellten Kontext trennt.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Lesen Sie den Artikel zur Gedächtnisarchitektur →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Cp>Autorität verbindet sich auch direkt mit der Gültigkeit von Antworten. Selbst eine autoritative Quelle stützt nur Aussagen innerhalb ihrer Version, ihres Datums, ihres Geltungsbereichs und ihrer Evidenzgrenze.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">Die Antwortgültigkeitsgrenze: Die fehlende Schicht zwischen Relevanz und zuverlässigen KI-Antworten\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Ein Rahmenwerk, um explizit zu machen, wo eine KI-Antwort durch Beweise gestützt bleibt und welche geänderten Bedingungen diese Unterstützung ungültig machen.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Lesen Sie die Antwortgültigkeitsgrenze →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Ch2 id=\"section-117\">Häufig gestellte Fragen\u003C\u002Fh2>\n\u003Csection class=\"editorjs-faq my-6 rounded-xl border border-gray-200 p-5 dark:border-gray-700\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Source of Truth in KI-Systemen\u003C\u002Fh3>\u003Cdiv id=\"faq1\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Was ist eine Source of Truth in einem KI-System?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Es ist die autoritative Quelle oder Autoritätsregel, die bestimmt, welche Quelle einen bestimmten Fakt, Zustand oder eine Regel für einen definierten Geltungsbereich, eine Version und einen Zeitpunkt festlegen darf.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq2\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Ist das Sprachmodell eine Source of Truth?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Normalerweise nein. Ein Sprachmodell kann generieren, zusammenfassen und schlussfolgern, aber sein parametrisches Wissen ist nicht automatisch autoritativ für den aktuellen Anwendungszustand, die Unternehmensrichtlinie, eine bestimmte Dokumentversion oder einen regulierten Domänenfakt.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq3\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Ist eine Vektordatenbank die Source of Truth für RAG?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Nicht automatisch. Eine Vektordatenbank ist normalerweise ein Index oder Abrufspeicher. Sie sollte Verweise auf die autoritative Originalquelle und Version bewahren, anstatt sie stillschweigend zu ersetzen.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq4\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Was ist der Unterschied zwischen Provenienz und Source of Truth?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Provenienz beschreibt, woher Daten stammen, wie sie erzeugt oder transformiert wurden und wer oder was beteiligt war. Source-of-Truth-Regeln bestimmen, ob diese Quelle Autorität für die spezifische Aussage hat.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq5\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Kann ein KI-System mehrere Sources of Truth haben?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Ja. In komplexen Systemen ist dies normal, da verschiedene Fakten zu verschiedenen autoritativen Systemen oder Quellklassen gehören.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq6\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Was passiert, wenn zwei autoritative Quellen nicht übereinstimmen?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Das System benötigt eine domänenspezifische Konfliktregel: Vorrang, Versionsablösung, Expertenentscheidung oder einen expliziten ungelösten Zustand. Es sollte nicht stillschweigend die Quelle wählen, die das Modell bevorzugt.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq7\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Garantiert RAG, dass eine KI-Antwort die Source of Truth verwendet?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Nein. RAG ruft Kandidaten ab. Autoritätsbewusste Metadaten, Filter, Quellenrichtlinien und Validierung sind erforderlich, um sicherzustellen, dass wichtige Aussagen die korrekte Quelle verwenden.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq8\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Kann die Source of Truth falsch sein?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Ja. Autorität und Korrektheit sind unterschiedliche Eigenschaften. Ein autoritatives System kann einen Datenqualitätsfehler enthalten, der transparent korrigiert werden sollte, anstatt durch Ersetzen einer inoffiziellen Quelle verborgen zu werden.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-119\">Glossar\u003C\u002Fh2>\n\u003Csection class=\"editorjs-glossary my-6 rounded-xl border border-gray-200 dark:border-gray-700 p-5\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Wichtige Source-of-Truth-Begriffe\u003C\u002Fh3>\u003Cdl>\u003Cdiv id=\"source-of-truth\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Source of Truth\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Die autoritative Quelle oder Regel, die berechtigt ist, einen bestimmten Fakt, Zustand oder eine Regel für einen definierten Geltungsbereich, eine Version und einen Zeitpunkt festzulegen.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"system-of-record\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">System of Record\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Das autoritative operative System, das für eine definierte Klasse von Datensätzen oder den aktuellen Geschäftszustand verantwortlich ist.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"provenance\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Provenienz\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Informationen, die den Ursprung, die Ableitung, Transformationen, verantwortlichen Akteure und die Geschichte von Daten oder einer anderen Entität beschreiben.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"evidence\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Evidenz\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Informationen oder ein Artefakt, das eine Aussage stützt, widerlegt oder einschränkt.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"authority\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Autorität\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Die Anwendungs- oder Domänenregel, die bestimmt, welche Quelle berechtigt ist, eine spezifische Aussage zu definieren.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"freshness\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Aktualität\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Ob eine Darstellung aktuell genug für die Aussage oder Operation bleibt, in der sie verwendet wird.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"supersession\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Ablösung\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Die explizite Ersetzung einer älteren autoritativen Version durch eine neuere unter Beibehaltung der historischen Nachverfolgbarkeit.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"ground-truth\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Ground Truth\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Eine Referenzantwort, ein Label oder ein Ergebnis zur Bewertung eines Systems; es ist ein Bewertungskonstrukt und nicht automatisch die Source of Truth der Anwendung.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"lineage\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Lineage\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Die Spur, wie Daten oder abgeleitete Werte über Quellen und Verarbeitungsschritte fließen und sich transformieren.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"validity-boundary\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Gültigkeitsgrenze\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Die Bedingungen von Geltungsbereich, Zeit, Version, Evidenz und Annahmen, innerhalb derer eine Aussage gestützt bleibt.\u003C\u002Fdd>\u003C\u002Fdiv>\u003C\u002Fdl>\u003C\u002Fsection>\n\u003Ch2 id=\"section-121\">Fazit\u003C\u002Fh2>\n\u003Cp>Zuverlässige KI entsteht nicht dadurch, dass dem Modell mehr Informationen gegeben werden. Sie entsteht dadurch, dass man weiß, welche Informationen die Aussage definieren dürfen, bewahrt, woher diese Informationen stammen, die korrekte Version abruft und die endgültige Antwort innerhalb des Geltungsbereichs der Quelle hält.\u003C\u002Fp>\n\u003Cp>Deshalb müssen Source of Truth, Provenienz, Abruf, Gedächtnis und Kontext getrennte Konzepte bleiben. Die Source of Truth definiert Autorität. Provenienz erklärt den Ursprung. Abruf findet Kandidaten. Gedächtnis bewahrt ausgewählte vergangene Informationen. Kontext ist das, was das Modell sieht. Generierung verwandelt diese Eingaben in eine Ausgabe.\u003C\u002Fp>\n\u003Cp>Wenn diese Schichten explizit bleiben, kann ein KI-System mehr als nur plausibel klingen: Wichtige Aussagen können bis zur Quelle zurückverfolgt werden, die tatsächlich das Recht hatte, sie festzulegen.\u003C\u002Fp>\n\u003Ch2 id=\"section-125\">Primärquellen und Umsetzungsnachweise\u003C\u002Fh2>\n\u003Cp>Die folgenden externen Quellen stützen Provenienz- und KI-Risikomanagement-Aussagen. Der Abschnitt Source of Truth Research Engine ist ein originaler Umsetzungsnachweis und wird ausdrücklich als ein Umsetzungsmuster und nicht als universeller Standard präsentiert.\u003C\u002Fp>\n\u003Ca href=\"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-dm\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">W3C PROV-DM — Das PROV-Datenmodell\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">W3C-Empfehlung, die ein domänenunabhängiges Provenienzmodell rund um Entitäten, Aktivitäten, Agenten, Ableitungen und Verantwortlichkeit definiert.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.w3.org\u002Fgroups\u002Fwg\u002Fprov\u002Fpublications\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">W3C Provenance Working Group — Veröffentlichungen\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Offizieller Index der W3C-PROV-Empfehlungen und verwandter Spezifikationen für Provenienzaustausch und -beschränkungen.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST AI Risk Management Framework\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">NISTs freiwilliges Framework zur Einbeziehung von Vertrauenswürdigkeits- und Risikomanagement-Überlegungen über den gesamten KI-Lebenszyklus; AI RMF 1.0 wird derzeit überarbeitet.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fairc.nist.gov\u002Fairmf-resources\u002Fplaybook\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST AI RMF Playbook\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Operative Anleitung in Übereinstimmung mit dem AI RMF, einschließlich Dokumentationspraktiken für Datenprovenienz, Quellen, Ursprünge, Transformationen, Abhängigkeiten, Beschränkungen und Metadaten.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fairc.nist.gov\u002Fairmf-resources\u002Fplaybook\u002Fmeasure\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST AI RMF Playbook — Measure\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Anleitung zur Dokumentation von Messung, Datenprovenienz und kontextueller Interpretation von Ausgaben von KI-Systemen.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST AI 600-1 — Generative AI Profile\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">NIST-Profil für generative KI, einschließlich Überlegungen zu Provenienz und Informationsintegrität für generative KI-Systeme.\u003C\u002Fp>\u003C\u002Fa>",{"time":211,"blocks":212,"version":1295},1791479172066,[213,219,227,234,240,248,253,258,263,268,275,280,285,290,295,330,335,340,345,350,387,392,397,402,407,412,417,422,427,432,437,442,447,452,457,462,467,472,477,482,487,492,497,502,507,512,517,522,527,532,537,543,575,580,585,618,623,628,633,640,645,650,655,660,665,670,676,681,686,691,717,722,727,732,737,742,747,752,757,762,767,773,778,783,788,793,825,830,835,840,845,889,894,927,932,975,980,1012,1017,1022,1027,1032,1037,1042,1047,1052,1057,1062,1067,1072,1077,1082,1091,1096,1104,1109,1117,1122,1160,1165,1210,1215,1220,1225,1230,1235,1240,1250,1259,1268,1277,1286],{"id":214,"data":215,"type":217,"tunes":218},"intro",{"text":216},"Eine Quelle der Wahrheit in einem KI-System ist die autoritative Quelle, die definieren darf, ob eine bestimmte Tatsache, ein Zustand oder eine Regel für einen bestimmten Geltungsbereich, eine Version und einen Zeitpunkt als wahr behandelt werden soll. Sie ist nicht automatisch das Sprachmodell, die Vektordatenbank, das am höchsten eingestufte abgerufene Dokument, das Agentengedächtnis oder die neueste Nachricht im Kontext. Eine zuverlässige KI-Architektur muss bewahren, welche Quelle für welche Aussage Autorität besitzt, und dann Provenienz, Abruf und Validierung mit dieser Autorität verbunden halten.","paragraph",{},{"id":220,"data":221,"type":225,"tunes":226},"direct",{"body":222,"title":223,"variant":224},"\u003Cstrong>Die Quelle der Wahrheit ist eine Autoritätsregel, keine KI-Komponente.\u003C\u002Fstrong> Ein KI-System kann viele Quellen durchsuchen, aber nur einige Quellen sind für eine gegebene Frage autoritativ. Die korrekte Quelle kann eine Anwendungsdatenbank für den aktuellen Kontozustand sein, ein genehmigtes Richtliniendokument für eine Regel, Quellcode für implementiertes Verhalten, eine offizielle Spezifikation für ein Protokoll oder ein primäres Forschungsartefakt für eine beobachtete Aussage. Gute Architektur macht diese Autorität explizit, anstatt das Modell zu bitten, sie aus der Relevanz abzuleiten.","Direkte Antwort","info","callout",{},{"id":228,"data":229,"type":225,"tunes":233},"terminology",{"body":230,"title":231,"variant":232},"„Quelle der Wahrheit“ wird in Software, Daten und organisatorischer Praxis weit verbreitet verwendet, ist aber keine standardisierte KI-Komponente mit einer universellen formalen Definition. Dieser Artikel verwendet sie als Architekturkonzept: \u003Cstrong>die Quellen- oder Autoritätszuordnung, die bestimmt, welche Evidenz eine bestimmte Tatsache oder einen Zustand feststellen darf\u003C\u002Fstrong>. Provenienzstandards wie W3C PROV beschreiben Herkunft und Ableitung; sie entscheiden nicht automatisch, welche Quelle Ihre Anwendung als autoritativ behandeln sollte.","Terminologische Abgrenzung","note",{},{"id":235,"data":236,"type":225,"tunes":239},"current",{"body":237,"title":238,"variant":232},"Die grundlegende Unterscheidung zwischen Autorität, Provenienz, Abruf und Modellkontext ist stabil. NIST AI RMF 1.0 wird derzeit überarbeitet, aber das aktuelle NIST Playbook empfiehlt weiterhin ausdrücklich die Dokumentation der Datenprovenienz, einschließlich Quellen, Ursprüngen, Transformationen, Abhängigkeiten, Einschränkungen und Metadaten. W3C PROV bleibt eine W3C-Empfehlung für interoperable Provenienzbeschreibungen.","Hinweis zur Aktualität — 8. Oktober 2026",{},{"id":241,"data":242,"type":246,"tunes":247},"toc",{"title":243,"maxLevel":244,"minLevel":245},"Inhalt",3,2,"tableOfContents",{},{"id":249,"data":250,"type":41,"tunes":252},"h-meaning",{"text":251,"level":245},"Was „Quelle der Wahrheit“ wirklich bedeutet",{},{"id":254,"data":255,"type":217,"tunes":257},"p-meaning-1",{"text":256},"Der Ausdruck wird oft missverstanden als „die eine Datenbank, die alles enthält“. Das kann in einem eng begrenzten System zutreffen, ist aber für KI meist zu vereinfachend. Eine echte KI-Anwendung kann operative Datenbanken, Dokumente, APIs, Vektorindizes, Benutzereingaben, Modellgedächtnis, externe Webquellen und generierte Zusammenfassungen kombinieren.",{},{"id":259,"data":260,"type":217,"tunes":262},"p-meaning-2",{"text":261},"Diese Quellen haben nicht die gleiche Autorität. Ein Kundensupport-Handbuch kann Richtlinien definieren, aber nicht den aktuellen Kontostand eines Kunden. Ein CRM kann den aktuellen Kontoinhaber definieren, aber nicht die rechtliche Bedeutung einer Verordnung. Ein Quellcode-Repository kann implementiertes Verhalten definieren, während eine Produktspezifikation das beabsichtigte Verhalten definiert. Die Architektur muss daher eine präzisere Frage beantworten: Welche Quelle ist für diese spezifische Aussage autoritativ?",{},{"id":264,"data":265,"type":217,"tunes":267},"p-meaning-3",{"text":266},"Dadurch wird die Quelle der Wahrheit zu einer Beziehung zwischen einer Aussage und einer Autorität, nicht bloß zu einer Eigenschaft einer Speichertechnologie.",{},{"id":269,"data":270,"type":225,"tunes":274},"principle",{"body":271,"title":272,"variant":273},"\u003Cstrong>Ein System kann viele Quellen der Wahrheit haben, weil Autorität faktenspezifisch ist.\u003C\u002Fstrong> Die wichtige architektonische Eigenschaft ist nicht, dass eine Datenbank global gewinnt, sondern dass jede wichtige Tatsache oder jeder Zustand einen expliziten autoritativen Eigentümer hat.","Kernprinzip","success",{},{"id":276,"data":277,"type":41,"tunes":279},"h-simple",{"text":278,"level":245},"Das einfachste Beispiel",{},{"id":281,"data":282,"type":217,"tunes":284},"p-simple-1",{"text":283},"Ein Benutzer fragt einen KI-Assistenten: „Was ist mein aktueller Abonnementplan?“ Der Assistent hat drei mögliche Eingaben: das Support-Transkript des letzten Monats, ein indexiertes Hilfe-Center-Dokument, das Plantypen beschreibt, und die Live-Abrechnungsdatenbank.",{},{"id":286,"data":287,"type":217,"tunes":289},"p-simple-2",{"text":288},"Das Support-Transkript kann erwähnen, dass der Benutzer einen Pro-Plan hatte. Das Hilfe-Center-Dokument erklärt, was Pro bedeutet. Aber der Live-Abrechnungsdatensatz ist die autoritative Quelle für den aktuellen Abonnementstatus des Benutzers.",{},{"id":291,"data":292,"type":217,"tunes":294},"p-simple-3",{"text":293},"Eine semantische Suchmaschine könnte das Support-Transkript über dem Abrechnungsdatensatz einstufen, weil es Sprache enthält, die der Frage näher kommt. Diese Einstufung würde das Transkript dennoch nicht autoritativ machen. Relevanz und Autorität sind unterschiedliche Dimensionen.",{},{"id":296,"data":297,"type":328,"tunes":329},"simple-comparison",{"rows":298,"title":316,"layout":317,"columns":318},[299,304,308,312],{"id":300,"label":301,"values":302},"billing","Abrechnungsdatenbank",[303,303,303],"",{"id":305,"label":306,"values":307},"help","Hilfe-Center-Dokumentation",[303,303,303],{"id":309,"label":310,"values":311},"transcript","Altes Support-Transkript",[303,303,303],{"id":313,"label":314,"values":315},"model","Modellgedächtnis",[303,303,303],"Dieselbe Frage kann verschiedene Quellenrollen betreffen","table",[319,322,325],{"id":320,"label":321},"source","Quelle",{"id":323,"label":324},"role","Rolle",{"id":326,"label":327},"authority","Autorität für aktuellen Plan?","comparison",{},{"id":331,"data":332,"type":41,"tunes":334},"h-stops",{"text":333,"level":245},"Wo das einfache Beispiel endet",{},{"id":336,"data":337,"type":217,"tunes":339},"p-stops-1",{"text":338},"Nicht jede Domäne hat eine unangefochtene Autorität. Historische Forschung kann widersprüchliche Primärquellen enthalten. Wissenschaftliche Aussagen können sich weiterentwickeln, wenn neue Studien erscheinen. Rechtliche Auslegung kann von Gerichtsbarkeit, Datum und Gerichtsautorität abhängen. Produktverhalten kann zwischen Dokumentation und bereitgestelltem Code abweichen.",{},{"id":341,"data":342,"type":217,"tunes":344},"p-stops-2",{"text":343},"In diesen Fällen besteht die korrekte Architektur nicht darin, einen einzigen Gewinner zu erfinden. Sie besteht darin, die konkurrierenden Quellen, ihre Provenienz, ihre Autoritätsklasse, ihren anwendbaren Geltungsbereich und den ungelösten Widerspruch zu bewahren. Ein zuverlässiges Quelle-der-Wahrheit-System muss Unsicherheit und Uneinigkeit darstellen können.",{},{"id":346,"data":347,"type":41,"tunes":349},"h-authority",{"text":348,"level":245},"Autorität ist nach Aussage, Version und Zeit begrenzt",{},{"id":351,"data":352,"type":317,"tunes":386},"authority-table",{"content":353,"stretched":42,"withHeadings":13},[354,358,362,366,370,374,378,382],[355,356,357],"Frage","Mögliche autoritative Quelle","Warum der Geltungsbereich wichtig ist",[359,360,361],"Wie hoch ist der aktuelle Kontostand des Nutzers?","Hauptbuch \u002F führendes Buchhaltungssystem","Historische Exporte können für einen früheren Zeitpunkt korrekt sein, aber nicht für den aktuellen Zustand.",[363,364,365],"Was erlaubt die Unternehmensrichtlinie derzeit?","Genehmigte aktuelle Richtlinienversion","Eine ältere Richtlinie kann weiterhin gültiger Nachweis für frühere Regeln sein, aber nicht für gegenwärtige Regeln.",[367,368,369],"Welcher Code ist tatsächlich bereitgestellt?","Bereitstellungsartefakt \u002F Commit \u002F Release-Datensatz","Der Hauptzweig kann von der Produktion abweichen.",[371,372,373],"Was besagte ein Vertrag zum Zeitpunkt der Unterzeichnung?","Ausgeführte Vertragsversion","Ein Entwurf oder eine spätere Vorlage ist für die unterzeichnete Vereinbarung nicht maßgeblich.",[375,376,377],"Was legt ein technisches Protokoll fest?","Aktuelle offizielle Spezifikation für die relevante Version","Eine Blog-Erklärung kann nützlich sein, ist aber sekundärer Nachweis.",[379,380,381],"Was geschah bei einem historischen Ereignis?","Relevanter Primärnachweis plus explizite Quellenkritik","Es gibt möglicherweise keine einzelne Autorität; widersprüchliche Belege müssen sichtbar bleiben.",[383,384,385],"Was bevorzugt ein Nutzer?","Aktuelle explizite Nutzereinstellung oder bestätigte Präferenz","Alte Gesprächserinnerungen können veraltet oder überholt sein.",{},{"id":388,"data":389,"type":217,"tunes":391},"p-authority-1",{"text":390},"Das Wort „Wahrheit“ kann daher irreführend sein, wenn seine Grenze nicht angegeben wird. In der Architektur wird die Source of Truth üblicherweise besser als die Quelle verstanden, die befugt ist, eine bestimmte Aussage unter definierten Bedingungen zu bestimmen.",{},{"id":393,"data":394,"type":41,"tunes":396},"h-what-is-not",{"text":395,"level":245},"Was eine Source of Truth nicht ist",{},{"id":398,"data":399,"type":41,"tunes":401},"h-vs-sor",{"text":400,"level":244},"Source of Truth vs. System of Record",{},{"id":403,"data":404,"type":217,"tunes":406},"p-vs-sor-1",{"text":405},"Ein System of Record ist typischerweise das maßgebliche operative System für eine Klasse von Datensätzen: zum Beispiel ein Abrechnungshauptbuch, ein Personalstammdatensatz oder eine Bestelldatenbank. Es ist eine übliche Umsetzung der Autorität einer Source of Truth.",{},{"id":408,"data":409,"type":217,"tunes":411},"p-vs-sor-2",{"text":410},"Aber Source of Truth ist weiter gefasst. Ein unterzeichneter PDF-Vertrag, eine offizielle Norm, ein Bereitstellungsartefakt oder ein primäres Archivdokument können maßgeblich sein, ohne ein transaktionales System of Record zu sein.",{},{"id":413,"data":414,"type":41,"tunes":416},"h-vs-prov",{"text":415,"level":244},"Source of Truth vs. Provenienz",{},{"id":418,"data":419,"type":217,"tunes":421},"p-vs-prov-1",{"text":420},"Provenienz beantwortet Fragen wie: Woher stammen diese Daten? Wer oder was hat sie erzeugt? Welche Transformation hat dieses Derivat erstellt? Welche vorherige Entität wurde verwendet? W3C PROV modelliert Entitäten, Aktivitäten, Agenten und Ableitungen, damit Herkunft und Verantwortlichkeit dargestellt werden können.",{},{"id":423,"data":424,"type":217,"tunes":426},"p-vs-prov-2",{"text":425},"Provenienz begründet für sich genommen keine Autorität. Zu wissen, dass ein Wert aus einer von einem bestimmten Mitarbeiter erstellten Tabelle stammt, hilft bei der Bewertung, aber die Anwendung benötigt weiterhin eine Regel, die besagt, ob diese Tabelle für die Aussage maßgeblich ist.",{},{"id":428,"data":429,"type":41,"tunes":431},"h-vs-evidence",{"text":430,"level":244},"Source of Truth vs. Evidenz",{},{"id":433,"data":434,"type":217,"tunes":436},"p-vs-evidence-1",{"text":435},"Evidenz stützt oder widerspricht einer Aussage. Eine Source of Truth definiert, welche Quelle die Autorität hat, diese Aussage im aktuellen Anwendungskontext zu klären oder stark einzuschränken.",{},{"id":438,"data":439,"type":217,"tunes":441},"p-vs-evidence-2",{"text":440},"Eine Quelle kann wertvolle Evidenz sein, ohne maßgeblich zu sein. Fünf Kunden-E-Mails können Belege dafür sein, dass Nutzer einen Workflow ablehnen, aber sie sind nicht das System of Record für die aktuelle Produktkonfiguration.",{},{"id":443,"data":444,"type":41,"tunes":446},"h-vs-rag",{"text":445,"level":244},"Source of Truth vs. RAG",{},{"id":448,"data":449,"type":217,"tunes":451},"p-vs-rag-1",{"text":450},"RAG ist ein Retrieval-Muster. Es findet Informationen und liefert ausgewählte Inhalte an das Modell. RAG weiß nicht automatisch, welche Quelle Autorität verdient.",{},{"id":453,"data":454,"type":217,"tunes":456},"p-vs-rag-2",{"text":455},"Eine RAG-Pipeline kann ein veraltetes Dokument, eine sekundäre Zusammenfassung oder eine sehr ähnliche, aber nicht maßgebliche Quelle abrufen. Quellenautorität muss durch Korpusgestaltung, Metadaten, Filter, Ranking-Richtlinien, Validierung oder Prüfungen nach dem Abruf kodiert werden.",{},{"id":458,"data":459,"type":41,"tunes":461},"h-vs-vector",{"text":460,"level":244},"Source of Truth vs. Vektordatenbank",{},{"id":463,"data":464,"type":217,"tunes":466},"p-vs-vector-1",{"text":465},"Eine Vektordatenbank speichert oder indexiert Repräsentationen, die für semantisches Retrieval verwendet werden. Sie ist eine Zugriffsschicht, nicht automatisch eine Wahrheitsschicht.",{},{"id":468,"data":469,"type":217,"tunes":471},"p-vs-vector-2",{"text":470},"Dasselbe maßgebliche Dokument kann viele Male in Chunks aufgeteilt, eingebettet, kopiert und neu indexiert werden. Der Vektordatensatz sollte einen Verweis zurück auf die maßgebliche Quelle und Version behalten, anstatt zu einer nicht nachverfolgbaren neuen Autorität zu werden.",{},{"id":473,"data":474,"type":41,"tunes":476},"h-vs-memory",{"text":475,"level":244},"Wahrheitsquelle vs. Gedächtnis",{},{"id":478,"data":479,"type":217,"tunes":481},"p-vs-memory-1",{"text":480},"Das Gedächtnis eines Agenten oder einer Anwendung speichert Informationen, die später nützlich sein können. Das Gedächtnis kann eine frühere Entscheidung, Präferenz oder Beobachtung bewahren, aber es kann veralten.",{},{"id":483,"data":484,"type":217,"tunes":486},"p-vs-memory-2",{"text":485},"Bei flüchtigem oder folgenschwerem Zustand sollte ein zuverlässiger Agent normalerweise die maßgebliche aktuelle Quelle erneut lesen, anstatt anzunehmen, dass der erinnerte Zustand noch wahr ist.",{},{"id":488,"data":489,"type":41,"tunes":491},"h-vs-context",{"text":490,"level":244},"Wahrheitsquelle vs. Kontext",{},{"id":493,"data":494,"type":217,"tunes":496},"p-vs-context-1",{"text":495},"Kontext ist das, was das Modell während der aktuellen Inferenz erhält. Maßgebliche Informationen können im Kontext fehlen, während nicht maßgebliche Informationen vorhanden sein können.",{},{"id":498,"data":499,"type":217,"tunes":501},"p-vs-context-2",{"text":500},"Die Kontextkonstruktion benötigt daher eine autoritätsbewusste Richtlinie: Rufe die Quelle ab oder lies sie, die berechtigt ist, die Aussage zu definieren, und bewahre dann genügend Metadaten, damit das Modell oder der Validator ihren Geltungsbereich versteht.",{},{"id":503,"data":504,"type":41,"tunes":506},"h-vs-ground-truth",{"text":505,"level":244},"Wahrheitsquelle vs. Evaluations-Ground-Truth",{},{"id":508,"data":509,"type":217,"tunes":511},"p-vs-ground-1",{"text":510},"Evaluations-Ground-Truth ist die Referenzantwort, das Label oder das Ergebnis, gegen das ein System bewertet wird. Sie kann aus maßgeblichen Quellen, Expertenentscheidungen oder kuratierten Testdaten abgeleitet werden.",{},{"id":513,"data":514,"type":217,"tunes":516},"p-vs-ground-2",{"text":515},"Ground-Truth ist daher ein Evaluationskonstrukt. Eine Wahrheitsquelle ist ein Konstrukt der Anwendungs-\u002FDomänenautorität. Sie können sich überschneiden, sind aber nicht austauschbar.",{},{"id":518,"data":519,"type":41,"tunes":521},"h-vs-quality",{"text":520,"level":244},"Wahrheitsquelle vs. Datenqualität",{},{"id":523,"data":524,"type":217,"tunes":526},"p-vs-quality-1",{"text":525},"Eine maßgebliche Quelle kann dennoch Fehler enthalten. Autorität besagt, welche Quelle offiziell den Fakt bestimmt; Datenqualität fragt, ob diese Quelle genau, vollständig, aktuell, konsistent und zweckmäßig ist.",{},{"id":528,"data":529,"type":217,"tunes":531},"p-vs-quality-2",{"text":530},"Wenn bekannt ist, dass ein maßgebliches System falsch ist, sollte die Architektur den Defekt, den Korrekturprozess oder die Ausnahme erfassen, anstatt stillschweigend eine inoffizielle Quelle zu ersetzen und die Diskrepanz zu verbergen.",{},{"id":533,"data":534,"type":41,"tunes":536},"h-model",{"text":535,"level":245},"Ein praktisches Architekturmodell für Wahrheitsquellen",{},{"id":538,"data":539,"type":225,"tunes":542},"model-note",{"body":540,"title":541,"variant":232},"Das folgende Modell ist eine praktische Synthese für KI-Systeme. Es ist kein W3C-, NIST- oder ISO-Standard. Es trennt Autorität, Provenienz, Abruf und modellseitigen Kontext, weil diese Verantwortlichkeiten oft fälschlicherweise zusammengefasst werden.","Vorgeschlagenes Architekturmodell",{},{"id":544,"data":545,"type":573,"tunes":574},"sot-flow",{"steps":546,"title":571,"orientation":572},[547,550,553,556,559,562,565,568],{"label":548,"description":549},"1. Anspruchstyp definieren","Identifiziere, wonach der Nutzer tatsächlich fragt: aktueller Zustand, Richtlinie, historischer Fakt, technische Spezifikation, Nutzerpräferenz, Berechnung oder Interpretation.",{"label":551,"description":552},"2. Autorität auflösen","Bestimme, welche Quelle oder Autoritätsklasse berechtigt ist, diesen Anspruchstyp für den erforderlichen Geltungsbereich, die Version und den Zeitpunkt zu definieren.",{"label":554,"description":555},"3. Belege beschaffen","Lies oder rufe die maßgebliche Quelle und alle erforderlichen unterstützenden oder widersprüchlichen Belege ab.",{"label":557,"description":558},"4. Provenienz bewahren","Führe Quellenidentität, Version, Zeitstempel, Locator, Transformationshistorie und Verantwortlichkeitsmetadaten mit.",{"label":560,"description":561},"5. Modellkontext aufbauen","Stelle dem Modell die relevanten Belege bereit, ohne Autoritäts- und Anwendbarkeitsmetadaten zu verwerfen.",{"label":563,"description":564},"6. Generieren oder berechnen","Das Modell kann die Belege zusammenfassen, vergleichen, analysieren oder transformieren, aber es erbt nicht allein durch deren Verarbeitung die Quellenautorität.",{"label":566,"description":567},"7. Anspruch validieren","Prüfe, ob die Antwort durch die richtige Quelle gestützt wird und innerhalb ihres Geltungsbereichs und ihrer Gültigkeitsgrenze bleibt.",{"label":569,"description":570},"8. Widersprüche bewahren","Wenn maßgebliche oder relevante Quellen nicht übereinstimmen, lege den Konflikt offen, anstatt falsche Gewissheit zu erfinden.","Autoritätsbewusster KI-Antwortpfad","auto","processFlow",{},{"id":576,"data":577,"type":41,"tunes":579},"h-registry",{"text":578,"level":245},"Autorität sollte explizit sein, nicht aus Ähnlichkeit abgeleitet",{},{"id":581,"data":582,"type":217,"tunes":584},"p-registry-1",{"text":583},"Ein robustes Implementierungsmuster ist ein Autoritätsregister oder eine äquivalente Richtlinienschicht, die Anspruchsklassen autoritativen Quellenklassen zuordnet. Die Implementierung kann Code, Metadaten, Konfiguration oder Domänenregeln sein; die wichtige Eigenschaft ist, dass Autorität bewusst festgelegt wird.",{},{"id":586,"data":587,"type":317,"tunes":617},"registry-table",{"content":588,"stretched":42,"withHeadings":13},[589,593,597,601,605,609,613],[590,591,592],"Anspruchsklasse","Autoritätsregel","Fallback-Verhalten",[594,595,596],"Aktueller Kontostatus","Live-Kontoservice \u002F System of Record lesen","Wenn nicht verfügbar, melden, dass der aktuelle Status nicht verifiziert werden kann.",[598,599,600],"Produktdokumentation","Aktuell genehmigte Dokumentationsversion","Eine ältere Version darf nur mit Versionswarnung angezeigt werden.",[602,603,604],"Implementiertes Softwareverhalten","Relevantes bereitgestelltes Release \u002F Quellartefakt","Dokumentation allein kann das bereitgestellte Verhalten nicht beweisen.",[606,607,608],"Interne Richtlinie","Genehmigtes Richtlinien-Repository und aktive Version","Entwürfe sind unterstützendes Material, keine aktuelle Autorität.",[610,611,612],"Externer technischer Standard","Offizielle Veröffentlichung der Normungsorganisation für die relevante Version","Sekundäre Erklärungen können die Spezifikation erläutern, aber nicht außer Kraft setzen.",[614,615,616],"Forschungsbehauptung","Dem Bereich angemessene Evidenzrichtlinie","Widersprüchliche Evidenz und Konfidenz bewahren, statt eine Quelle zu erzwingen.",{},{"id":619,"data":620,"type":41,"tunes":622},"h-retrieval",{"text":621,"level":245},"Retrieval sollte Autorität als Ranking-Einschränkung verwenden",{},{"id":624,"data":625,"type":217,"tunes":627},"p-retrieval-1",{"text":626},"Semantische Relevanz beantwortet „Welcher Kandidat scheint mit dieser Anfrage zusammenzuhängen?“ Autorität beantwortet „Welcher Kandidat darf diese Tatsache feststellen?“ Ein Produktions-Retrieval-System benötigt oft beides.",{},{"id":629,"data":630,"type":217,"tunes":632},"p-retrieval-2",{"text":631},"Eine nützliche Reihenfolge ist, zuerst den Kandidatenraum durch Identität, Mandant, Quellklasse, Status, Version oder Datum einzuschränken und dann relevante Evidenz innerhalb des zulässigen Raums zu ranken. Wenn Relevanz vor kritischen Autorisierungs- oder Autoritätsfiltern berechnet wird, kann die Pipeline ein überzeugendes, aber ungültiges Ergebnis liefern.",{},{"id":634,"data":635,"type":225,"tunes":639},"relevance-authority",{"body":636,"title":637,"variant":638},"Eine Suchmaschine kann eine veraltete Zusammenfassung über der aktuellen Primärquelle einordnen. Ein Sprachmodell kann die besser geschriebene Erklärung gegenüber dem offiziellen Datensatz bevorzugen. Keines dieser Verhaltensweisen ändert daran, welche Quelle die Tatsache besitzt.","Höchste Ähnlichkeit ist nicht höchste Autorität","warning",{},{"id":641,"data":642,"type":41,"tunes":644},"h-freshness",{"text":643,"level":245},"Aktualität ist Teil der Autorität",{},{"id":646,"data":647,"type":217,"tunes":649},"p-freshness-1",{"text":648},"Viele Source-of-Truth-Fehler sind tatsächlich Zeitfehler. Die korrekte Quelle war bekannt, aber das System verwendete einen alten Snapshot, ein veraltetes Embedding, eine zwischengespeicherte API-Antwort oder ein überholtes Dokument.",{},{"id":651,"data":652,"type":217,"tunes":654},"p-freshness-2",{"text":653},"Eine Autoritätsregel sollte daher Invalidierungs- oder Aktualisierungssemantik enthalten, wo sich die Tatsache ändern kann. „CRM ist maßgeblich“ ist unvollständig, wenn die Anwendung einen eine Woche alten replizierten Export liest.",{},{"id":656,"data":657,"type":41,"tunes":659},"h-derivation",{"text":658,"level":245},"Abgeleitete Werte benötigen eine Rückverfolgung zu autoritativen Eingaben",{},{"id":661,"data":662,"type":217,"tunes":664},"p-derivation-1",{"text":663},"Einige wichtige Tatsachen werden nicht direkt gespeichert. Sie werden aus autoritativen Eingaben berechnet: ein Risikoscore, Kontosumme, Berechtigungsstatus oder aggregierte Kennzahl.",{},{"id":666,"data":667,"type":217,"tunes":669},"p-derivation-2",{"text":668},"Für abgeleitete Werte sollte eine Source-of-Truth-Architektur die Eingabeautoritäten, die Transformations- oder Berechnungsversion und den Ausführungszeitpunkt bewahren. Die Unterscheidung von W3C PROV zwischen Entitäten, Aktivitäten und Ableitungen ist hier nützlich, weil sie modelliert, wie eine Entität aus anderen erzeugt wurde.",{},{"id":671,"data":672,"type":225,"tunes":675},"derived-rule",{"body":673,"title":674,"variant":273},"Ein berechneter Wert ist nur so aktuell und autoritativ wie seine Eingaben, Transformation und Gültigkeitsbedingungen. Speichern Sie die Lineage, die benötigt wird, um ihn neu zu berechnen oder zu prüfen.","Abgeleitete Wahrheit ist bedingt",{},{"id":677,"data":678,"type":41,"tunes":680},"h-conflict",{"text":679,"level":245},"Was passiert, wenn autoritative Quellen nicht übereinstimmen?",{},{"id":682,"data":683,"type":217,"tunes":685},"p-conflict-1",{"text":684},"Konflikte sind in ernsthaften Wissenssystemen keine Randfälle. Ein unterzeichneter Vertrag kann einem CRM-Feld widersprechen. Produktionsverhalten kann der Dokumentation widersprechen. Zwei primäre historische Quellen können einander widersprechen. Eine aktuelle Richtlinie kann mit einer veralteten lokalen Kopie in Konflikt stehen.",{},{"id":687,"data":688,"type":217,"tunes":690},"p-conflict-2",{"text":689},"Das System benötigt eine dem Bereich angemessene Auflösungsrichtlinie. Manchmal übertrifft eine Autorität die andere eindeutig. Manchmal ersetzt die neuere Version die alte. Manchmal muss ein Experte oder Geschäftsinhaber entscheiden. Und manchmal ist das korrekte Ergebnis einfach: Die Evidenz ist ungeklärt.",{},{"id":692,"data":693,"type":317,"tunes":716},"conflict-table",{"content":694,"stretched":42,"withHeadings":13},[695,698,701,704,707,710,713],[696,697],"Konflikttyp","Typische Handhabung",[699,700],"Aktuelle vs. überholte Version","Aktuelle Version für den gegenwärtigen Zustand verwenden; ältere Version als historische Evidenz behalten.",[702,703],"System of Record vs. veraltete Replik","System of Record verwenden; Problem der Replikationsaktualität kennzeichnen.",[705,706],"Vertrag vs. CRM-Transkription","Der ausgeführte Vertrag regelt den vertraglichen Wortlaut; die CRM-Abweichung wird zu einer Korrekturaufgabe.",[708,709],"Dokumentation vs. bereitgestelltes Verhalten","Beabsichtigtes Verhalten von beobachtetem\u002Fbereitgestelltem Verhalten unterscheiden; sie nicht stillschweigend zusammenführen.",[711,712],"Zwei glaubwürdige Primärquellen","Beide bewahren, Provenienz und Geltungsbereich bewerten und ungeklärte Uneinigkeit darstellen, wenn keine maßgebliche Autorität existiert.",[714,715],"Benutzererinnerung vs. aktuelle Benutzereinstellung","Aktuelle explizite Einstellung verwenden; Erinnerung gegebenenfalls als überholt markieren.",{},{"id":718,"data":719,"type":41,"tunes":721},"h-web",{"text":720,"level":245},"Websuche ist Entdeckung, nicht automatisch Evidenz",{},{"id":723,"data":724,"type":217,"tunes":726},"p-web-1",{"text":725},"Suchmaschinen sind hervorragende Entdeckungssysteme. Suchausschnitte, Ergebnisranking und generierte Zusammenfassungen sind nicht automatisch Primärevidenz.",{},{"id":728,"data":729,"type":217,"tunes":731},"p-web-2",{"text":730},"Bei Behauptungen, die Autorität erfordern, sollte das Suchergebnis zur Originalpublikation, zum offiziellen Datensatz, zum Quelldokument, zum Datensatz oder zu einem anderen geeigneten Artefakt führen. Die Ergebnisseite hilft, die Quelle zu lokalisieren; sie erbt nicht die Autorität der Quelle.",{},{"id":733,"data":734,"type":41,"tunes":736},"h-ai",{"text":735,"level":245},"Das Sprachmodell sollte Autorität nicht selbst entscheiden",{},{"id":738,"data":739,"type":217,"tunes":741},"p-ai-1",{"text":740},"Ein Modell kann helfen, eine Frage zu klassifizieren, Behauptungen zu extrahieren oder Belege zu vergleichen, aber Autorität sollte nicht nur von der Präferenz des Modells abhängen. Modelle optimieren die Generierung aus dem Kontext; sie besitzen kein garantiertes domänenspezifisches Register darüber, welche Datenbank, welches Dokument oder welche Organisation jede Tatsache besitzt.",{},{"id":743,"data":744,"type":217,"tunes":746},"p-ai-2",{"text":745},"Deshalb sollte die Anwendungsarchitektur kritische Autoritätsregeln, wo praktikabel, deterministisch kodieren. Das Modell darf innerhalb der Grenze argumentieren, aber die Grenze selbst sollte nicht für jeden Prompt von Grund auf neu erstellt werden.",{},{"id":748,"data":749,"type":41,"tunes":751},"h-observability",{"text":750,"level":245},"Autorität muss den Ausführungs-Trace überleben",{},{"id":753,"data":754,"type":217,"tunes":756},"p-observability-1",{"text":755},"Wenn eine Produktionsantwort wichtig genug ist, um geprüft zu werden, sollte der Trace es ermöglichen zu rekonstruieren, welche Quellen konsultiert wurden, welche Version verwendet wurde, welche Passage oder welcher Datensatz die Behauptung stützte, welche Transformationen stattfanden und ob widersprüchliche Belege verfügbar waren.",{},{"id":758,"data":759,"type":217,"tunes":761},"p-observability-2",{"text":760},"Dies entspricht dem breiteren Provenienzprinzip in W3C PROV und der NIST AI RMF Playbook-Anleitung, Quellen, Ursprünge, Transformationen, Abhängigkeiten, Einschränkungen und Metadaten zu dokumentieren.",{},{"id":763,"data":764,"type":41,"tunes":766},"h-implementation",{"text":765,"level":245},"Originale Implementierungsnachweise: Source of Truth Research Engine",{},{"id":768,"data":769,"type":225,"tunes":772},"implementation-note",{"body":770,"title":771,"variant":232},"Die Source of Truth Research Engine ist mein eigener Implementierungsnachweis für eine evidenzbasierte Architektur. Sie demonstriert eine konkrete Möglichkeit, Entdeckung, Quellenbeschaffung, Provenienz, Behauptungen, Evidenzklassen, Widersprüche und Schlussfolgerungen zu trennen. Es ist ein Implementierungsmuster, kein universeller Branchenstandard.","Originale Implementierungsnachweise",{},{"id":774,"data":775,"type":217,"tunes":777},"p-impl-1",{"text":776},"Die Engine ist um eine nachverfolgbare Pipeline herum konzipiert statt um direkte KI-Zusammenfassung: Rechercheaufgabe → Suche → Originalquelle oder digitales Artefakt → lokaler Snapshot → SHA-256 → Quellen-ID → Behauptung → Evidenzklasse → Beziehung oder Widerspruch → Interpretation → Schlussfolgerung.",{},{"id":779,"data":780,"type":217,"tunes":782},"p-impl-2",{"text":781},"Ihr gemeinsamer Evidenzkern speichert Quellen, Artefakte, Provenienz, Behauptungen, Beziehungen, Widersprüche, ein Referenzmodell und einen Prüfpfad. Verschiedene Recherchemethoden können diesen Kern gemeinsam nutzen und dabei unterschiedliche Domänenmethoden anwenden.",{},{"id":784,"data":785,"type":217,"tunes":787},"p-impl-3",{"text":786},"Die Architektur trennt bewusst Entdeckung von Evidenz. Suchausschnitte werden nicht als Evidenz behandelt, Dateinamen werden nicht als Inhalt behandelt, KI-Zusammenfassungen werden nicht als Primärquellen behandelt, und semantische Ähnlichkeit ist nur ein Entdeckungssignal, bis ein Ergebnis auf eine konkrete Quelle und einen Locator zurückgeführt wird.",{},{"id":789,"data":790,"type":217,"tunes":792},"p-impl-4",{"text":791},"Originaldateien werden erhalten und lokale Bytes erhalten SHA-256-Identifikatoren. Widersprüche und verworfene Hypothesen werden nicht stillschweigend gelöscht. Neue Evidenz darf das aktuelle Referenzmodell ändern, während der vorherige Evidenzpfad prüfbar bleibt.",{},{"id":794,"data":795,"type":317,"tunes":824},"implementation-table",{"content":796,"stretched":42,"withHeadings":13},[797,800,803,806,809,812,815,818,821],[798,799],"Implementierte Regel","Warum sie für die Source-of-Truth-Architektur wichtig ist",[801,802],"Suche ≠ Evidenz","Entdeckungsranking darf nicht stillschweigend zu Autorität werden.",[804,805],"Dateiname ≠ Inhalt","Metadatenhinweise können das Lesen des tatsächlichen Artefakts nicht ersetzen.",[807,808],"Lokaler Snapshot + SHA-256","Evidenz kann an exakte Bytes gebunden werden statt an ein veränderbares Remote-Label.",[810,811],"Quellen-ID + exakter Locator","Behauptungen können auf den konkreten Evidenzort zurückgeführt werden.",[813,814],"Trennung von Behauptung und Evidenz","Die Aussage wird nicht mit dem sie stützenden Material verwechselt.",[816,817],"Widersprüche bleiben erhalten","Das System kann ungelösten Dissens darstellen, statt die Historie zu überschreiben.",[819,820],"Semantische Ähnlichkeit ist nur Entdeckung","Retrieval-Relevanz wird ausdrücklich von evidentieller Autorität getrennt.",[822,823],"Neue Evidenz kann das Modell aktualisieren","Der Source-of-Truth-Zustand ist versioniert und revidierbar und wird nicht als unveränderliches Dogma behandelt.",{},{"id":826,"data":827,"type":41,"tunes":829},"h-document-engine",{"text":828,"level":245},"Aaasaasa Document & Knowledge Engine: dieselbe Grenze auf Unternehmensdokumente anwenden",{},{"id":831,"data":832,"type":217,"tunes":834},"p-doc-1",{"text":833},"Das Konzept der Aaasaasa Document & Knowledge Engine erweitert dasselbe Designprinzip auf Unternehmensdokumentation: Nutzer sollten Dokumente durchsuchen, quellenbasierte Fragen stellen und Sammlungen anhand expliziter Kriterien überprüfen können, während die Unterscheidung zwischen dem, was ein Dokument aussagt, und dem, was das System ableitet, erhalten bleibt.",{},{"id":836,"data":837,"type":217,"tunes":839},"p-doc-2",{"text":838},"Die wichtige Architekturregel ist, dass ein universeller Retrieval-Kern nicht jede Sammlung gleichermaßen autoritativ macht. Vertragsdokumente, Wartungsunterlagen, Finanzdokumente und Forschungsmaterial benötigen unterschiedliche Autoritäts-, Validierungs- und Abdeckungsregeln, selbst wenn sie dieselbe Ingestion- und Suchinfrastruktur teilen.",{},{"id":841,"data":842,"type":41,"tunes":844},"h-failures",{"text":843,"level":245},"Häufige Source-of-Truth-Fehlermodi",{},{"id":846,"data":847,"type":317,"tunes":888},"failures-table",{"content":848,"stretched":42,"withHeadings":13},[849,852,855,858,861,864,867,870,873,876,879,882,885],[850,851],"Fehlermodus","Was schiefgeht",[853,854],"Das Modell wird als Quelle der Wahrheit behandelt","Parametrisches Wissen kann veraltet, unvollständig, nicht verifizierbar oder außerhalb des autoritativen Geltungsbereichs der Anwendung sein.",[856,857],"Das beste Retrieval-Ergebnis gewinnt automatisch","Ähnlichkeit wird mit Autorität verwechselt.",[859,860],"Die Vektordatenbank wird autoritativ","Abgeleitete Indexeinträge verlieren die Identität und Version der Originalquelle.",[862,863],"Alles wird in eine Wissensbasis kopiert","Kopien verschleiern Eigentümerschaft, Aktualität und Korrekturpfade.",[865,866],"Speicher wird als aktueller Zustand wiederverwendet","Alte Beobachtungen überschreiben stillschweigend das aktuelle System of Record.",[868,869],"Keine Versionsmetadaten","Das richtige Dokument wird für den falschen Zeitraum verwendet.",[871,872],"Kein Quellen-Locator","Eine Zitation existiert, aber die stützende Passage oder der Datensatz kann nicht verifiziert werden.",[874,875],"Konflikte werden überschrieben","Das System erscheint konsistent, indem es Belege für Uneinigkeit zerstört.",[877,878],"Generierte Zusammenfassungen ersetzen Originale","Eine verlustbehaftete Transformation wird zur scheinbaren Autorität.",[880,881],"Autorität ist global statt aussagenbezogen","Einer Quelle wird über die Domäne oder Faktenklasse hinaus vertraut, die sie tatsächlich besitzt.",[883,884],"Web-Snippet wird als Beleg behandelt","Discovery-Metadaten ersetzen die Originalpublikation.",[886,887],"Autoritative Daten sind falsch, aber Ausnahmen werden verborgen","Operative Defekte werden unsichtbar und können nicht transparent korrigiert werden.",{},{"id":890,"data":891,"type":41,"tunes":893},"h-decision",{"text":892,"level":245},"Ein praktischer Entscheidungsrahmen für die Quelle der Wahrheit",{},{"id":895,"data":896,"type":573,"tunes":926},"decision-flow",{"steps":897,"title":925,"orientation":572},[898,901,904,907,910,913,916,919,922],{"label":899,"description":900},"1. Formulieren Sie die Aussage präzise","Trennen Sie aktuellen Zustand, historischen Zustand, Richtlinie, Interpretation, Vorhersage und abgeleitete Berechnung.",{"label":902,"description":903},"2. Identifizieren Sie den Autoritätseigentümer","Bestimmen Sie das System, Dokument, die Institution, Person oder Evidenzklasse, die für diesen Aussagentyp verantwortlich ist.",{"label":905,"description":906},"3. Definieren Sie den Geltungsbereich","Geben Sie Mandant, Gerichtsbarkeit, Produkt, Umgebung, Benutzer, Dokumentensatz oder andere Anwendbarkeitsgrenzen an.",{"label":908,"description":909},"4. Definieren Sie Zeit und Version","Bestimmen Sie, ob die Aussage den aktuellen Zustand, einen historischen Schnappschuss oder eine bestimmte Standard-\u002FRelease-Version erfordert.",{"label":911,"description":912},"5. Bewahren Sie Provenienz","Zeichnen Sie Quellenidentität, Ursprung, Locator, Transformationen und verantwortliche Agenten oder Prozesse auf.",{"label":914,"description":915},"6. Definieren Sie den Retrieval-\u002FZugriffspfad","Stellen Sie sicher, dass die Anwendung die autoritativen Informationen tatsächlich unter der korrekten Identität und Berechtigungen abrufen kann.",{"label":917,"description":918},"7. Definieren Sie die Konfliktrichtlinie","Entscheiden Sie über Vorrang, Ablösung, Beilegung oder explizites Verhalten im ungelösten Zustand.",{"label":920,"description":921},"8. Definieren Sie die Invalidierung","Geben Sie an, wann zwischengespeicherte, indexierte, erinnerte oder abgeleitete Darstellungen aktualisiert werden müssen.",{"label":923,"description":924},"9. Validieren Sie den Antwortpfad","Verifizieren Sie, dass wichtige generierte Aussagen auf die beabsichtigte Autorität zurückgeführt werden können, nicht nur auf eine plausible Quelle.","Wie man entscheidet, was eine Aussage definieren sollte",{},{"id":928,"data":929,"type":41,"tunes":931},"h-checklist",{"text":930,"level":245},"Checkliste für die Architektur der Quelle der Wahrheit",{},{"id":933,"data":934,"type":317,"tunes":974},"checklist-table",{"content":935,"stretched":42,"withHeadings":13},[936,938,941,944,947,950,953,956,959,962,965,968,971],[355,937],"Erwartete Antwort",[939,940],"Welche genaue Tatsache oder welcher Zustand wird festgestellt?","Eine Aussage, die präzise genug ist, um Autorität zuzuweisen.",[942,943],"Wer oder was besitzt diese Tatsache?","Benanntes autoritatives System, Quellenklasse oder Beilegungsregel.",[945,946],"Ist die Autorität für diesen Geltungsbereich aktuell?","Mandant, Gerichtsbarkeit, Umgebung, Benutzer oder Domänengrenze ist explizit.",[948,949],"Ist die Version\u002FZeit korrekt?","Aktuelle, historische oder versionsspezifische Anwendbarkeit ist bekannt.",[951,952],"Kann die Quelle verifiziert werden?","Stabile Kennung, Locator oder Datensatzreferenz existiert.",[954,955],"Ist die Provenienz bewahrt?","Ursprung, Transformation und Verantwortlichkeitsmetadaten überleben Ingestion und Retrieval.",[957,958],"Kann Retrieval nicht-autoritatives Material zurückgeben?","Wenn ja, unterscheiden Filter oder Validierung Relevanz von Autorität.",[960,961],"Kann sich die Quelle ändern?","Aktualisierungs-, Invalidierungs- oder Ablösungsregeln existieren.",[963,964],"Können Quellen uneinig sein?","Konflikt- und Beilegungsverhalten ist explizit.",[966,967],"Kann Speicher veralten?","Flüchtiger Zustand wird vor folgenreicher Nutzung von der aktuellen Autorität neu gelesen.",[969,970],"Kann eine abgeleitete Antwort reproduziert werden?","Eingaben, Transformationsversion und Ausführungsbedingungen sind nachvollziehbar.",[972,973],"Kann ein Auditor die Antwort rekonstruieren?","Ausführungsnachweise bewahren den Quellenpfad für wichtige Aussagen.",{},{"id":976,"data":977,"type":41,"tunes":979},"h-misconceptions",{"text":978,"level":245},"Häufige Missverständnisse",{},{"id":981,"data":982,"type":317,"tunes":1011},"misconceptions-table",{"content":983,"stretched":42,"withHeadings":13},[984,987,990,993,996,999,1002,1005,1008],[985,986],"Missverständnis","Korrektur",[988,989],"„Quelle der Wahrheit bedeutet eine Datenbank.“","Eine Datenbank kann für eine Domäne autoritativ sein; komplexe Systeme haben normalerweise mehrere faktenspezifische Autoritäten.",[991,992],"„Das neueste Dokument ist automatisch autoritativ.“","Aktualität hilft nur, wenn das neuere Artefakt genehmigt ist und das ältere tatsächlich ablöst.",[994,995],"„RAG löst Wahrheit.“","RAG löst Retrieval. Autorität, Provenienz, Evidenzqualität und Gültigkeit bleiben separate Probleme.",[997,998],"„Eine Zitation beweist die Antwort.“","Die zitierte Quelle muss die Aussage tatsächlich stützen, die richtige Autorität haben und auf den aktuellen Geltungsbereich zutreffen.",[1000,1001],"„Provenienz sagt uns, was wahr ist.“","Provenienz sagt uns Ursprung und Ableitung; Autorität und Korrektheit erfordern weiterhin Domänenregeln und Evaluierung.",[1003,1004],"„Das System of Record ist immer korrekt.“","Es ist autoritativ für den operativen Datensatz, aber Datenqualitätsdefekte können dennoch existieren und eine sichtbare Korrektur erfordern.",[1006,1007],"„Wenn mehrere Quellen übereinstimmen, ist die Aussage autoritativ.“","Übereinstimmung erhöht die Evidenz, begründet aber nicht unbedingt Eigentümerschaft oder Anwendbarkeit.",[1009,1010],"„KI-Speicher kann wiederholte Lesevorgänge ersetzen.“","Nur für Informationen, deren Veraltungsrisiko akzeptabel ist; flüchtiger oder folgenreicher Zustand sollte von der Autorität aktualisiert werden.",{},{"id":1013,"data":1014,"type":41,"tunes":1016},"h-edge",{"text":1015,"level":245},"Randfälle",{},{"id":1018,"data":1019,"type":217,"tunes":1021},"p-edge-1",{"text":1020},"Einige Fragen sind interpretativ statt faktisch. „Welche Architektur ist am besten?“ hat keine einzelne Quelle der Wahrheit. Das System kann autoritative Einschränkungen und Evidenz abrufen, aber das endgültige Urteil ist eine Schlussfolgerung, die Annahmen und Abwägungen offenlegen sollte.",{},{"id":1023,"data":1024,"type":217,"tunes":1026},"p-edge-2",{"text":1025},"Einige Domänen verwenden verteilte Autorität. Eine wissenschaftliche Schlussfolgerung kann von mehreren Studien, Datensätzen und Replikationen abhängen. Eine historische Schlussfolgerung kann von widersprüchlichen primären und sekundären Belegen abhängen. Die Architektur sollte die Evidenzstruktur darstellen, anstatt eine zentrale Datenbank zu erfinden, die angeblich die Wahrheit besitzt.",{},{"id":1028,"data":1029,"type":217,"tunes":1031},"p-edge-3",{"text":1030},"Ein Benutzer kann auch die Autorität für subjektive persönliche Informationen sein: Präferenzen, Ziele, gewählte Einstellungen oder explizite Anweisungen. Selbst dann kann eine neuere explizite Eingabe älteren Speicher ablösen.",{},{"id":1033,"data":1034,"type":217,"tunes":1036},"p-edge-4",{"text":1035},"Externe Ereignisse können zuvor autoritative Daten ungültig machen. Ein Preisfeed, Bestandssystem oder eine Sicherheitsrichtlinie kann zum Zeitpunkt der Erfassung korrekt gewesen sein, aber nicht mehr gültig sein. Snapshot-Provenienz bewahrt, was damals wahr war; sie macht den Snapshot nicht für immer aktuell.",{},{"id":1038,"data":1039,"type":41,"tunes":1041},"h-limit",{"text":1040,"level":245},"Einschränkungen",{},{"id":1043,"data":1044,"type":217,"tunes":1046},"p-limit-1",{"text":1045},"Die Architektur der Quelle der Wahrheit kann nicht garantieren, dass eine autoritative Quelle faktisch korrekt ist. Sie bietet Rechenschaftspflicht, Provenienz und deterministische Eigentumsgrenzen; Datenqualitäts- und Domänenverifizierungsprozesse bleiben notwendig.",{},{"id":1048,"data":1049,"type":217,"tunes":1051},"p-limit-2",{"text":1050},"Autorität kann auch umstritten sein. Verschiedene Institutionen können in unterschiedlichen Gerichtsbarkeiten oder Methodologien legitimerweise Autorität beanspruchen. In solchen Situationen sollte das System das Autoritätsmodell und die Uneinigkeit offenlegen, anstatt sie hinter einem universellen „Wahrheitswert“ zu verbergen.",{},{"id":1053,"data":1054,"type":217,"tunes":1056},"p-limit-3",{"text":1055},"Schließlich erfordern Autoritätsregeln Wartung. Systeme, Eigentümer, Richtlinien, Versionen und Vorschriften ändern sich. Ein veraltetes Autoritätsregister kann so gefährlich sein wie gar kein Register.",{},{"id":1058,"data":1059,"type":41,"tunes":1061},"h-change",{"text":1060,"level":245},"Was würde diese Antwort ändern?",{},{"id":1063,"data":1064,"type":217,"tunes":1066},"p-change-1",{"text":1065},"Die spezifische Autoritätszuordnung ändert sich mit der Domäne. Banking, Gesundheitswesen, Softwarebereitstellung, wissenschaftliche Forschung und historische Analyse haben unterschiedliche Systeme of Record, Evidenzregeln und regulatorische Verpflichtungen.",{},{"id":1068,"data":1069,"type":217,"tunes":1071},"p-change-2",{"text":1070},"Die Umsetzung ändert sich ebenfalls mit der Architektur. Eine kleine Anwendung kann Autorität direkt in Serviceaufrufe kodieren. Eine größere Plattform benötigt möglicherweise Registrierungen, Quellmetadaten, Richtlinien-Engines, Lineage-Systeme oder Datenverträge. Das Kernprinzip bleibt dasselbe: Lassen Sie nicht zu, dass die Abrufreihenfolge oder Modellpräferenz stillschweigend entscheidet, was als autoritativ gilt.",{},{"id":1073,"data":1074,"type":41,"tunes":1076},"h-related",{"text":1075,"level":245},"Verwandtes kanonisches Wissen",{},{"id":1078,"data":1079,"type":217,"tunes":1081},"p-related-1",{"text":1080},"Die Source-of-Truth-Architektur ist eine Voraussetzung für spätere Abruf- und Governance-Konzepte, da die Abrufqualität allein nicht bestimmen kann, ob Beweise die Antwort definieren dürfen.",{},{"id":1083,"data":1084,"type":1089,"tunes":1090},"ref-rag",{"url":1085,"title":1086,"excerpt":1087,"ctaLabel":1088},"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works","Was ist RAG? Die einfachste Erklärung, wie es funktioniert","RAG ruft externes Wissen für ein Modell ab. Diese Grundlage erklärt, warum Abruf und autoritative Wahrheit getrennte Verantwortlichkeiten sind.","Lesen Sie die RAG-Grundlage","referralArticle",{},{"id":1092,"data":1093,"type":217,"tunes":1095},"p-related-2",{"text":1094},"Gedächtnis ist ein weiteres benachbartes Konzept. Ein zuverlässiger Agent trennt erinnerte Informationen vom aktuellen autoritativen Anwendungszustand.",{},{"id":1097,"data":1098,"type":1089,"tunes":1103},"ref-memory",{"url":1099,"title":1100,"excerpt":1101,"ctaLabel":1102},"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context","KI-Agenten-Gedächtnis ist nicht RAG: Wie man Gedächtnis, Abruf, Zustand und Kontext trennt","Eine vierschichtige Architektur, die persistentes Gedächtnis, autoritativen Zustand, Abruf und den tatsächlich dem Modell bereitgestellten Kontext trennt.","Lesen Sie den Artikel zur Gedächtnisarchitektur",{},{"id":1105,"data":1106,"type":217,"tunes":1108},"p-related-3",{"text":1107},"Autorität verbindet sich auch direkt mit der Gültigkeit von Antworten. Selbst eine autoritative Quelle stützt nur Aussagen innerhalb ihrer Version, ihres Datums, ihres Geltungsbereichs und ihrer Evidenzgrenze.",{},{"id":1110,"data":1111,"type":1089,"tunes":1116},"ref-avb",{"url":1112,"title":1113,"excerpt":1114,"ctaLabel":1115},"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers","Die Antwortgültigkeitsgrenze: Die fehlende Schicht zwischen Relevanz und zuverlässigen KI-Antworten","Ein Rahmenwerk, um explizit zu machen, wo eine KI-Antwort durch Beweise gestützt bleibt und welche geänderten Bedingungen diese Unterstützung ungültig machen.","Lesen Sie die Antwortgültigkeitsgrenze",{},{"id":1118,"data":1119,"type":41,"tunes":1121},"h-faq",{"text":1120,"level":245},"Häufig gestellte Fragen",{},{"id":1123,"data":1124,"type":1123,"tunes":1159},"faq",{"items":1125,"title":1158},[1126,1130,1134,1138,1142,1146,1150,1154],{"id":1127,"answer":1128,"question":1129},"faq1","Es ist die autoritative Quelle oder Autoritätsregel, die bestimmt, welche Quelle einen bestimmten Fakt, Zustand oder eine Regel für einen definierten Geltungsbereich, eine Version und einen Zeitpunkt festlegen darf.","Was ist eine Source of Truth in einem KI-System?",{"id":1131,"answer":1132,"question":1133},"faq2","Normalerweise nein. Ein Sprachmodell kann generieren, zusammenfassen und schlussfolgern, aber sein parametrisches Wissen ist nicht automatisch autoritativ für den aktuellen Anwendungszustand, die Unternehmensrichtlinie, eine bestimmte Dokumentversion oder einen regulierten Domänenfakt.","Ist das Sprachmodell eine Source of Truth?",{"id":1135,"answer":1136,"question":1137},"faq3","Nicht automatisch. Eine Vektordatenbank ist normalerweise ein Index oder Abrufspeicher. Sie sollte Verweise auf die autoritative Originalquelle und Version bewahren, anstatt sie stillschweigend zu ersetzen.","Ist eine Vektordatenbank die Source of Truth für RAG?",{"id":1139,"answer":1140,"question":1141},"faq4","Provenienz beschreibt, woher Daten stammen, wie sie erzeugt oder transformiert wurden und wer oder was beteiligt war. Source-of-Truth-Regeln bestimmen, ob diese Quelle Autorität für die spezifische Aussage hat.","Was ist der Unterschied zwischen Provenienz und Source of Truth?",{"id":1143,"answer":1144,"question":1145},"faq5","Ja. In komplexen Systemen ist dies normal, da verschiedene Fakten zu verschiedenen autoritativen Systemen oder Quellklassen gehören.","Kann ein KI-System mehrere Sources of Truth haben?",{"id":1147,"answer":1148,"question":1149},"faq6","Das System benötigt eine domänenspezifische Konfliktregel: Vorrang, Versionsablösung, Expertenentscheidung oder einen expliziten ungelösten Zustand. Es sollte nicht stillschweigend die Quelle wählen, die das Modell bevorzugt.","Was passiert, wenn zwei autoritative Quellen nicht übereinstimmen?",{"id":1151,"answer":1152,"question":1153},"faq7","Nein. RAG ruft Kandidaten ab. Autoritätsbewusste Metadaten, Filter, Quellenrichtlinien und Validierung sind erforderlich, um sicherzustellen, dass wichtige Aussagen die korrekte Quelle verwenden.","Garantiert RAG, dass eine KI-Antwort die Source of Truth verwendet?",{"id":1155,"answer":1156,"question":1157},"faq8","Ja. Autorität und Korrektheit sind unterschiedliche Eigenschaften. Ein autoritatives System kann einen Datenqualitätsfehler enthalten, der transparent korrigiert werden sollte, anstatt durch Ersetzen einer inoffiziellen Quelle verborgen zu werden.","Kann die Source of Truth falsch sein?","Source of Truth in KI-Systemen",{},{"id":1161,"data":1162,"type":41,"tunes":1164},"h-glossary",{"text":1163,"level":245},"Glossar",{},{"id":1166,"data":1167,"type":1166,"tunes":1209},"glossary",{"title":1168,"entries":1169},"Wichtige Source-of-Truth-Begriffe",[1170,1174,1178,1182,1186,1189,1193,1197,1201,1205],{"term":1171,"anchor":1172,"definition":1173},"Source of Truth","source-of-truth","Die autoritative Quelle oder Regel, die berechtigt ist, einen bestimmten Fakt, Zustand oder eine Regel für einen definierten Geltungsbereich, eine Version und einen Zeitpunkt festzulegen.",{"term":1175,"anchor":1176,"definition":1177},"System of Record","system-of-record","Das autoritative operative System, das für eine definierte Klasse von Datensätzen oder den aktuellen Geschäftszustand verantwortlich ist.",{"term":1179,"anchor":1180,"definition":1181},"Provenienz","provenance","Informationen, die den Ursprung, die Ableitung, Transformationen, verantwortlichen Akteure und die Geschichte von Daten oder einer anderen Entität beschreiben.",{"term":1183,"anchor":1184,"definition":1185},"Evidenz","evidence","Informationen oder ein Artefakt, das eine Aussage stützt, widerlegt oder einschränkt.",{"term":1187,"anchor":326,"definition":1188},"Autorität","Die Anwendungs- oder Domänenregel, die bestimmt, welche Quelle berechtigt ist, eine spezifische Aussage zu definieren.",{"term":1190,"anchor":1191,"definition":1192},"Aktualität","freshness","Ob eine Darstellung aktuell genug für die Aussage oder Operation bleibt, in der sie verwendet wird.",{"term":1194,"anchor":1195,"definition":1196},"Ablösung","supersession","Die explizite Ersetzung einer älteren autoritativen Version durch eine neuere unter Beibehaltung der historischen Nachverfolgbarkeit.",{"term":1198,"anchor":1199,"definition":1200},"Ground Truth","ground-truth","Eine Referenzantwort, ein Label oder ein Ergebnis zur Bewertung eines Systems; es ist ein Bewertungskonstrukt und nicht automatisch die Source of Truth der Anwendung.",{"term":1202,"anchor":1203,"definition":1204},"Lineage","lineage","Die Spur, wie Daten oder abgeleitete Werte über Quellen und Verarbeitungsschritte fließen und sich transformieren.",{"term":1206,"anchor":1207,"definition":1208},"Gültigkeitsgrenze","validity-boundary","Die Bedingungen von Geltungsbereich, Zeit, Version, Evidenz und Annahmen, innerhalb derer eine Aussage gestützt bleibt.",{},{"id":1211,"data":1212,"type":41,"tunes":1214},"h-conclusion",{"text":1213,"level":245},"Fazit",{},{"id":1216,"data":1217,"type":217,"tunes":1219},"p-conclusion-1",{"text":1218},"Zuverlässige KI entsteht nicht dadurch, dass dem Modell mehr Informationen gegeben werden. Sie entsteht dadurch, dass man weiß, welche Informationen die Aussage definieren dürfen, bewahrt, woher diese Informationen stammen, die korrekte Version abruft und die endgültige Antwort innerhalb des Geltungsbereichs der Quelle hält.",{},{"id":1221,"data":1222,"type":217,"tunes":1224},"p-conclusion-2",{"text":1223},"Deshalb müssen Source of Truth, Provenienz, Abruf, Gedächtnis und Kontext getrennte Konzepte bleiben. Die Source of Truth definiert Autorität. Provenienz erklärt den Ursprung. Abruf findet Kandidaten. Gedächtnis bewahrt ausgewählte vergangene Informationen. Kontext ist das, was das Modell sieht. Generierung verwandelt diese Eingaben in eine Ausgabe.",{},{"id":1226,"data":1227,"type":217,"tunes":1229},"p-conclusion-3",{"text":1228},"Wenn diese Schichten explizit bleiben, kann ein KI-System mehr als nur plausibel klingen: Wichtige Aussagen können bis zur Quelle zurückverfolgt werden, die tatsächlich das Recht hatte, sie festzulegen.",{},{"id":1231,"data":1232,"type":41,"tunes":1234},"h-sources",{"text":1233,"level":245},"Primärquellen und Umsetzungsnachweise",{},{"id":1236,"data":1237,"type":217,"tunes":1239},"p-sources-note",{"text":1238},"Die folgenden externen Quellen stützen Provenienz- und KI-Risikomanagement-Aussagen. Der Abschnitt Source of Truth Research Engine ist ein originaler Umsetzungsnachweis und wird ausdrücklich als ein Umsetzungsmuster und nicht als universeller Standard präsentiert.",{},{"id":1241,"data":1242,"type":1248,"tunes":1249},"src-w3c-prov",{"link":1243,"meta":1244},"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-dm\u002F",{"image":1245,"title":1246,"description":1247},{"url":303},"W3C PROV-DM — Das PROV-Datenmodell","W3C-Empfehlung, die ein domänenunabhängiges Provenienzmodell rund um Entitäten, Aktivitäten, Agenten, Ableitungen und Verantwortlichkeit definiert.","linkTool",{},{"id":1251,"data":1252,"type":1248,"tunes":1258},"src-w3c-publications",{"link":1253,"meta":1254},"https:\u002F\u002Fwww.w3.org\u002Fgroups\u002Fwg\u002Fprov\u002Fpublications\u002F",{"image":1255,"title":1256,"description":1257},{"url":303},"W3C Provenance Working Group — Veröffentlichungen","Offizieller Index der W3C-PROV-Empfehlungen und verwandter Spezifikationen für Provenienzaustausch und -beschränkungen.",{},{"id":1260,"data":1261,"type":1248,"tunes":1267},"src-nist-rmf",{"link":1262,"meta":1263},"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework",{"image":1264,"title":1265,"description":1266},{"url":303},"NIST AI Risk Management Framework","NISTs freiwilliges Framework zur Einbeziehung von Vertrauenswürdigkeits- und Risikomanagement-Überlegungen über den gesamten KI-Lebenszyklus; AI RMF 1.0 wird derzeit überarbeitet.",{},{"id":1269,"data":1270,"type":1248,"tunes":1276},"src-nist-playbook",{"link":1271,"meta":1272},"https:\u002F\u002Fairc.nist.gov\u002Fairmf-resources\u002Fplaybook\u002F",{"image":1273,"title":1274,"description":1275},{"url":303},"NIST AI RMF Playbook","Operative Anleitung in Übereinstimmung mit dem AI RMF, einschließlich Dokumentationspraktiken für Datenprovenienz, Quellen, Ursprünge, Transformationen, Abhängigkeiten, Beschränkungen und Metadaten.",{},{"id":1278,"data":1279,"type":1248,"tunes":1285},"src-nist-measure",{"link":1280,"meta":1281},"https:\u002F\u002Fairc.nist.gov\u002Fairmf-resources\u002Fplaybook\u002Fmeasure\u002F",{"image":1282,"title":1283,"description":1284},{"url":303},"NIST AI RMF Playbook — Measure","Anleitung zur Dokumentation von Messung, Datenprovenienz und kontextueller Interpretation von Ausgaben von KI-Systemen.",{},{"id":1287,"data":1288,"type":1248,"tunes":1294},"src-nist-genai",{"link":1289,"meta":1290},"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence",{"image":1291,"title":1292,"description":1293},{"url":303},"NIST AI 600-1 — Generative AI Profile","NIST-Profil für generative KI, einschließlich Überlegungen zu Provenienz und Informationsintegrität für generative KI-Systeme.",{},"2.31","Eine Quelle der Wahrheit definiert, welche Quelle für einen bestimmten Fakt oder Zustand maßgeblich ist. Erfahren Sie, wie sie sich von RAG, Provenienz, Gedächtnis, Kontext, Vektordatenbanken und Systemen of Record unterscheidet.","\u002Fuploads\u002F2026\u002F10\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from-1791479103235-6bq9em.webp","source-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from-1791479103235-6bq9em","PUBLISHED","2026-10-08T13:02:00.000Z","2026-10-08T17:02:49.770Z","2026-10-08T17:11:41.743Z",{"en":1304,"de":1305,"sr":1306,"es":1307,"fr":1308,"it":1309,"ru":1310,"zh":1311},"\u002Fblog\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","\u002Fde\u002Fblog\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","\u002Fsr\u002Fblog\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","\u002Fes\u002Fblog\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","\u002Ffr\u002Fblog\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","\u002Fit\u002Fblog\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","\u002Fru\u002Fblog\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","\u002Fzh\u002Fblog\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from",[1313,1317,1321],{"id":1314,"name":1315,"slug":1316},65,"Topical-Authority-System","topical-authority",{"id":1318,"name":1319,"slug":1320},57,"Daten-Grenzen","data-boundaries",{"id":1322,"name":1323,"slug":1324},84,"Policy & Datengrenzen","policy-and-data",{"id":1326,"login":1327,"email":1328,"displayName":1329},"20","rooth8233","aleksandar@stajic.de","Aleksandar Stajić",[1331,1867],{"lang":7,"title":207,"content":209,"contentJson":1332,"excerpt":1296},{"time":211,"blocks":1333,"version":1295},[1334,1337,1340,1343,1346,1349,1352,1355,1358,1361,1364,1367,1370,1373,1376,1392,1395,1398,1401,1404,1416,1419,1422,1425,1428,1431,1434,1437,1440,1443,1446,1449,1452,1455,1458,1461,1464,1467,1470,1473,1476,1479,1482,1485,1488,1491,1494,1497,1500,1503,1506,1509,1521,1524,1527,1538,1541,1544,1547,1550,1553,1556,1559,1562,1565,1568,1571,1574,1577,1580,1591,1594,1597,1600,1603,1606,1609,1612,1615,1618,1621,1624,1627,1630,1633,1636,1649,1652,1655,1658,1661,1678,1681,1694,1697,1714,1717,1730,1733,1736,1739,1742,1745,1748,1751,1754,1757,1760,1763,1766,1769,1772,1775,1778,1781,1784,1787,1790,1802,1805,1819,1822,1825,1828,1831,1834,1837,1842,1847,1852,1857,1862],{"id":214,"data":1335,"type":217,"tunes":1336},{"text":216},{},{"id":220,"data":1338,"type":225,"tunes":1339},{"body":222,"title":223,"variant":224},{},{"id":228,"data":1341,"type":225,"tunes":1342},{"body":230,"title":231,"variant":232},{},{"id":235,"data":1344,"type":225,"tunes":1345},{"body":237,"title":238,"variant":232},{},{"id":241,"data":1347,"type":246,"tunes":1348},{"title":243,"maxLevel":244,"minLevel":245},{},{"id":249,"data":1350,"type":41,"tunes":1351},{"text":251,"level":245},{},{"id":254,"data":1353,"type":217,"tunes":1354},{"text":256},{},{"id":259,"data":1356,"type":217,"tunes":1357},{"text":261},{},{"id":264,"data":1359,"type":217,"tunes":1360},{"text":266},{},{"id":269,"data":1362,"type":225,"tunes":1363},{"body":271,"title":272,"variant":273},{},{"id":276,"data":1365,"type":41,"tunes":1366},{"text":278,"level":245},{},{"id":281,"data":1368,"type":217,"tunes":1369},{"text":283},{},{"id":286,"data":1371,"type":217,"tunes":1372},{"text":288},{},{"id":291,"data":1374,"type":217,"tunes":1375},{"text":293},{},{"id":296,"data":1377,"type":328,"tunes":1391},{"rows":1378,"title":316,"layout":317,"columns":1387},[1379,1381,1383,1385],{"id":300,"label":301,"values":1380},[303,303,303],{"id":305,"label":306,"values":1382},[303,303,303],{"id":309,"label":310,"values":1384},[303,303,303],{"id":313,"label":314,"values":1386},[303,303,303],[1388,1389,1390],{"id":320,"label":321},{"id":323,"label":324},{"id":326,"label":327},{},{"id":331,"data":1393,"type":41,"tunes":1394},{"text":333,"level":245},{},{"id":336,"data":1396,"type":217,"tunes":1397},{"text":338},{},{"id":341,"data":1399,"type":217,"tunes":1400},{"text":343},{},{"id":346,"data":1402,"type":41,"tunes":1403},{"text":348,"level":245},{},{"id":351,"data":1405,"type":317,"tunes":1415},{"content":1406,"stretched":42,"withHeadings":13},[1407,1408,1409,1410,1411,1412,1413,1414],[355,356,357],[359,360,361],[363,364,365],[367,368,369],[371,372,373],[375,376,377],[379,380,381],[383,384,385],{},{"id":388,"data":1417,"type":217,"tunes":1418},{"text":390},{},{"id":393,"data":1420,"type":41,"tunes":1421},{"text":395,"level":245},{},{"id":398,"data":1423,"type":41,"tunes":1424},{"text":400,"level":244},{},{"id":403,"data":1426,"type":217,"tunes":1427},{"text":405},{},{"id":408,"data":1429,"type":217,"tunes":1430},{"text":410},{},{"id":413,"data":1432,"type":41,"tunes":1433},{"text":415,"level":244},{},{"id":418,"data":1435,"type":217,"tunes":1436},{"text":420},{},{"id":423,"data":1438,"type":217,"tunes":1439},{"text":425},{},{"id":428,"data":1441,"type":41,"tunes":1442},{"text":430,"level":244},{},{"id":433,"data":1444,"type":217,"tunes":1445},{"text":435},{},{"id":438,"data":1447,"type":217,"tunes":1448},{"text":440},{},{"id":443,"data":1450,"type":41,"tunes":1451},{"text":445,"level":244},{},{"id":448,"data":1453,"type":217,"tunes":1454},{"text":450},{},{"id":453,"data":1456,"type":217,"tunes":1457},{"text":455},{},{"id":458,"data":1459,"type":41,"tunes":1460},{"text":460,"level":244},{},{"id":463,"data":1462,"type":217,"tunes":1463},{"text":465},{},{"id":468,"data":1465,"type":217,"tunes":1466},{"text":470},{},{"id":473,"data":1468,"type":41,"tunes":1469},{"text":475,"level":244},{},{"id":478,"data":1471,"type":217,"tunes":1472},{"text":480},{},{"id":483,"data":1474,"type":217,"tunes":1475},{"text":485},{},{"id":488,"data":1477,"type":41,"tunes":1478},{"text":490,"level":244},{},{"id":493,"data":1480,"type":217,"tunes":1481},{"text":495},{},{"id":498,"data":1483,"type":217,"tunes":1484},{"text":500},{},{"id":503,"data":1486,"type":41,"tunes":1487},{"text":505,"level":244},{},{"id":508,"data":1489,"type":217,"tunes":1490},{"text":510},{},{"id":513,"data":1492,"type":217,"tunes":1493},{"text":515},{},{"id":518,"data":1495,"type":41,"tunes":1496},{"text":520,"level":244},{},{"id":523,"data":1498,"type":217,"tunes":1499},{"text":525},{},{"id":528,"data":1501,"type":217,"tunes":1502},{"text":530},{},{"id":533,"data":1504,"type":41,"tunes":1505},{"text":535,"level":245},{},{"id":538,"data":1507,"type":225,"tunes":1508},{"body":540,"title":541,"variant":232},{},{"id":544,"data":1510,"type":573,"tunes":1520},{"steps":1511,"title":571,"orientation":572},[1512,1513,1514,1515,1516,1517,1518,1519],{"label":548,"description":549},{"label":551,"description":552},{"label":554,"description":555},{"label":557,"description":558},{"label":560,"description":561},{"label":563,"description":564},{"label":566,"description":567},{"label":569,"description":570},{},{"id":576,"data":1522,"type":41,"tunes":1523},{"text":578,"level":245},{},{"id":581,"data":1525,"type":217,"tunes":1526},{"text":583},{},{"id":586,"data":1528,"type":317,"tunes":1537},{"content":1529,"stretched":42,"withHeadings":13},[1530,1531,1532,1533,1534,1535,1536],[590,591,592],[594,595,596],[598,599,600],[602,603,604],[606,607,608],[610,611,612],[614,615,616],{},{"id":619,"data":1539,"type":41,"tunes":1540},{"text":621,"level":245},{},{"id":624,"data":1542,"type":217,"tunes":1543},{"text":626},{},{"id":629,"data":1545,"type":217,"tunes":1546},{"text":631},{},{"id":634,"data":1548,"type":225,"tunes":1549},{"body":636,"title":637,"variant":638},{},{"id":641,"data":1551,"type":41,"tunes":1552},{"text":643,"level":245},{},{"id":646,"data":1554,"type":217,"tunes":1555},{"text":648},{},{"id":651,"data":1557,"type":217,"tunes":1558},{"text":653},{},{"id":656,"data":1560,"type":41,"tunes":1561},{"text":658,"level":245},{},{"id":661,"data":1563,"type":217,"tunes":1564},{"text":663},{},{"id":666,"data":1566,"type":217,"tunes":1567},{"text":668},{},{"id":671,"data":1569,"type":225,"tunes":1570},{"body":673,"title":674,"variant":273},{},{"id":677,"data":1572,"type":41,"tunes":1573},{"text":679,"level":245},{},{"id":682,"data":1575,"type":217,"tunes":1576},{"text":684},{},{"id":687,"data":1578,"type":217,"tunes":1579},{"text":689},{},{"id":692,"data":1581,"type":317,"tunes":1590},{"content":1582,"stretched":42,"withHeadings":13},[1583,1584,1585,1586,1587,1588,1589],[696,697],[699,700],[702,703],[705,706],[708,709],[711,712],[714,715],{},{"id":718,"data":1592,"type":41,"tunes":1593},{"text":720,"level":245},{},{"id":723,"data":1595,"type":217,"tunes":1596},{"text":725},{},{"id":728,"data":1598,"type":217,"tunes":1599},{"text":730},{},{"id":733,"data":1601,"type":41,"tunes":1602},{"text":735,"level":245},{},{"id":738,"data":1604,"type":217,"tunes":1605},{"text":740},{},{"id":743,"data":1607,"type":217,"tunes":1608},{"text":745},{},{"id":748,"data":1610,"type":41,"tunes":1611},{"text":750,"level":245},{},{"id":753,"data":1613,"type":217,"tunes":1614},{"text":755},{},{"id":758,"data":1616,"type":217,"tunes":1617},{"text":760},{},{"id":763,"data":1619,"type":41,"tunes":1620},{"text":765,"level":245},{},{"id":768,"data":1622,"type":225,"tunes":1623},{"body":770,"title":771,"variant":232},{},{"id":774,"data":1625,"type":217,"tunes":1626},{"text":776},{},{"id":779,"data":1628,"type":217,"tunes":1629},{"text":781},{},{"id":784,"data":1631,"type":217,"tunes":1632},{"text":786},{},{"id":789,"data":1634,"type":217,"tunes":1635},{"text":791},{},{"id":794,"data":1637,"type":317,"tunes":1648},{"content":1638,"stretched":42,"withHeadings":13},[1639,1640,1641,1642,1643,1644,1645,1646,1647],[798,799],[801,802],[804,805],[807,808],[810,811],[813,814],[816,817],[819,820],[822,823],{},{"id":826,"data":1650,"type":41,"tunes":1651},{"text":828,"level":245},{},{"id":831,"data":1653,"type":217,"tunes":1654},{"text":833},{},{"id":836,"data":1656,"type":217,"tunes":1657},{"text":838},{},{"id":841,"data":1659,"type":41,"tunes":1660},{"text":843,"level":245},{},{"id":846,"data":1662,"type":317,"tunes":1677},{"content":1663,"stretched":42,"withHeadings":13},[1664,1665,1666,1667,1668,1669,1670,1671,1672,1673,1674,1675,1676],[850,851],[853,854],[856,857],[859,860],[862,863],[865,866],[868,869],[871,872],[874,875],[877,878],[880,881],[883,884],[886,887],{},{"id":890,"data":1679,"type":41,"tunes":1680},{"text":892,"level":245},{},{"id":895,"data":1682,"type":573,"tunes":1693},{"steps":1683,"title":925,"orientation":572},[1684,1685,1686,1687,1688,1689,1690,1691,1692],{"label":899,"description":900},{"label":902,"description":903},{"label":905,"description":906},{"label":908,"description":909},{"label":911,"description":912},{"label":914,"description":915},{"label":917,"description":918},{"label":920,"description":921},{"label":923,"description":924},{},{"id":928,"data":1695,"type":41,"tunes":1696},{"text":930,"level":245},{},{"id":933,"data":1698,"type":317,"tunes":1713},{"content":1699,"stretched":42,"withHeadings":13},[1700,1701,1702,1703,1704,1705,1706,1707,1708,1709,1710,1711,1712],[355,937],[939,940],[942,943],[945,946],[948,949],[951,952],[954,955],[957,958],[960,961],[963,964],[966,967],[969,970],[972,973],{},{"id":976,"data":1715,"type":41,"tunes":1716},{"text":978,"level":245},{},{"id":981,"data":1718,"type":317,"tunes":1729},{"content":1719,"stretched":42,"withHeadings":13},[1720,1721,1722,1723,1724,1725,1726,1727,1728],[985,986],[988,989],[991,992],[994,995],[997,998],[1000,1001],[1003,1004],[1006,1007],[1009,1010],{},{"id":1013,"data":1731,"type":41,"tunes":1732},{"text":1015,"level":245},{},{"id":1018,"data":1734,"type":217,"tunes":1735},{"text":1020},{},{"id":1023,"data":1737,"type":217,"tunes":1738},{"text":1025},{},{"id":1028,"data":1740,"type":217,"tunes":1741},{"text":1030},{},{"id":1033,"data":1743,"type":217,"tunes":1744},{"text":1035},{},{"id":1038,"data":1746,"type":41,"tunes":1747},{"text":1040,"level":245},{},{"id":1043,"data":1749,"type":217,"tunes":1750},{"text":1045},{},{"id":1048,"data":1752,"type":217,"tunes":1753},{"text":1050},{},{"id":1053,"data":1755,"type":217,"tunes":1756},{"text":1055},{},{"id":1058,"data":1758,"type":41,"tunes":1759},{"text":1060,"level":245},{},{"id":1063,"data":1761,"type":217,"tunes":1762},{"text":1065},{},{"id":1068,"data":1764,"type":217,"tunes":1765},{"text":1070},{},{"id":1073,"data":1767,"type":41,"tunes":1768},{"text":1075,"level":245},{},{"id":1078,"data":1770,"type":217,"tunes":1771},{"text":1080},{},{"id":1083,"data":1773,"type":1089,"tunes":1774},{"url":1085,"title":1086,"excerpt":1087,"ctaLabel":1088},{},{"id":1092,"data":1776,"type":217,"tunes":1777},{"text":1094},{},{"id":1097,"data":1779,"type":1089,"tunes":1780},{"url":1099,"title":1100,"excerpt":1101,"ctaLabel":1102},{},{"id":1105,"data":1782,"type":217,"tunes":1783},{"text":1107},{},{"id":1110,"data":1785,"type":1089,"tunes":1786},{"url":1112,"title":1113,"excerpt":1114,"ctaLabel":1115},{},{"id":1118,"data":1788,"type":41,"tunes":1789},{"text":1120,"level":245},{},{"id":1123,"data":1791,"type":1123,"tunes":1801},{"items":1792,"title":1158},[1793,1794,1795,1796,1797,1798,1799,1800],{"id":1127,"answer":1128,"question":1129},{"id":1131,"answer":1132,"question":1133},{"id":1135,"answer":1136,"question":1137},{"id":1139,"answer":1140,"question":1141},{"id":1143,"answer":1144,"question":1145},{"id":1147,"answer":1148,"question":1149},{"id":1151,"answer":1152,"question":1153},{"id":1155,"answer":1156,"question":1157},{},{"id":1161,"data":1803,"type":41,"tunes":1804},{"text":1163,"level":245},{},{"id":1166,"data":1806,"type":1166,"tunes":1818},{"title":1168,"entries":1807},[1808,1809,1810,1811,1812,1813,1814,1815,1816,1817],{"term":1171,"anchor":1172,"definition":1173},{"term":1175,"anchor":1176,"definition":1177},{"term":1179,"anchor":1180,"definition":1181},{"term":1183,"anchor":1184,"definition":1185},{"term":1187,"anchor":326,"definition":1188},{"term":1190,"anchor":1191,"definition":1192},{"term":1194,"anchor":1195,"definition":1196},{"term":1198,"anchor":1199,"definition":1200},{"term":1202,"anchor":1203,"definition":1204},{"term":1206,"anchor":1207,"definition":1208},{},{"id":1211,"data":1820,"type":41,"tunes":1821},{"text":1213,"level":245},{},{"id":1216,"data":1823,"type":217,"tunes":1824},{"text":1218},{},{"id":1221,"data":1826,"type":217,"tunes":1827},{"text":1223},{},{"id":1226,"data":1829,"type":217,"tunes":1830},{"text":1228},{},{"id":1231,"data":1832,"type":41,"tunes":1833},{"text":1233,"level":245},{},{"id":1236,"data":1835,"type":217,"tunes":1836},{"text":1238},{},{"id":1241,"data":1838,"type":1248,"tunes":1841},{"link":1243,"meta":1839},{"image":1840,"title":1246,"description":1247},{"url":303},{},{"id":1251,"data":1843,"type":1248,"tunes":1846},{"link":1253,"meta":1844},{"image":1845,"title":1256,"description":1257},{"url":303},{},{"id":1260,"data":1848,"type":1248,"tunes":1851},{"link":1262,"meta":1849},{"image":1850,"title":1265,"description":1266},{"url":303},{},{"id":1269,"data":1853,"type":1248,"tunes":1856},{"link":1271,"meta":1854},{"image":1855,"title":1274,"description":1275},{"url":303},{},{"id":1278,"data":1858,"type":1248,"tunes":1861},{"link":1280,"meta":1859},{"image":1860,"title":1283,"description":1284},{"url":303},{},{"id":1287,"data":1863,"type":1248,"tunes":1866},{"link":1289,"meta":1864},{"image":1865,"title":1292,"description":1293},{"url":303},{},{"lang":1868,"title":1869,"content":1870,"contentJson":1871,"excerpt":2773},"en","Source of Truth in AI Systems: Where Reliable Knowledge Actually Comes From","{\"time\":1791479104597,\"blocks\":[{\"id\":\"intro\",\"type\":\"paragraph\",\"data\":{\"text\":\"A Source of Truth in an AI system is the authoritative source allowed to define whether a specific fact, state or rule should be treated as true for a particular scope, version and time. It is not automatically the language model, the vector database, the top-ranked retrieved document, agent memory or the latest message in context. Reliable AI architecture must preserve which source has authority for which claim, then keep provenance, retrieval and validation connected to that authority.\"},\"tunes\":{}},{\"id\":\"direct\",\"type\":\"callout\",\"data\":{\"variant\":\"info\",\"title\":\"Direct answer\",\"body\":\"\u003Cstrong>The Source of Truth is an authority rule, not an AI component.\u003C\u002Fstrong> An AI system can search many sources, but only some sources are authoritative for a given question. The correct source may be an application database for current account state, an approved policy document for a rule, source code for implemented behavior, an official specification for a protocol, or a primary research artifact for an observed claim. Good architecture makes that authority explicit instead of asking the model to infer it from relevance.\"},\"tunes\":{}},{\"id\":\"terminology\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"Terminology boundary\",\"body\":\"“Source of Truth” is widely used in software, data and organizational practice, but it is not a standardized AI component with one universal formal definition. This article uses it as an architecture concept: \u003Cstrong>the source or authority mapping that determines which evidence is allowed to establish a particular fact or state\u003C\u002Fstrong>. Provenance standards such as W3C PROV describe origin and derivation; they do not automatically decide which source your application should treat as authoritative.\"},\"tunes\":{}},{\"id\":\"current\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"Current-source note — 8 October 2026\",\"body\":\"The core distinction between authority, provenance, retrieval and model context is stable. NIST AI RMF 1.0 is currently being revised, but the current NIST Playbook still explicitly recommends documenting data provenance, including sources, origins, transformations, dependencies, constraints and metadata. W3C PROV remains a W3C Recommendation for interoperable provenance descriptions.\"},\"tunes\":{}},{\"id\":\"toc\",\"type\":\"tableOfContents\",\"data\":{\"title\":\"Contents\",\"minLevel\":2,\"maxLevel\":3},\"tunes\":{}},{\"id\":\"h-meaning\",\"type\":\"header\",\"data\":{\"text\":\"What “Source of Truth” really means\",\"level\":2},\"tunes\":{}},{\"id\":\"p-meaning-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The phrase is often misunderstood as “the one database that contains everything.” That can be true in a narrow system, but it is usually too simplistic for AI. A real AI application can combine operational databases, documents, APIs, vector indexes, user input, model memory, external web sources and generated summaries.\"},\"tunes\":{}},{\"id\":\"p-meaning-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Those sources do not have equal authority. A customer-support manual may define policy but not a customer's current balance. A CRM may define the current account owner but not the legal meaning of a regulation. A source-code repository may define implemented behavior while a product specification defines intended behavior. The architecture must therefore answer a more precise question: which source is authoritative for this specific claim?\"},\"tunes\":{}},{\"id\":\"p-meaning-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"This makes Source of Truth a relationship between a claim and an authority, not merely a property of a storage technology.\"},\"tunes\":{}},{\"id\":\"principle\",\"type\":\"callout\",\"data\":{\"variant\":\"success\",\"title\":\"Core principle\",\"body\":\"\u003Cstrong>One system can have many Sources of Truth because authority is fact-specific.\u003C\u002Fstrong> The important architectural property is not that one database wins globally, but that each important fact or state has an explicit authoritative owner.\"},\"tunes\":{}},{\"id\":\"h-simple\",\"type\":\"header\",\"data\":{\"text\":\"The simplest example\",\"level\":2},\"tunes\":{}},{\"id\":\"p-simple-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A user asks an AI assistant: “What is my current subscription plan?” The assistant has three possible inputs: last month's support transcript, an indexed help-center document describing plan types, and the live billing database.\"},\"tunes\":{}},{\"id\":\"p-simple-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The support transcript may mention that the user had a Pro plan. The help-center document explains what Pro means. But the live billing record is the authoritative source for the user's current subscription state.\"},\"tunes\":{}},{\"id\":\"p-simple-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"A semantic search engine could rank the support transcript above the billing record because it contains language closer to the question. That ranking would still not make the transcript authoritative. Relevance and authority are different dimensions.\"},\"tunes\":{}},{\"id\":\"simple-comparison\",\"type\":\"comparison\",\"data\":{\"title\":\"The same question can involve different source roles\",\"layout\":\"table\",\"columns\":[{\"id\":\"source\",\"label\":\"Source\"},{\"id\":\"role\",\"label\":\"Role\"},{\"id\":\"authority\",\"label\":\"Authority for current plan?\"}],\"rows\":[{\"id\":\"billing\",\"label\":\"Billing database\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"help\",\"label\":\"Help-center documentation\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"transcript\",\"label\":\"Old support transcript\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"model\",\"label\":\"Model memory\",\"values\":[\"\",\"\",\"\"]}]},\"tunes\":{}},{\"id\":\"h-stops\",\"type\":\"header\",\"data\":{\"text\":\"Where the simple example stops\",\"level\":2},\"tunes\":{}},{\"id\":\"p-stops-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Not every domain has one unquestioned authority. Historical research can contain conflicting primary sources. Scientific claims can evolve as new studies appear. Legal interpretation can depend on jurisdiction, date and court authority. Product behavior can differ between documentation and deployed code.\"},\"tunes\":{}},{\"id\":\"p-stops-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"In these cases the correct architecture is not to invent a single winner. It is to preserve the competing sources, their provenance, their authority class, their applicable scope and the unresolved contradiction. A reliable Source-of-Truth system must be able to represent uncertainty and disagreement.\"},\"tunes\":{}},{\"id\":\"h-authority\",\"type\":\"header\",\"data\":{\"text\":\"Authority is scoped by claim, version and time\",\"level\":2},\"tunes\":{}},{\"id\":\"authority-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Question\",\"Possible authoritative source\",\"Why scope matters\"],[\"What is the user's current account balance?\",\"Ledger \u002F accounting system of record\",\"Historical exports may be accurate for an earlier time but not current state.\"],[\"What does company policy currently allow?\",\"Approved current policy version\",\"An older policy may remain valid evidence of past rules but not present rules.\"],[\"What code is actually deployed?\",\"Deployment artifact \u002F commit \u002F release record\",\"Main branch may differ from production.\"],[\"What did a contract state when signed?\",\"Executed contract version\",\"A draft or later template is not authoritative for the signed agreement.\"],[\"What does a technical protocol specify?\",\"Current official specification for the relevant version\",\"A blog explanation may be useful but is secondary evidence.\"],[\"What happened in a historical event?\",\"Relevant primary evidence plus explicit source criticism\",\"There may be no single authority; conflicting evidence must remain visible.\"],[\"What does a user prefer?\",\"Current explicit user setting or confirmed preference\",\"Old conversation memory may be stale or superseded.\"]]},\"tunes\":{}},{\"id\":\"p-authority-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The word “truth” can therefore be misleading unless its boundary is stated. In architecture, the Source of Truth is usually better understood as the source authorized to determine a specific proposition under defined conditions.\"},\"tunes\":{}},{\"id\":\"h-what-is-not\",\"type\":\"header\",\"data\":{\"text\":\"What a Source of Truth is not\",\"level\":2},\"tunes\":{}},{\"id\":\"h-vs-sor\",\"type\":\"header\",\"data\":{\"text\":\"Source of Truth vs system of record\",\"level\":3},\"tunes\":{}},{\"id\":\"p-vs-sor-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A system of record is typically the authoritative operational system for a class of records: for example, a billing ledger, HR master record or order database. It is one common implementation of Source-of-Truth authority.\"},\"tunes\":{}},{\"id\":\"p-vs-sor-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"But Source of Truth is broader. A signed PDF contract, an official standard, a deployment artifact or a primary archival document may be authoritative without being a transactional system of record.\"},\"tunes\":{}},{\"id\":\"h-vs-prov\",\"type\":\"header\",\"data\":{\"text\":\"Source of Truth vs provenance\",\"level\":3},\"tunes\":{}},{\"id\":\"p-vs-prov-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Provenance answers questions such as: Where did this data come from? Who or what produced it? Which transformation created this derivative? Which prior entity was used? W3C PROV models entities, activities, agents and derivations so origin and responsibility can be represented.\"},\"tunes\":{}},{\"id\":\"p-vs-prov-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Provenance does not by itself establish authority. Knowing that a value came from a spreadsheet written by a specific employee helps evaluate it, but the application still needs a rule saying whether that spreadsheet is authoritative for the claim.\"},\"tunes\":{}},{\"id\":\"h-vs-evidence\",\"type\":\"header\",\"data\":{\"text\":\"Source of Truth vs evidence\",\"level\":3},\"tunes\":{}},{\"id\":\"p-vs-evidence-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence supports or contradicts a claim. A Source of Truth defines which source has the authority to settle or strongly constrain that claim in the current application context.\"},\"tunes\":{}},{\"id\":\"p-vs-evidence-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"A source can be valuable evidence without being authoritative. Five customer emails may be evidence that users dislike a workflow, but they are not the system of record for current product configuration.\"},\"tunes\":{}},{\"id\":\"h-vs-rag\",\"type\":\"header\",\"data\":{\"text\":\"Source of Truth vs RAG\",\"level\":3},\"tunes\":{}},{\"id\":\"p-vs-rag-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"RAG is a retrieval pattern. It finds information and supplies selected content to the model. RAG does not automatically know which source deserves authority.\"},\"tunes\":{}},{\"id\":\"p-vs-rag-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"A RAG pipeline can retrieve a stale document, a secondary summary or a highly similar but non-authoritative source. Source authority must be encoded through corpus design, metadata, filters, ranking policy, validation or post-retrieval checks.\"},\"tunes\":{}},{\"id\":\"h-vs-vector\",\"type\":\"header\",\"data\":{\"text\":\"Source of Truth vs vector database\",\"level\":3},\"tunes\":{}},{\"id\":\"p-vs-vector-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A vector database stores or indexes representations used for semantic retrieval. It is an access layer, not automatically a truth layer.\"},\"tunes\":{}},{\"id\":\"p-vs-vector-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The same authoritative document may be chunked, embedded, copied and re-indexed many times. The vector record should retain a reference back to the authoritative source and version rather than becoming an untraceable new authority.\"},\"tunes\":{}},{\"id\":\"h-vs-memory\",\"type\":\"header\",\"data\":{\"text\":\"Source of Truth vs memory\",\"level\":3},\"tunes\":{}},{\"id\":\"p-vs-memory-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Agent or application memory stores information that may be useful later. Memory can preserve a prior decision, preference or observation, but it can become stale.\"},\"tunes\":{}},{\"id\":\"p-vs-memory-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"For volatile or consequential state, a reliable agent should normally re-read the authoritative current source rather than assume that remembered state is still true.\"},\"tunes\":{}},{\"id\":\"h-vs-context\",\"type\":\"header\",\"data\":{\"text\":\"Source of Truth vs context\",\"level\":3},\"tunes\":{}},{\"id\":\"p-vs-context-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Context is what the model receives during the current inference. Authoritative information can be absent from context, while non-authoritative information can be present.\"},\"tunes\":{}},{\"id\":\"p-vs-context-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Context construction therefore needs an authority-aware policy: retrieve or read the source that is allowed to define the claim, then preserve enough metadata for the model or validator to understand its scope.\"},\"tunes\":{}},{\"id\":\"h-vs-ground-truth\",\"type\":\"header\",\"data\":{\"text\":\"Source of Truth vs evaluation ground truth\",\"level\":3},\"tunes\":{}},{\"id\":\"p-vs-ground-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evaluation ground truth is the reference answer, label or outcome against which a system is scored. It can be derived from authoritative sources, expert adjudication or curated test data.\"},\"tunes\":{}},{\"id\":\"p-vs-ground-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Ground truth is therefore an evaluation construct. A Source of Truth is an application\u002Fdomain authority construct. They can overlap, but they are not interchangeable.\"},\"tunes\":{}},{\"id\":\"h-vs-quality\",\"type\":\"header\",\"data\":{\"text\":\"Source of Truth vs data quality\",\"level\":3},\"tunes\":{}},{\"id\":\"p-vs-quality-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"An authoritative source can still contain errors. Authority says which source officially governs the fact; data quality asks whether that source is accurate, complete, timely, consistent and fit for purpose.\"},\"tunes\":{}},{\"id\":\"p-vs-quality-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"When an authoritative system is known to be wrong, architecture should record the defect, correction process or exception instead of silently substituting an unofficial source and hiding the discrepancy.\"},\"tunes\":{}},{\"id\":\"h-model\",\"type\":\"header\",\"data\":{\"text\":\"A practical Source-of-Truth architecture model\",\"level\":2},\"tunes\":{}},{\"id\":\"model-note\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"Proposed architecture model\",\"body\":\"The model below is a practical synthesis for AI systems. It is not a W3C, NIST or ISO standard. It separates authority, provenance, retrieval and model-facing context because those responsibilities are often incorrectly collapsed.\"},\"tunes\":{}},{\"id\":\"sot-flow\",\"type\":\"processFlow\",\"data\":{\"title\":\"Authority-aware AI answer path\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"1. Define the claim type\",\"description\":\"Identify what the user is actually asking: current state, policy, historical fact, technical specification, user preference, calculation or interpretation.\"},{\"label\":\"2. Resolve authority\",\"description\":\"Determine which source or authority class is permitted to define that type of claim for the required scope, version and time.\"},{\"label\":\"3. Acquire evidence\",\"description\":\"Read or retrieve the authoritative source and any necessary supporting or conflicting evidence.\"},{\"label\":\"4. Preserve provenance\",\"description\":\"Carry source identity, version, timestamp, locator, transformation history and responsibility metadata.\"},{\"label\":\"5. Build model context\",\"description\":\"Supply the relevant evidence to the model without discarding authority and applicability metadata.\"},{\"label\":\"6. Generate or compute\",\"description\":\"The model may summarize, compare, reason or transform the evidence, but it does not inherit source authority merely by processing it.\"},{\"label\":\"7. Validate the claim\",\"description\":\"Check that the answer is supported by the right source and remains inside its scope and validity boundary.\"},{\"label\":\"8. Preserve contradictions\",\"description\":\"If authoritative or relevant sources disagree, expose the conflict rather than fabricating false certainty.\"}]},\"tunes\":{}},{\"id\":\"h-registry\",\"type\":\"header\",\"data\":{\"text\":\"Authority should be explicit, not inferred from similarity\",\"level\":2},\"tunes\":{}},{\"id\":\"p-registry-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"One robust implementation pattern is an authority registry or equivalent policy layer that maps claim classes to authoritative source classes. The implementation can be code, metadata, configuration or domain rules; the important property is that authority is deliberate.\"},\"tunes\":{}},{\"id\":\"registry-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Claim class\",\"Authority rule\",\"Fallback behavior\"],[\"Current account state\",\"Read live account service \u002F system of record\",\"If unavailable, report that current state cannot be verified.\"],[\"Product documentation\",\"Current approved documentation version\",\"Older version may be shown only with version warning.\"],[\"Implemented software behavior\",\"Relevant deployed release \u002F source artifact\",\"Documentation alone cannot prove deployed behavior.\"],[\"Internal policy\",\"Approved policy repository and active version\",\"Drafts are supporting material, not current authority.\"],[\"External technical standard\",\"Official standards body publication for relevant version\",\"Secondary explanations can clarify but not override the specification.\"],[\"Research claim\",\"Evidence policy appropriate to the domain\",\"Preserve conflicting evidence and confidence rather than force one source.\"]]},\"tunes\":{}},{\"id\":\"h-retrieval\",\"type\":\"header\",\"data\":{\"text\":\"Retrieval should use authority as a ranking constraint\",\"level\":2},\"tunes\":{}},{\"id\":\"p-retrieval-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Semantic relevance answers “Which candidate looks related to this query?” Authority answers “Which candidate is allowed to establish this fact?” A production retrieval system often needs both.\"},\"tunes\":{}},{\"id\":\"p-retrieval-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"A useful sequence is to first constrain the candidate space by identity, tenant, source class, status, version or date, then rank relevant evidence inside the permitted space. If relevance is calculated before critical authorization or authority filters, the pipeline can return a convincing but invalid result.\"},\"tunes\":{}},{\"id\":\"relevance-authority\",\"type\":\"callout\",\"data\":{\"variant\":\"warning\",\"title\":\"Highest similarity is not highest authority\",\"body\":\"A search engine can rank a stale summary above the current primary source. A language model can prefer the better-written explanation over the official record. Neither behavior changes which source owns the fact.\"},\"tunes\":{}},{\"id\":\"h-freshness\",\"type\":\"header\",\"data\":{\"text\":\"Freshness is part of authority\",\"level\":2},\"tunes\":{}},{\"id\":\"p-freshness-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Many Source-of-Truth failures are actually time failures. The correct source was known, but the system used an old snapshot, stale embedding, cached API response or superseded document.\"},\"tunes\":{}},{\"id\":\"p-freshness-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"An authority rule should therefore include invalidation or refresh semantics where the fact can change. “CRM is authoritative” is incomplete when the application reads a week-old replicated export.\"},\"tunes\":{}},{\"id\":\"h-derivation\",\"type\":\"header\",\"data\":{\"text\":\"Derived values need a trace back to authoritative inputs\",\"level\":2},\"tunes\":{}},{\"id\":\"p-derivation-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Some important facts are not stored directly. They are computed from authoritative inputs: a risk score, account total, eligibility status or aggregate metric.\"},\"tunes\":{}},{\"id\":\"p-derivation-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"For derived values, Source-of-Truth architecture should preserve the input authorities, transformation or calculation version and execution time. W3C PROV's distinction between entities, activities and derivations is useful here because it models how one entity was produced from others.\"},\"tunes\":{}},{\"id\":\"derived-rule\",\"type\":\"callout\",\"data\":{\"variant\":\"success\",\"title\":\"Derived truth is conditional\",\"body\":\"A calculated value is only as current and authoritative as its inputs, transformation and validity conditions. Store the lineage needed to recompute or audit it.\"},\"tunes\":{}},{\"id\":\"h-conflict\",\"type\":\"header\",\"data\":{\"text\":\"What happens when authoritative sources disagree?\",\"level\":2},\"tunes\":{}},{\"id\":\"p-conflict-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Conflicts are not edge cases in serious knowledge systems. A signed contract may disagree with a CRM field. Production behavior may disagree with documentation. Two primary historical sources may contradict each other. A current policy can conflict with an outdated local copy.\"},\"tunes\":{}},{\"id\":\"p-conflict-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The system needs a resolution policy appropriate to the domain. Sometimes one authority clearly outranks the other. Sometimes the newer version supersedes the old one. Sometimes an expert or business owner must adjudicate. And sometimes the correct result is simply: the evidence is unresolved.\"},\"tunes\":{}},{\"id\":\"conflict-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Conflict type\",\"Typical handling\"],[\"Current vs superseded version\",\"Use current version for present state; retain older version as historical evidence.\"],[\"System of record vs stale replica\",\"Use system of record; flag replication freshness issue.\"],[\"Contract vs CRM transcription\",\"Executed contract governs contractual wording; CRM discrepancy becomes a correction task.\"],[\"Documentation vs deployed behavior\",\"Distinguish intended behavior from observed\u002Fdeployed behavior; do not silently merge them.\"],[\"Two credible primary sources\",\"Preserve both, assess provenance and scope, and represent unresolved disagreement if no governing authority exists.\"],[\"User memory vs current user setting\",\"Use current explicit setting; mark memory as superseded where appropriate.\"]]},\"tunes\":{}},{\"id\":\"h-web\",\"type\":\"header\",\"data\":{\"text\":\"Web search is discovery, not automatically evidence\",\"level\":2},\"tunes\":{}},{\"id\":\"p-web-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Search engines are excellent discovery systems. Search snippets, result ranking and generated summaries are not automatically primary evidence.\"},\"tunes\":{}},{\"id\":\"p-web-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"For claims that require authority, the search result should lead to the original publication, official record, source document, dataset or other appropriate artifact. The result page helps locate the source; it does not inherit the source's authority.\"},\"tunes\":{}},{\"id\":\"h-ai\",\"type\":\"header\",\"data\":{\"text\":\"The language model should not decide authority by itself\",\"level\":2},\"tunes\":{}},{\"id\":\"p-ai-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A model can help classify a question, extract claims or compare evidence, but authority should not depend only on the model's preference. Models optimize generation from context; they do not possess a guaranteed domain-specific registry of which database, document or organization owns each fact.\"},\"tunes\":{}},{\"id\":\"p-ai-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"This is why application architecture should encode critical authority rules deterministically where practical. The model may reason within the boundary, but the boundary itself should not be recreated from scratch for every prompt.\"},\"tunes\":{}},{\"id\":\"h-observability\",\"type\":\"header\",\"data\":{\"text\":\"Authority must survive the execution trace\",\"level\":2},\"tunes\":{}},{\"id\":\"p-observability-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"If a production answer is important enough to audit, the trace should make it possible to reconstruct which sources were consulted, which version was used, which passage or record supported the claim, which transformations occurred and whether conflicting evidence was available.\"},\"tunes\":{}},{\"id\":\"p-observability-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"This aligns with the broader provenance principle in W3C PROV and with NIST AI RMF Playbook guidance to document sources, origins, transformations, dependencies, constraints and metadata.\"},\"tunes\":{}},{\"id\":\"h-implementation\",\"type\":\"header\",\"data\":{\"text\":\"Original implementation evidence: Source of Truth Research Engine\",\"level\":2},\"tunes\":{}},{\"id\":\"implementation-note\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"Original implementation evidence\",\"body\":\"The Source of Truth Research Engine is my own implementation evidence for an evidence-first architecture. It demonstrates one concrete way to separate discovery, source acquisition, provenance, claims, evidence classes, contradictions and conclusions. It is an implementation pattern, not a universal industry standard.\"},\"tunes\":{}},{\"id\":\"p-impl-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The engine is designed around a traceable pipeline rather than direct AI summarization: research task → search → original source or digital artifact → local snapshot → SHA-256 → source ID → claim → evidence class → relation or contradiction → interpretation → conclusion.\"},\"tunes\":{}},{\"id\":\"p-impl-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Its shared evidence core stores Sources, Artifacts, provenance, Claims, Relations, Contradictions, a Reference Model and an audit trail. Different research modes can share that core while applying different domain methodologies.\"},\"tunes\":{}},{\"id\":\"p-impl-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The architecture deliberately separates discovery from evidence. Search snippets are not treated as evidence, filenames are not treated as content, AI summaries are not treated as primary sources, and semantic similarity is only a discovery signal until a result is traced back to a concrete source and locator.\"},\"tunes\":{}},{\"id\":\"p-impl-4\",\"type\":\"paragraph\",\"data\":{\"text\":\"Original files are preserved and local bytes receive SHA-256 identifiers. Contradictions and rejected hypotheses are not silently deleted. New evidence is allowed to change the current reference model while the prior evidence path remains auditable.\"},\"tunes\":{}},{\"id\":\"implementation-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Implemented rule\",\"Why it matters for Source-of-Truth architecture\"],[\"Search ≠ evidence\",\"Discovery ranking cannot silently become authority.\"],[\"Filename ≠ content\",\"Metadata clues cannot substitute for reading the actual artifact.\"],[\"Local snapshot + SHA-256\",\"Evidence can be tied to exact bytes rather than a mutable remote label.\"],[\"Source ID + exact locator\",\"Claims can be traced back to the concrete evidence location.\"],[\"Claim\u002Fevidence separation\",\"The assertion is not confused with the material supporting it.\"],[\"Contradictions preserved\",\"The system can represent unresolved disagreement rather than overwrite history.\"],[\"Semantic similarity is discovery only\",\"Retrieval relevance is explicitly separated from evidentiary authority.\"],[\"New evidence may update the model\",\"Source-of-Truth state is versioned and revisable rather than treated as immutable dogma.\"]]},\"tunes\":{}},{\"id\":\"h-document-engine\",\"type\":\"header\",\"data\":{\"text\":\"Aaasaasa Document & Knowledge Engine: applying the same boundary to enterprise documents\",\"level\":2},\"tunes\":{}},{\"id\":\"p-doc-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The Aaasaasa Document & Knowledge Engine concept extends the same design principle to enterprise documentation: users should be able to search documents, ask source-grounded questions and review collections against explicit criteria while preserving the distinction between what a document states and what the system infers.\"},\"tunes\":{}},{\"id\":\"p-doc-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The important architecture rule is that a universal retrieval core does not make every collection equally authoritative. Contract documents, maintenance records, financial documents and research material need different authority, validation and coverage rules even when they share ingestion and search infrastructure.\"},\"tunes\":{}},{\"id\":\"h-failures\",\"type\":\"header\",\"data\":{\"text\":\"Common Source-of-Truth failure modes\",\"level\":2},\"tunes\":{}},{\"id\":\"failures-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Failure mode\",\"What goes wrong\"],[\"The model is treated as the source of truth\",\"Parametric knowledge can be stale, incomplete, unverifiable or outside the application's authoritative scope.\"],[\"Top retrieval result wins automatically\",\"Similarity is mistaken for authority.\"],[\"Vector database becomes authoritative\",\"Derived index records lose the identity and version of the original source.\"],[\"Everything is copied into one knowledge base\",\"Copies obscure ownership, freshness and correction paths.\"],[\"Memory is reused as current state\",\"Old observations silently override the current system of record.\"],[\"No version metadata\",\"The right document is used for the wrong time period.\"],[\"No source locator\",\"A citation exists but the supporting passage or record cannot be verified.\"],[\"Conflicts are overwritten\",\"The system appears consistent by destroying evidence of disagreement.\"],[\"Generated summaries replace originals\",\"A lossy transformation becomes the apparent authority.\"],[\"Authority is global instead of claim-specific\",\"One source is trusted beyond the domain or fact class it actually owns.\"],[\"Web snippet is treated as evidence\",\"Discovery metadata replaces the original publication.\"],[\"Authoritative data is wrong but exceptions are hidden\",\"Operational defects become invisible and cannot be corrected transparently.\"]]},\"tunes\":{}},{\"id\":\"h-decision\",\"type\":\"header\",\"data\":{\"text\":\"A practical Source-of-Truth decision framework\",\"level\":2},\"tunes\":{}},{\"id\":\"decision-flow\",\"type\":\"processFlow\",\"data\":{\"title\":\"How to decide what should define a claim\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"1. State the claim precisely\",\"description\":\"Separate current state, historical state, policy, interpretation, prediction and derived calculation.\"},{\"label\":\"2. Identify the authority owner\",\"description\":\"Determine the system, document, institution, person or evidence class responsible for that claim type.\"},{\"label\":\"3. Define scope\",\"description\":\"Specify tenant, jurisdiction, product, environment, user, document set or other applicability boundary.\"},{\"label\":\"4. Define time and version\",\"description\":\"Determine whether the claim requires current state, a historical snapshot or a specific standard\u002Frelease version.\"},{\"label\":\"5. Preserve provenance\",\"description\":\"Record source identity, origin, locator, transformations and responsible agents or processes.\"},{\"label\":\"6. Define retrieval\u002Faccess path\",\"description\":\"Make sure the application can actually obtain the authoritative information under the correct identity and permissions.\"},{\"label\":\"7. Define conflict policy\",\"description\":\"Decide precedence, supersession, adjudication or explicit unresolved-state behavior.\"},{\"label\":\"8. Define invalidation\",\"description\":\"Specify when cached, indexed, remembered or derived representations must be refreshed.\"},{\"label\":\"9. Validate the answer path\",\"description\":\"Verify that important generated claims can be traced to the intended authority, not merely to a plausible source.\"}]},\"tunes\":{}},{\"id\":\"h-checklist\",\"type\":\"header\",\"data\":{\"text\":\"Source-of-Truth architecture checklist\",\"level\":2},\"tunes\":{}},{\"id\":\"checklist-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Question\",\"Expected answer\"],[\"What exact fact or state is being established?\",\"A claim precise enough to assign authority.\"],[\"Who or what owns that fact?\",\"Named authoritative system, source class or adjudication rule.\"],[\"Is the authority current for this scope?\",\"Tenant, jurisdiction, environment, user or domain boundary is explicit.\"],[\"Is the version\u002Ftime correct?\",\"Current, historical or version-specific applicability is known.\"],[\"Can the source be verified?\",\"Stable identifier, locator or record reference exists.\"],[\"Is provenance preserved?\",\"Origin, transformation and responsibility metadata survive ingestion and retrieval.\"],[\"Can retrieval return non-authoritative material?\",\"If yes, filters or validation distinguish relevance from authority.\"],[\"Can the source change?\",\"Refresh, invalidation or supersession rules exist.\"],[\"Can sources disagree?\",\"Conflict and adjudication behavior is explicit.\"],[\"Can memory become stale?\",\"Volatile state is re-read from the current authority before consequential use.\"],[\"Can a derived answer be reproduced?\",\"Inputs, transformation version and execution conditions are traceable.\"],[\"Can an auditor reconstruct the answer?\",\"Execution evidence preserves the source path for important claims.\"]]},\"tunes\":{}},{\"id\":\"h-misconceptions\",\"type\":\"header\",\"data\":{\"text\":\"Common misconceptions\",\"level\":2},\"tunes\":{}},{\"id\":\"misconceptions-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Misconception\",\"Correction\"],[\"“Source of Truth means one database.”\",\"One database can be authoritative for one domain; complex systems usually have multiple fact-specific authorities.\"],[\"“The newest document is automatically authoritative.”\",\"Recency helps only when the newer artifact is approved and actually supersedes the older one.\"],[\"“RAG solves truth.”\",\"RAG solves retrieval. Authority, provenance, evidence quality and validity remain separate problems.\"],[\"“A citation proves the answer.”\",\"The cited source must actually support the claim, have the right authority and apply to the current scope.\"],[\"“Provenance tells us what is true.”\",\"Provenance tells us origin and derivation; authority and correctness still require domain rules and evaluation.\"],[\"“The system of record is always correct.”\",\"It is authoritative for the operational record, but data-quality defects can still exist and require visible correction.\"],[\"“If several sources agree, the claim is authoritative.”\",\"Agreement increases evidence but does not necessarily establish ownership or applicability.\"],[\"“AI memory can replace repeated reads.”\",\"Only for information whose staleness risk is acceptable; volatile or consequential state should be refreshed from authority.\"]]},\"tunes\":{}},{\"id\":\"h-edge\",\"type\":\"header\",\"data\":{\"text\":\"Edge cases\",\"level\":2},\"tunes\":{}},{\"id\":\"p-edge-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Some questions are interpretive rather than factual. “Which architecture is best?” has no single Source of Truth. The system can retrieve authoritative constraints and evidence, but the final judgment is an inference that should expose assumptions and trade-offs.\"},\"tunes\":{}},{\"id\":\"p-edge-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Some domains use distributed authority. A scientific conclusion can depend on multiple studies, datasets and replications. A historical conclusion can depend on conflicting primary and secondary evidence. The architecture should represent evidence structure rather than invent a central database that supposedly owns truth.\"},\"tunes\":{}},{\"id\":\"p-edge-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"A user can also be the authority for subjective personal information: preferences, goals, chosen settings or explicit instructions. Even then, newer explicit input can supersede older memory.\"},\"tunes\":{}},{\"id\":\"p-edge-4\",\"type\":\"paragraph\",\"data\":{\"text\":\"External events can invalidate previously authoritative data. A price feed, inventory system or security policy may have been correct when captured but no longer valid. Snapshot provenance preserves what was true then; it does not make the snapshot current forever.\"},\"tunes\":{}},{\"id\":\"h-limit\",\"type\":\"header\",\"data\":{\"text\":\"Limitations\",\"level\":2},\"tunes\":{}},{\"id\":\"p-limit-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Source-of-Truth architecture cannot guarantee that an authoritative source is factually correct. It provides accountability, provenance and deterministic ownership boundaries; data-quality and domain-verification processes remain necessary.\"},\"tunes\":{}},{\"id\":\"p-limit-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Authority can also be contested. Different institutions can legitimately claim authority in different jurisdictions or methodologies. In those situations the system should expose the authority model and disagreement rather than hide it behind a universal “truth score.”\"},\"tunes\":{}},{\"id\":\"p-limit-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Finally, authority rules require maintenance. Systems, owners, policies, versions and regulations change. A stale authority registry can be as dangerous as no registry at all.\"},\"tunes\":{}},{\"id\":\"h-change\",\"type\":\"header\",\"data\":{\"text\":\"What would change this answer?\",\"level\":2},\"tunes\":{}},{\"id\":\"p-change-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The specific authority mapping changes with the domain. Banking, healthcare, software delivery, scientific research and historical analysis have different systems of record, evidentiary rules and regulatory obligations.\"},\"tunes\":{}},{\"id\":\"p-change-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The implementation also changes with architecture. A small application can encode authority directly in service calls. A larger platform may need registries, source metadata, policy engines, lineage systems or data contracts. The core principle remains the same: do not let retrieval order or model preference silently decide what counts as authoritative.\"},\"tunes\":{}},{\"id\":\"h-related\",\"type\":\"header\",\"data\":{\"text\":\"Related canonical knowledge\",\"level\":2},\"tunes\":{}},{\"id\":\"p-related-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Source-of-Truth architecture is a prerequisite for later retrieval and governance concepts because retrieval quality alone cannot determine whether evidence is allowed to define the answer.\"},\"tunes\":{}},{\"id\":\"ref-rag\",\"type\":\"referralArticle\",\"data\":{\"url\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works\",\"title\":\"What Is RAG? The Simplest Explanation of How It Works\",\"excerpt\":\"RAG retrieves external knowledge for a model. This foundation explains why retrieval and authoritative truth are separate responsibilities.\",\"ctaLabel\":\"Read the RAG foundation\"},\"tunes\":{}},{\"id\":\"p-related-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Memory is another adjacent concept. A reliable agent separates remembered information from current authoritative application state.\"},\"tunes\":{}},{\"id\":\"ref-memory\",\"type\":\"referralArticle\",\"data\":{\"url\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context\",\"title\":\"AI Agent Memory Is Not RAG: How to Separate Memory, Retrieval, State and Context\",\"excerpt\":\"A four-layer architecture separating persistent memory, authoritative state, retrieval and the context actually supplied to the model.\",\"ctaLabel\":\"Read the memory architecture article\"},\"tunes\":{}},{\"id\":\"p-related-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Authority also connects directly to answer validity. Even an authoritative source supports only claims inside its version, date, scope and evidence boundary.\"},\"tunes\":{}},{\"id\":\"ref-avb\",\"type\":\"referralArticle\",\"data\":{\"url\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers\",\"title\":\"The Answer Validity Boundary: The Missing Layer Between Relevance and Reliable AI Answers\",\"excerpt\":\"A framework for making explicit where an AI answer remains supported by evidence and which changed conditions invalidate that support.\",\"ctaLabel\":\"Read the Answer Validity Boundary\"},\"tunes\":{}},{\"id\":\"h-faq\",\"type\":\"header\",\"data\":{\"text\":\"Frequently asked questions\",\"level\":2},\"tunes\":{}},{\"id\":\"faq\",\"type\":\"faq\",\"data\":{\"title\":\"Source of Truth in AI systems\",\"items\":[{\"id\":\"faq1\",\"question\":\"What is a Source of Truth in an AI system?\",\"answer\":\"It is the authoritative source or authority rule that determines which source is allowed to establish a specific fact, state or rule for a defined scope, version and time.\"},{\"id\":\"faq2\",\"question\":\"Is the language model a Source of Truth?\",\"answer\":\"Normally no. A language model can generate, summarize and reason, but its parametric knowledge is not automatically authoritative for current application state, company policy, a specific document version or a regulated domain fact.\"},{\"id\":\"faq3\",\"question\":\"Is a vector database the Source of Truth for RAG?\",\"answer\":\"Not automatically. A vector database is usually an index or retrieval store. It should preserve references to the authoritative original source and version rather than silently replacing them.\"},{\"id\":\"faq4\",\"question\":\"What is the difference between provenance and Source of Truth?\",\"answer\":\"Provenance describes where data came from, how it was produced or transformed and who or what was involved. Source-of-Truth rules determine whether that source has authority for the specific claim.\"},{\"id\":\"faq5\",\"question\":\"Can an AI system have multiple Sources of Truth?\",\"answer\":\"Yes. In complex systems this is normal because different facts belong to different authoritative systems or source classes.\"},{\"id\":\"faq6\",\"question\":\"What happens when two authoritative sources disagree?\",\"answer\":\"The system needs a domain-specific conflict rule: precedence, version supersession, expert adjudication or an explicit unresolved state. It should not silently choose the source the model prefers.\"},{\"id\":\"faq7\",\"question\":\"Does RAG guarantee that an AI answer uses the Source of Truth?\",\"answer\":\"No. RAG retrieves candidates. Authority-aware metadata, filters, source policy and validation are needed to ensure that important claims use the correct source.\"},{\"id\":\"faq8\",\"question\":\"Can the Source of Truth be wrong?\",\"answer\":\"Yes. Authority and correctness are different properties. An authoritative system can contain a data-quality defect, which should be corrected transparently rather than hidden by substituting an unofficial source.\"}]},\"tunes\":{}},{\"id\":\"h-glossary\",\"type\":\"header\",\"data\":{\"text\":\"Glossary\",\"level\":2},\"tunes\":{}},{\"id\":\"glossary\",\"type\":\"glossary\",\"data\":{\"title\":\"Key Source-of-Truth terms\",\"entries\":[{\"term\":\"Source of Truth\",\"definition\":\"The authoritative source or rule permitted to establish a particular fact, state or rule for a defined scope, version and time.\",\"anchor\":\"source-of-truth\"},{\"term\":\"System of record\",\"definition\":\"The authoritative operational system responsible for a defined class of records or current business state.\",\"anchor\":\"system-of-record\"},{\"term\":\"Provenance\",\"definition\":\"Information describing the origin, derivation, transformations, responsible agents and history of data or another entity.\",\"anchor\":\"provenance\"},{\"term\":\"Evidence\",\"definition\":\"Information or an artifact that supports, contradicts or constrains a claim.\",\"anchor\":\"evidence\"},{\"term\":\"Authority\",\"definition\":\"The application or domain rule determining which source is entitled to define a specific claim.\",\"anchor\":\"authority\"},{\"term\":\"Freshness\",\"definition\":\"Whether a representation remains current enough for the claim or operation in which it is used.\",\"anchor\":\"freshness\"},{\"term\":\"Supersession\",\"definition\":\"The explicit replacement of an older authoritative version by a newer one while preserving historical traceability.\",\"anchor\":\"supersession\"},{\"term\":\"Ground truth\",\"definition\":\"A reference answer, label or outcome used to evaluate a system; it is an evaluation construct rather than automatically the application's Source of Truth.\",\"anchor\":\"ground-truth\"},{\"term\":\"Lineage\",\"definition\":\"The trace of how data or derived values flow and transform across sources and processing steps.\",\"anchor\":\"lineage\"},{\"term\":\"Validity boundary\",\"definition\":\"The conditions of scope, time, version, evidence and assumptions inside which a claim remains supported.\",\"anchor\":\"validity-boundary\"}]},\"tunes\":{}},{\"id\":\"h-conclusion\",\"type\":\"header\",\"data\":{\"text\":\"Conclusion\",\"level\":2},\"tunes\":{}},{\"id\":\"p-conclusion-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Reliable AI does not come from giving the model more information. It comes from knowing which information is allowed to define the claim, preserving where that information came from, retrieving the correct version and keeping the final answer inside the source's scope.\"},\"tunes\":{}},{\"id\":\"p-conclusion-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"That is why Source of Truth, provenance, retrieval, memory and context must remain separate concepts. The Source of Truth defines authority. Provenance explains origin. Retrieval finds candidates. Memory preserves selected past information. Context is what the model sees. Generation turns those inputs into an output.\"},\"tunes\":{}},{\"id\":\"p-conclusion-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"When those layers remain explicit, an AI system can do more than sound plausible: important claims can be traced back to the source that actually had the right to establish them.\"},\"tunes\":{}},{\"id\":\"h-sources\",\"type\":\"header\",\"data\":{\"text\":\"Primary sources and implementation evidence\",\"level\":2},\"tunes\":{}},{\"id\":\"p-sources-note\",\"type\":\"paragraph\",\"data\":{\"text\":\"The external sources below support provenance and AI risk-management claims. The Source of Truth Research Engine section is original implementation evidence and is explicitly presented as one implementation pattern rather than a universal standard.\"},\"tunes\":{}},{\"id\":\"src-w3c-prov\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-dm\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"W3C PROV-DM — The PROV Data Model\",\"description\":\"W3C Recommendation defining a domain-agnostic provenance model around entities, activities, agents, derivations and responsibility.\"}},\"tunes\":{}},{\"id\":\"src-w3c-publications\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.w3.org\u002Fgroups\u002Fwg\u002Fprov\u002Fpublications\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"W3C Provenance Working Group — Publications\",\"description\":\"Official index of W3C PROV Recommendations and related specifications for provenance interchange and constraints.\"}},\"tunes\":{}},{\"id\":\"src-nist-rmf\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AI Risk Management Framework\",\"description\":\"NIST's voluntary framework for incorporating trustworthiness and risk-management considerations across the AI lifecycle; AI RMF 1.0 is currently being revised.\"}},\"tunes\":{}},{\"id\":\"src-nist-playbook\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fairc.nist.gov\u002Fairmf-resources\u002Fplaybook\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AI RMF Playbook\",\"description\":\"Operational guidance aligned to the AI RMF, including documentation practices for data provenance, sources, origins, transformations, dependencies, constraints and metadata.\"}},\"tunes\":{}},{\"id\":\"src-nist-measure\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fairc.nist.gov\u002Fairmf-resources\u002Fplaybook\u002Fmeasure\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AI RMF Playbook — Measure\",\"description\":\"Guidance on documenting measurement, data provenance and contextual interpretation of AI system outputs.\"}},\"tunes\":{}},{\"id\":\"src-nist-genai\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AI 600-1 — Generative AI Profile\",\"description\":\"NIST generative-AI profile, including provenance and information-integrity considerations for generative AI systems.\"}},\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":1872,"blocks":1873,"version":2772},1791479104597,[1874,1878,1883,1888,1893,1897,1901,1905,1909,1913,1918,1922,1926,1930,1934,1958,1962,1966,1970,1974,2010,2014,2018,2022,2026,2030,2034,2038,2042,2046,2050,2054,2058,2062,2066,2070,2074,2078,2082,2086,2090,2094,2098,2102,2106,2110,2114,2118,2122,2126,2130,2135,2164,2168,2172,2204,2208,2212,2216,2221,2225,2229,2233,2237,2241,2245,2250,2254,2258,2262,2287,2291,2295,2299,2303,2307,2311,2315,2319,2323,2327,2332,2336,2340,2344,2348,2379,2383,2387,2391,2395,2438,2442,2474,2478,2520,2524,2555,2559,2563,2567,2571,2575,2579,2583,2587,2591,2595,2599,2603,2607,2611,2618,2622,2629,2633,2640,2644,2673,2677,2710,2714,2718,2722,2726,2730,2734,2741,2748,2754,2760,2766],{"id":214,"data":1875,"type":217,"tunes":1877},{"text":1876},"A Source of Truth in an AI system is the authoritative source allowed to define whether a specific fact, state or rule should be treated as true for a particular scope, version and time. It is not automatically the language model, the vector database, the top-ranked retrieved document, agent memory or the latest message in context. Reliable AI architecture must preserve which source has authority for which claim, then keep provenance, retrieval and validation connected to that authority.",{},{"id":220,"data":1879,"type":225,"tunes":1882},{"body":1880,"title":1881,"variant":224},"\u003Cstrong>The Source of Truth is an authority rule, not an AI component.\u003C\u002Fstrong> An AI system can search many sources, but only some sources are authoritative for a given question. The correct source may be an application database for current account state, an approved policy document for a rule, source code for implemented behavior, an official specification for a protocol, or a primary research artifact for an observed claim. Good architecture makes that authority explicit instead of asking the model to infer it from relevance.","Direct answer",{},{"id":228,"data":1884,"type":225,"tunes":1887},{"body":1885,"title":1886,"variant":232},"“Source of Truth” is widely used in software, data and organizational practice, but it is not a standardized AI component with one universal formal definition. This article uses it as an architecture concept: \u003Cstrong>the source or authority mapping that determines which evidence is allowed to establish a particular fact or state\u003C\u002Fstrong>. Provenance standards such as W3C PROV describe origin and derivation; they do not automatically decide which source your application should treat as authoritative.","Terminology boundary",{},{"id":235,"data":1889,"type":225,"tunes":1892},{"body":1890,"title":1891,"variant":232},"The core distinction between authority, provenance, retrieval and model context is stable. NIST AI RMF 1.0 is currently being revised, but the current NIST Playbook still explicitly recommends documenting data provenance, including sources, origins, transformations, dependencies, constraints and metadata. W3C PROV remains a W3C Recommendation for interoperable provenance descriptions.","Current-source note — 8 October 2026",{},{"id":241,"data":1894,"type":246,"tunes":1896},{"title":1895,"maxLevel":244,"minLevel":245},"Contents",{},{"id":249,"data":1898,"type":41,"tunes":1900},{"text":1899,"level":245},"What “Source of Truth” really means",{},{"id":254,"data":1902,"type":217,"tunes":1904},{"text":1903},"The phrase is often misunderstood as “the one database that contains everything.” That can be true in a narrow system, but it is usually too simplistic for AI. A real AI application can combine operational databases, documents, APIs, vector indexes, user input, model memory, external web sources and generated summaries.",{},{"id":259,"data":1906,"type":217,"tunes":1908},{"text":1907},"Those sources do not have equal authority. A customer-support manual may define policy but not a customer's current balance. A CRM may define the current account owner but not the legal meaning of a regulation. A source-code repository may define implemented behavior while a product specification defines intended behavior. The architecture must therefore answer a more precise question: which source is authoritative for this specific claim?",{},{"id":264,"data":1910,"type":217,"tunes":1912},{"text":1911},"This makes Source of Truth a relationship between a claim and an authority, not merely a property of a storage technology.",{},{"id":269,"data":1914,"type":225,"tunes":1917},{"body":1915,"title":1916,"variant":273},"\u003Cstrong>One system can have many Sources of Truth because authority is fact-specific.\u003C\u002Fstrong> The important architectural property is not that one database wins globally, but that each important fact or state has an explicit authoritative owner.","Core principle",{},{"id":276,"data":1919,"type":41,"tunes":1921},{"text":1920,"level":245},"The simplest example",{},{"id":281,"data":1923,"type":217,"tunes":1925},{"text":1924},"A user asks an AI assistant: “What is my current subscription plan?” The assistant has three possible inputs: last month's support transcript, an indexed help-center document describing plan types, and the live billing database.",{},{"id":286,"data":1927,"type":217,"tunes":1929},{"text":1928},"The support transcript may mention that the user had a Pro plan. The help-center document explains what Pro means. But the live billing record is the authoritative source for the user's current subscription state.",{},{"id":291,"data":1931,"type":217,"tunes":1933},{"text":1932},"A semantic search engine could rank the support transcript above the billing record because it contains language closer to the question. That ranking would still not make the transcript authoritative. Relevance and authority are different dimensions.",{},{"id":296,"data":1935,"type":328,"tunes":1957},{"rows":1936,"title":1949,"layout":317,"columns":1950},[1937,1940,1943,1946],{"id":300,"label":1938,"values":1939},"Billing database",[303,303,303],{"id":305,"label":1941,"values":1942},"Help-center documentation",[303,303,303],{"id":309,"label":1944,"values":1945},"Old support transcript",[303,303,303],{"id":313,"label":1947,"values":1948},"Model memory",[303,303,303],"The same question can involve different source roles",[1951,1953,1955],{"id":320,"label":1952},"Source",{"id":323,"label":1954},"Role",{"id":326,"label":1956},"Authority for current plan?",{},{"id":331,"data":1959,"type":41,"tunes":1961},{"text":1960,"level":245},"Where the simple example stops",{},{"id":336,"data":1963,"type":217,"tunes":1965},{"text":1964},"Not every domain has one unquestioned authority. Historical research can contain conflicting primary sources. Scientific claims can evolve as new studies appear. Legal interpretation can depend on jurisdiction, date and court authority. Product behavior can differ between documentation and deployed code.",{},{"id":341,"data":1967,"type":217,"tunes":1969},{"text":1968},"In these cases the correct architecture is not to invent a single winner. It is to preserve the competing sources, their provenance, their authority class, their applicable scope and the unresolved contradiction. A reliable Source-of-Truth system must be able to represent uncertainty and disagreement.",{},{"id":346,"data":1971,"type":41,"tunes":1973},{"text":1972,"level":245},"Authority is scoped by claim, version and time",{},{"id":351,"data":1975,"type":317,"tunes":2009},{"content":1976,"stretched":42,"withHeadings":13},[1977,1981,1985,1989,1993,1997,2001,2005],[1978,1979,1980],"Question","Possible authoritative source","Why scope matters",[1982,1983,1984],"What is the user's current account balance?","Ledger \u002F accounting system of record","Historical exports may be accurate for an earlier time but not current state.",[1986,1987,1988],"What does company policy currently allow?","Approved current policy version","An older policy may remain valid evidence of past rules but not present rules.",[1990,1991,1992],"What code is actually deployed?","Deployment artifact \u002F commit \u002F release record","Main branch may differ from production.",[1994,1995,1996],"What did a contract state when signed?","Executed contract version","A draft or later template is not authoritative for the signed agreement.",[1998,1999,2000],"What does a technical protocol specify?","Current official specification for the relevant version","A blog explanation may be useful but is secondary evidence.",[2002,2003,2004],"What happened in a historical event?","Relevant primary evidence plus explicit source criticism","There may be no single authority; conflicting evidence must remain visible.",[2006,2007,2008],"What does a user prefer?","Current explicit user setting or confirmed preference","Old conversation memory may be stale or superseded.",{},{"id":388,"data":2011,"type":217,"tunes":2013},{"text":2012},"The word “truth” can therefore be misleading unless its boundary is stated. In architecture, the Source of Truth is usually better understood as the source authorized to determine a specific proposition under defined conditions.",{},{"id":393,"data":2015,"type":41,"tunes":2017},{"text":2016,"level":245},"What a Source of Truth is not",{},{"id":398,"data":2019,"type":41,"tunes":2021},{"text":2020,"level":244},"Source of Truth vs system of record",{},{"id":403,"data":2023,"type":217,"tunes":2025},{"text":2024},"A system of record is typically the authoritative operational system for a class of records: for example, a billing ledger, HR master record or order database. It is one common implementation of Source-of-Truth authority.",{},{"id":408,"data":2027,"type":217,"tunes":2029},{"text":2028},"But Source of Truth is broader. A signed PDF contract, an official standard, a deployment artifact or a primary archival document may be authoritative without being a transactional system of record.",{},{"id":413,"data":2031,"type":41,"tunes":2033},{"text":2032,"level":244},"Source of Truth vs provenance",{},{"id":418,"data":2035,"type":217,"tunes":2037},{"text":2036},"Provenance answers questions such as: Where did this data come from? Who or what produced it? Which transformation created this derivative? Which prior entity was used? W3C PROV models entities, activities, agents and derivations so origin and responsibility can be represented.",{},{"id":423,"data":2039,"type":217,"tunes":2041},{"text":2040},"Provenance does not by itself establish authority. Knowing that a value came from a spreadsheet written by a specific employee helps evaluate it, but the application still needs a rule saying whether that spreadsheet is authoritative for the claim.",{},{"id":428,"data":2043,"type":41,"tunes":2045},{"text":2044,"level":244},"Source of Truth vs evidence",{},{"id":433,"data":2047,"type":217,"tunes":2049},{"text":2048},"Evidence supports or contradicts a claim. A Source of Truth defines which source has the authority to settle or strongly constrain that claim in the current application context.",{},{"id":438,"data":2051,"type":217,"tunes":2053},{"text":2052},"A source can be valuable evidence without being authoritative. Five customer emails may be evidence that users dislike a workflow, but they are not the system of record for current product configuration.",{},{"id":443,"data":2055,"type":41,"tunes":2057},{"text":2056,"level":244},"Source of Truth vs RAG",{},{"id":448,"data":2059,"type":217,"tunes":2061},{"text":2060},"RAG is a retrieval pattern. It finds information and supplies selected content to the model. RAG does not automatically know which source deserves authority.",{},{"id":453,"data":2063,"type":217,"tunes":2065},{"text":2064},"A RAG pipeline can retrieve a stale document, a secondary summary or a highly similar but non-authoritative source. Source authority must be encoded through corpus design, metadata, filters, ranking policy, validation or post-retrieval checks.",{},{"id":458,"data":2067,"type":41,"tunes":2069},{"text":2068,"level":244},"Source of Truth vs vector database",{},{"id":463,"data":2071,"type":217,"tunes":2073},{"text":2072},"A vector database stores or indexes representations used for semantic retrieval. It is an access layer, not automatically a truth layer.",{},{"id":468,"data":2075,"type":217,"tunes":2077},{"text":2076},"The same authoritative document may be chunked, embedded, copied and re-indexed many times. The vector record should retain a reference back to the authoritative source and version rather than becoming an untraceable new authority.",{},{"id":473,"data":2079,"type":41,"tunes":2081},{"text":2080,"level":244},"Source of Truth vs memory",{},{"id":478,"data":2083,"type":217,"tunes":2085},{"text":2084},"Agent or application memory stores information that may be useful later. Memory can preserve a prior decision, preference or observation, but it can become stale.",{},{"id":483,"data":2087,"type":217,"tunes":2089},{"text":2088},"For volatile or consequential state, a reliable agent should normally re-read the authoritative current source rather than assume that remembered state is still true.",{},{"id":488,"data":2091,"type":41,"tunes":2093},{"text":2092,"level":244},"Source of Truth vs context",{},{"id":493,"data":2095,"type":217,"tunes":2097},{"text":2096},"Context is what the model receives during the current inference. Authoritative information can be absent from context, while non-authoritative information can be present.",{},{"id":498,"data":2099,"type":217,"tunes":2101},{"text":2100},"Context construction therefore needs an authority-aware policy: retrieve or read the source that is allowed to define the claim, then preserve enough metadata for the model or validator to understand its scope.",{},{"id":503,"data":2103,"type":41,"tunes":2105},{"text":2104,"level":244},"Source of Truth vs evaluation ground truth",{},{"id":508,"data":2107,"type":217,"tunes":2109},{"text":2108},"Evaluation ground truth is the reference answer, label or outcome against which a system is scored. It can be derived from authoritative sources, expert adjudication or curated test data.",{},{"id":513,"data":2111,"type":217,"tunes":2113},{"text":2112},"Ground truth is therefore an evaluation construct. A Source of Truth is an application\u002Fdomain authority construct. They can overlap, but they are not interchangeable.",{},{"id":518,"data":2115,"type":41,"tunes":2117},{"text":2116,"level":244},"Source of Truth vs data quality",{},{"id":523,"data":2119,"type":217,"tunes":2121},{"text":2120},"An authoritative source can still contain errors. Authority says which source officially governs the fact; data quality asks whether that source is accurate, complete, timely, consistent and fit for purpose.",{},{"id":528,"data":2123,"type":217,"tunes":2125},{"text":2124},"When an authoritative system is known to be wrong, architecture should record the defect, correction process or exception instead of silently substituting an unofficial source and hiding the discrepancy.",{},{"id":533,"data":2127,"type":41,"tunes":2129},{"text":2128,"level":245},"A practical Source-of-Truth architecture model",{},{"id":538,"data":2131,"type":225,"tunes":2134},{"body":2132,"title":2133,"variant":232},"The model below is a practical synthesis for AI systems. It is not a W3C, NIST or ISO standard. It separates authority, provenance, retrieval and model-facing context because those responsibilities are often incorrectly collapsed.","Proposed architecture model",{},{"id":544,"data":2136,"type":573,"tunes":2163},{"steps":2137,"title":2162,"orientation":572},[2138,2141,2144,2147,2150,2153,2156,2159],{"label":2139,"description":2140},"1. Define the claim type","Identify what the user is actually asking: current state, policy, historical fact, technical specification, user preference, calculation or interpretation.",{"label":2142,"description":2143},"2. Resolve authority","Determine which source or authority class is permitted to define that type of claim for the required scope, version and time.",{"label":2145,"description":2146},"3. Acquire evidence","Read or retrieve the authoritative source and any necessary supporting or conflicting evidence.",{"label":2148,"description":2149},"4. Preserve provenance","Carry source identity, version, timestamp, locator, transformation history and responsibility metadata.",{"label":2151,"description":2152},"5. Build model context","Supply the relevant evidence to the model without discarding authority and applicability metadata.",{"label":2154,"description":2155},"6. Generate or compute","The model may summarize, compare, reason or transform the evidence, but it does not inherit source authority merely by processing it.",{"label":2157,"description":2158},"7. Validate the claim","Check that the answer is supported by the right source and remains inside its scope and validity boundary.",{"label":2160,"description":2161},"8. Preserve contradictions","If authoritative or relevant sources disagree, expose the conflict rather than fabricating false certainty.","Authority-aware AI answer path",{},{"id":576,"data":2165,"type":41,"tunes":2167},{"text":2166,"level":245},"Authority should be explicit, not inferred from similarity",{},{"id":581,"data":2169,"type":217,"tunes":2171},{"text":2170},"One robust implementation pattern is an authority registry or equivalent policy layer that maps claim classes to authoritative source classes. The implementation can be code, metadata, configuration or domain rules; the important property is that authority is deliberate.",{},{"id":586,"data":2173,"type":317,"tunes":2203},{"content":2174,"stretched":42,"withHeadings":13},[2175,2179,2183,2187,2191,2195,2199],[2176,2177,2178],"Claim class","Authority rule","Fallback behavior",[2180,2181,2182],"Current account state","Read live account service \u002F system of record","If unavailable, report that current state cannot be verified.",[2184,2185,2186],"Product documentation","Current approved documentation version","Older version may be shown only with version warning.",[2188,2189,2190],"Implemented software behavior","Relevant deployed release \u002F source artifact","Documentation alone cannot prove deployed behavior.",[2192,2193,2194],"Internal policy","Approved policy repository and active version","Drafts are supporting material, not current authority.",[2196,2197,2198],"External technical standard","Official standards body publication for relevant version","Secondary explanations can clarify but not override the specification.",[2200,2201,2202],"Research claim","Evidence policy appropriate to the domain","Preserve conflicting evidence and confidence rather than force one source.",{},{"id":619,"data":2205,"type":41,"tunes":2207},{"text":2206,"level":245},"Retrieval should use authority as a ranking constraint",{},{"id":624,"data":2209,"type":217,"tunes":2211},{"text":2210},"Semantic relevance answers “Which candidate looks related to this query?” Authority answers “Which candidate is allowed to establish this fact?” A production retrieval system often needs both.",{},{"id":629,"data":2213,"type":217,"tunes":2215},{"text":2214},"A useful sequence is to first constrain the candidate space by identity, tenant, source class, status, version or date, then rank relevant evidence inside the permitted space. If relevance is calculated before critical authorization or authority filters, the pipeline can return a convincing but invalid result.",{},{"id":634,"data":2217,"type":225,"tunes":2220},{"body":2218,"title":2219,"variant":638},"A search engine can rank a stale summary above the current primary source. A language model can prefer the better-written explanation over the official record. Neither behavior changes which source owns the fact.","Highest similarity is not highest authority",{},{"id":641,"data":2222,"type":41,"tunes":2224},{"text":2223,"level":245},"Freshness is part of authority",{},{"id":646,"data":2226,"type":217,"tunes":2228},{"text":2227},"Many Source-of-Truth failures are actually time failures. The correct source was known, but the system used an old snapshot, stale embedding, cached API response or superseded document.",{},{"id":651,"data":2230,"type":217,"tunes":2232},{"text":2231},"An authority rule should therefore include invalidation or refresh semantics where the fact can change. “CRM is authoritative” is incomplete when the application reads a week-old replicated export.",{},{"id":656,"data":2234,"type":41,"tunes":2236},{"text":2235,"level":245},"Derived values need a trace back to authoritative inputs",{},{"id":661,"data":2238,"type":217,"tunes":2240},{"text":2239},"Some important facts are not stored directly. They are computed from authoritative inputs: a risk score, account total, eligibility status or aggregate metric.",{},{"id":666,"data":2242,"type":217,"tunes":2244},{"text":2243},"For derived values, Source-of-Truth architecture should preserve the input authorities, transformation or calculation version and execution time. W3C PROV's distinction between entities, activities and derivations is useful here because it models how one entity was produced from others.",{},{"id":671,"data":2246,"type":225,"tunes":2249},{"body":2247,"title":2248,"variant":273},"A calculated value is only as current and authoritative as its inputs, transformation and validity conditions. Store the lineage needed to recompute or audit it.","Derived truth is conditional",{},{"id":677,"data":2251,"type":41,"tunes":2253},{"text":2252,"level":245},"What happens when authoritative sources disagree?",{},{"id":682,"data":2255,"type":217,"tunes":2257},{"text":2256},"Conflicts are not edge cases in serious knowledge systems. A signed contract may disagree with a CRM field. Production behavior may disagree with documentation. Two primary historical sources may contradict each other. A current policy can conflict with an outdated local copy.",{},{"id":687,"data":2259,"type":217,"tunes":2261},{"text":2260},"The system needs a resolution policy appropriate to the domain. Sometimes one authority clearly outranks the other. Sometimes the newer version supersedes the old one. Sometimes an expert or business owner must adjudicate. And sometimes the correct result is simply: the evidence is unresolved.",{},{"id":692,"data":2263,"type":317,"tunes":2286},{"content":2264,"stretched":42,"withHeadings":13},[2265,2268,2271,2274,2277,2280,2283],[2266,2267],"Conflict type","Typical handling",[2269,2270],"Current vs superseded version","Use current version for present state; retain older version as historical evidence.",[2272,2273],"System of record vs stale replica","Use system of record; flag replication freshness issue.",[2275,2276],"Contract vs CRM transcription","Executed contract governs contractual wording; CRM discrepancy becomes a correction task.",[2278,2279],"Documentation vs deployed behavior","Distinguish intended behavior from observed\u002Fdeployed behavior; do not silently merge them.",[2281,2282],"Two credible primary sources","Preserve both, assess provenance and scope, and represent unresolved disagreement if no governing authority exists.",[2284,2285],"User memory vs current user setting","Use current explicit setting; mark memory as superseded where appropriate.",{},{"id":718,"data":2288,"type":41,"tunes":2290},{"text":2289,"level":245},"Web search is discovery, not automatically evidence",{},{"id":723,"data":2292,"type":217,"tunes":2294},{"text":2293},"Search engines are excellent discovery systems. Search snippets, result ranking and generated summaries are not automatically primary evidence.",{},{"id":728,"data":2296,"type":217,"tunes":2298},{"text":2297},"For claims that require authority, the search result should lead to the original publication, official record, source document, dataset or other appropriate artifact. The result page helps locate the source; it does not inherit the source's authority.",{},{"id":733,"data":2300,"type":41,"tunes":2302},{"text":2301,"level":245},"The language model should not decide authority by itself",{},{"id":738,"data":2304,"type":217,"tunes":2306},{"text":2305},"A model can help classify a question, extract claims or compare evidence, but authority should not depend only on the model's preference. Models optimize generation from context; they do not possess a guaranteed domain-specific registry of which database, document or organization owns each fact.",{},{"id":743,"data":2308,"type":217,"tunes":2310},{"text":2309},"This is why application architecture should encode critical authority rules deterministically where practical. The model may reason within the boundary, but the boundary itself should not be recreated from scratch for every prompt.",{},{"id":748,"data":2312,"type":41,"tunes":2314},{"text":2313,"level":245},"Authority must survive the execution trace",{},{"id":753,"data":2316,"type":217,"tunes":2318},{"text":2317},"If a production answer is important enough to audit, the trace should make it possible to reconstruct which sources were consulted, which version was used, which passage or record supported the claim, which transformations occurred and whether conflicting evidence was available.",{},{"id":758,"data":2320,"type":217,"tunes":2322},{"text":2321},"This aligns with the broader provenance principle in W3C PROV and with NIST AI RMF Playbook guidance to document sources, origins, transformations, dependencies, constraints and metadata.",{},{"id":763,"data":2324,"type":41,"tunes":2326},{"text":2325,"level":245},"Original implementation evidence: Source of Truth Research Engine",{},{"id":768,"data":2328,"type":225,"tunes":2331},{"body":2329,"title":2330,"variant":232},"The Source of Truth Research Engine is my own implementation evidence for an evidence-first architecture. It demonstrates one concrete way to separate discovery, source acquisition, provenance, claims, evidence classes, contradictions and conclusions. It is an implementation pattern, not a universal industry standard.","Original implementation evidence",{},{"id":774,"data":2333,"type":217,"tunes":2335},{"text":2334},"The engine is designed around a traceable pipeline rather than direct AI summarization: research task → search → original source or digital artifact → local snapshot → SHA-256 → source ID → claim → evidence class → relation or contradiction → interpretation → conclusion.",{},{"id":779,"data":2337,"type":217,"tunes":2339},{"text":2338},"Its shared evidence core stores Sources, Artifacts, provenance, Claims, Relations, Contradictions, a Reference Model and an audit trail. Different research modes can share that core while applying different domain methodologies.",{},{"id":784,"data":2341,"type":217,"tunes":2343},{"text":2342},"The architecture deliberately separates discovery from evidence. Search snippets are not treated as evidence, filenames are not treated as content, AI summaries are not treated as primary sources, and semantic similarity is only a discovery signal until a result is traced back to a concrete source and locator.",{},{"id":789,"data":2345,"type":217,"tunes":2347},{"text":2346},"Original files are preserved and local bytes receive SHA-256 identifiers. Contradictions and rejected hypotheses are not silently deleted. New evidence is allowed to change the current reference model while the prior evidence path remains auditable.",{},{"id":794,"data":2349,"type":317,"tunes":2378},{"content":2350,"stretched":42,"withHeadings":13},[2351,2354,2357,2360,2363,2366,2369,2372,2375],[2352,2353],"Implemented rule","Why it matters for Source-of-Truth architecture",[2355,2356],"Search ≠ evidence","Discovery ranking cannot silently become authority.",[2358,2359],"Filename ≠ content","Metadata clues cannot substitute for reading the actual artifact.",[2361,2362],"Local snapshot + SHA-256","Evidence can be tied to exact bytes rather than a mutable remote label.",[2364,2365],"Source ID + exact locator","Claims can be traced back to the concrete evidence location.",[2367,2368],"Claim\u002Fevidence separation","The assertion is not confused with the material supporting it.",[2370,2371],"Contradictions preserved","The system can represent unresolved disagreement rather than overwrite history.",[2373,2374],"Semantic similarity is discovery only","Retrieval relevance is explicitly separated from evidentiary authority.",[2376,2377],"New evidence may update the model","Source-of-Truth state is versioned and revisable rather than treated as immutable dogma.",{},{"id":826,"data":2380,"type":41,"tunes":2382},{"text":2381,"level":245},"Aaasaasa Document & Knowledge Engine: applying the same boundary to enterprise documents",{},{"id":831,"data":2384,"type":217,"tunes":2386},{"text":2385},"The Aaasaasa Document & Knowledge Engine concept extends the same design principle to enterprise documentation: users should be able to search documents, ask source-grounded questions and review collections against explicit criteria while preserving the distinction between what a document states and what the system infers.",{},{"id":836,"data":2388,"type":217,"tunes":2390},{"text":2389},"The important architecture rule is that a universal retrieval core does not make every collection equally authoritative. Contract documents, maintenance records, financial documents and research material need different authority, validation and coverage rules even when they share ingestion and search infrastructure.",{},{"id":841,"data":2392,"type":41,"tunes":2394},{"text":2393,"level":245},"Common Source-of-Truth failure modes",{},{"id":846,"data":2396,"type":317,"tunes":2437},{"content":2397,"stretched":42,"withHeadings":13},[2398,2401,2404,2407,2410,2413,2416,2419,2422,2425,2428,2431,2434],[2399,2400],"Failure mode","What goes wrong",[2402,2403],"The model is treated as the source of truth","Parametric knowledge can be stale, incomplete, unverifiable or outside the application's authoritative scope.",[2405,2406],"Top retrieval result wins automatically","Similarity is mistaken for authority.",[2408,2409],"Vector database becomes authoritative","Derived index records lose the identity and version of the original source.",[2411,2412],"Everything is copied into one knowledge base","Copies obscure ownership, freshness and correction paths.",[2414,2415],"Memory is reused as current state","Old observations silently override the current system of record.",[2417,2418],"No version metadata","The right document is used for the wrong time period.",[2420,2421],"No source locator","A citation exists but the supporting passage or record cannot be verified.",[2423,2424],"Conflicts are overwritten","The system appears consistent by destroying evidence of disagreement.",[2426,2427],"Generated summaries replace originals","A lossy transformation becomes the apparent authority.",[2429,2430],"Authority is global instead of claim-specific","One source is trusted beyond the domain or fact class it actually owns.",[2432,2433],"Web snippet is treated as evidence","Discovery metadata replaces the original publication.",[2435,2436],"Authoritative data is wrong but exceptions are hidden","Operational defects become invisible and cannot be corrected transparently.",{},{"id":890,"data":2439,"type":41,"tunes":2441},{"text":2440,"level":245},"A practical Source-of-Truth decision framework",{},{"id":895,"data":2443,"type":573,"tunes":2473},{"steps":2444,"title":2472,"orientation":572},[2445,2448,2451,2454,2457,2460,2463,2466,2469],{"label":2446,"description":2447},"1. State the claim precisely","Separate current state, historical state, policy, interpretation, prediction and derived calculation.",{"label":2449,"description":2450},"2. Identify the authority owner","Determine the system, document, institution, person or evidence class responsible for that claim type.",{"label":2452,"description":2453},"3. Define scope","Specify tenant, jurisdiction, product, environment, user, document set or other applicability boundary.",{"label":2455,"description":2456},"4. Define time and version","Determine whether the claim requires current state, a historical snapshot or a specific standard\u002Frelease version.",{"label":2458,"description":2459},"5. Preserve provenance","Record source identity, origin, locator, transformations and responsible agents or processes.",{"label":2461,"description":2462},"6. Define retrieval\u002Faccess path","Make sure the application can actually obtain the authoritative information under the correct identity and permissions.",{"label":2464,"description":2465},"7. Define conflict policy","Decide precedence, supersession, adjudication or explicit unresolved-state behavior.",{"label":2467,"description":2468},"8. Define invalidation","Specify when cached, indexed, remembered or derived representations must be refreshed.",{"label":2470,"description":2471},"9. Validate the answer path","Verify that important generated claims can be traced to the intended authority, not merely to a plausible source.","How to decide what should define a claim",{},{"id":928,"data":2475,"type":41,"tunes":2477},{"text":2476,"level":245},"Source-of-Truth architecture checklist",{},{"id":933,"data":2479,"type":317,"tunes":2519},{"content":2480,"stretched":42,"withHeadings":13},[2481,2483,2486,2489,2492,2495,2498,2501,2504,2507,2510,2513,2516],[1978,2482],"Expected answer",[2484,2485],"What exact fact or state is being established?","A claim precise enough to assign authority.",[2487,2488],"Who or what owns that fact?","Named authoritative system, source class or adjudication rule.",[2490,2491],"Is the authority current for this scope?","Tenant, jurisdiction, environment, user or domain boundary is explicit.",[2493,2494],"Is the version\u002Ftime correct?","Current, historical or version-specific applicability is known.",[2496,2497],"Can the source be verified?","Stable identifier, locator or record reference exists.",[2499,2500],"Is provenance preserved?","Origin, transformation and responsibility metadata survive ingestion and retrieval.",[2502,2503],"Can retrieval return non-authoritative material?","If yes, filters or validation distinguish relevance from authority.",[2505,2506],"Can the source change?","Refresh, invalidation or supersession rules exist.",[2508,2509],"Can sources disagree?","Conflict and adjudication behavior is explicit.",[2511,2512],"Can memory become stale?","Volatile state is re-read from the current authority before consequential use.",[2514,2515],"Can a derived answer be reproduced?","Inputs, transformation version and execution conditions are traceable.",[2517,2518],"Can an auditor reconstruct the answer?","Execution evidence preserves the source path for important claims.",{},{"id":976,"data":2521,"type":41,"tunes":2523},{"text":2522,"level":245},"Common misconceptions",{},{"id":981,"data":2525,"type":317,"tunes":2554},{"content":2526,"stretched":42,"withHeadings":13},[2527,2530,2533,2536,2539,2542,2545,2548,2551],[2528,2529],"Misconception","Correction",[2531,2532],"“Source of Truth means one database.”","One database can be authoritative for one domain; complex systems usually have multiple fact-specific authorities.",[2534,2535],"“The newest document is automatically authoritative.”","Recency helps only when the newer artifact is approved and actually supersedes the older one.",[2537,2538],"“RAG solves truth.”","RAG solves retrieval. Authority, provenance, evidence quality and validity remain separate problems.",[2540,2541],"“A citation proves the answer.”","The cited source must actually support the claim, have the right authority and apply to the current scope.",[2543,2544],"“Provenance tells us what is true.”","Provenance tells us origin and derivation; authority and correctness still require domain rules and evaluation.",[2546,2547],"“The system of record is always correct.”","It is authoritative for the operational record, but data-quality defects can still exist and require visible correction.",[2549,2550],"“If several sources agree, the claim is authoritative.”","Agreement increases evidence but does not necessarily establish ownership or applicability.",[2552,2553],"“AI memory can replace repeated reads.”","Only for information whose staleness risk is acceptable; volatile or consequential state should be refreshed from authority.",{},{"id":1013,"data":2556,"type":41,"tunes":2558},{"text":2557,"level":245},"Edge cases",{},{"id":1018,"data":2560,"type":217,"tunes":2562},{"text":2561},"Some questions are interpretive rather than factual. “Which architecture is best?” has no single Source of Truth. The system can retrieve authoritative constraints and evidence, but the final judgment is an inference that should expose assumptions and trade-offs.",{},{"id":1023,"data":2564,"type":217,"tunes":2566},{"text":2565},"Some domains use distributed authority. A scientific conclusion can depend on multiple studies, datasets and replications. A historical conclusion can depend on conflicting primary and secondary evidence. The architecture should represent evidence structure rather than invent a central database that supposedly owns truth.",{},{"id":1028,"data":2568,"type":217,"tunes":2570},{"text":2569},"A user can also be the authority for subjective personal information: preferences, goals, chosen settings or explicit instructions. Even then, newer explicit input can supersede older memory.",{},{"id":1033,"data":2572,"type":217,"tunes":2574},{"text":2573},"External events can invalidate previously authoritative data. A price feed, inventory system or security policy may have been correct when captured but no longer valid. Snapshot provenance preserves what was true then; it does not make the snapshot current forever.",{},{"id":1038,"data":2576,"type":41,"tunes":2578},{"text":2577,"level":245},"Limitations",{},{"id":1043,"data":2580,"type":217,"tunes":2582},{"text":2581},"Source-of-Truth architecture cannot guarantee that an authoritative source is factually correct. It provides accountability, provenance and deterministic ownership boundaries; data-quality and domain-verification processes remain necessary.",{},{"id":1048,"data":2584,"type":217,"tunes":2586},{"text":2585},"Authority can also be contested. Different institutions can legitimately claim authority in different jurisdictions or methodologies. In those situations the system should expose the authority model and disagreement rather than hide it behind a universal “truth score.”",{},{"id":1053,"data":2588,"type":217,"tunes":2590},{"text":2589},"Finally, authority rules require maintenance. Systems, owners, policies, versions and regulations change. A stale authority registry can be as dangerous as no registry at all.",{},{"id":1058,"data":2592,"type":41,"tunes":2594},{"text":2593,"level":245},"What would change this answer?",{},{"id":1063,"data":2596,"type":217,"tunes":2598},{"text":2597},"The specific authority mapping changes with the domain. Banking, healthcare, software delivery, scientific research and historical analysis have different systems of record, evidentiary rules and regulatory obligations.",{},{"id":1068,"data":2600,"type":217,"tunes":2602},{"text":2601},"The implementation also changes with architecture. A small application can encode authority directly in service calls. A larger platform may need registries, source metadata, policy engines, lineage systems or data contracts. The core principle remains the same: do not let retrieval order or model preference silently decide what counts as authoritative.",{},{"id":1073,"data":2604,"type":41,"tunes":2606},{"text":2605,"level":245},"Related canonical knowledge",{},{"id":1078,"data":2608,"type":217,"tunes":2610},{"text":2609},"Source-of-Truth architecture is a prerequisite for later retrieval and governance concepts because retrieval quality alone cannot determine whether evidence is allowed to define the answer.",{},{"id":1083,"data":2612,"type":1089,"tunes":2617},{"url":2613,"title":2614,"excerpt":2615,"ctaLabel":2616},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works","What Is RAG? The Simplest Explanation of How It Works","RAG retrieves external knowledge for a model. This foundation explains why retrieval and authoritative truth are separate responsibilities.","Read the RAG foundation",{},{"id":1092,"data":2619,"type":217,"tunes":2621},{"text":2620},"Memory is another adjacent concept. A reliable agent separates remembered information from current authoritative application state.",{},{"id":1097,"data":2623,"type":1089,"tunes":2628},{"url":2624,"title":2625,"excerpt":2626,"ctaLabel":2627},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fai-agent-memory-is-not-rag-how-to-separate-memory-retrieval-state-and-context","AI Agent Memory Is Not RAG: How to Separate Memory, Retrieval, State and Context","A four-layer architecture separating persistent memory, authoritative state, retrieval and the context actually supplied to the model.","Read the memory architecture article",{},{"id":1105,"data":2630,"type":217,"tunes":2632},{"text":2631},"Authority also connects directly to answer validity. Even an authoritative source supports only claims inside its version, date, scope and evidence boundary.",{},{"id":1110,"data":2634,"type":1089,"tunes":2639},{"url":2635,"title":2636,"excerpt":2637,"ctaLabel":2638},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers","The Answer Validity Boundary: The Missing Layer Between Relevance and Reliable AI Answers","A framework for making explicit where an AI answer remains supported by evidence and which changed conditions invalidate that support.","Read the Answer Validity Boundary",{},{"id":1118,"data":2641,"type":41,"tunes":2643},{"text":2642,"level":245},"Frequently asked questions",{},{"id":1123,"data":2645,"type":1123,"tunes":2672},{"items":2646,"title":2671},[2647,2650,2653,2656,2659,2662,2665,2668],{"id":1127,"answer":2648,"question":2649},"It is the authoritative source or authority rule that determines which source is allowed to establish a specific fact, state or rule for a defined scope, version and time.","What is a Source of Truth in an AI system?",{"id":1131,"answer":2651,"question":2652},"Normally no. A language model can generate, summarize and reason, but its parametric knowledge is not automatically authoritative for current application state, company policy, a specific document version or a regulated domain fact.","Is the language model a Source of Truth?",{"id":1135,"answer":2654,"question":2655},"Not automatically. A vector database is usually an index or retrieval store. It should preserve references to the authoritative original source and version rather than silently replacing them.","Is a vector database the Source of Truth for RAG?",{"id":1139,"answer":2657,"question":2658},"Provenance describes where data came from, how it was produced or transformed and who or what was involved. Source-of-Truth rules determine whether that source has authority for the specific claim.","What is the difference between provenance and Source of Truth?",{"id":1143,"answer":2660,"question":2661},"Yes. In complex systems this is normal because different facts belong to different authoritative systems or source classes.","Can an AI system have multiple Sources of Truth?",{"id":1147,"answer":2663,"question":2664},"The system needs a domain-specific conflict rule: precedence, version supersession, expert adjudication or an explicit unresolved state. It should not silently choose the source the model prefers.","What happens when two authoritative sources disagree?",{"id":1151,"answer":2666,"question":2667},"No. RAG retrieves candidates. Authority-aware metadata, filters, source policy and validation are needed to ensure that important claims use the correct source.","Does RAG guarantee that an AI answer uses the Source of Truth?",{"id":1155,"answer":2669,"question":2670},"Yes. Authority and correctness are different properties. An authoritative system can contain a data-quality defect, which should be corrected transparently rather than hidden by substituting an unofficial source.","Can the Source of Truth be wrong?","Source of Truth in AI systems",{},{"id":1161,"data":2674,"type":41,"tunes":2676},{"text":2675,"level":245},"Glossary",{},{"id":1166,"data":2678,"type":1166,"tunes":2709},{"title":2679,"entries":2680},"Key Source-of-Truth terms",[2681,2683,2686,2689,2692,2695,2698,2701,2704,2706],{"term":1171,"anchor":1172,"definition":2682},"The authoritative source or rule permitted to establish a particular fact, state or rule for a defined scope, version and time.",{"term":2684,"anchor":1176,"definition":2685},"System of record","The authoritative operational system responsible for a defined class of records or current business state.",{"term":2687,"anchor":1180,"definition":2688},"Provenance","Information describing the origin, derivation, transformations, responsible agents and history of data or another entity.",{"term":2690,"anchor":1184,"definition":2691},"Evidence","Information or an artifact that supports, contradicts or constrains a claim.",{"term":2693,"anchor":326,"definition":2694},"Authority","The application or domain rule determining which source is entitled to define a specific claim.",{"term":2696,"anchor":1191,"definition":2697},"Freshness","Whether a representation remains current enough for the claim or operation in which it is used.",{"term":2699,"anchor":1195,"definition":2700},"Supersession","The explicit replacement of an older authoritative version by a newer one while preserving historical traceability.",{"term":2702,"anchor":1199,"definition":2703},"Ground truth","A reference answer, label or outcome used to evaluate a system; it is an evaluation construct rather than automatically the application's Source of Truth.",{"term":1202,"anchor":1203,"definition":2705},"The trace of how data or derived values flow and transform across sources and processing steps.",{"term":2707,"anchor":1207,"definition":2708},"Validity boundary","The conditions of scope, time, version, evidence and assumptions inside which a claim remains supported.",{},{"id":1211,"data":2711,"type":41,"tunes":2713},{"text":2712,"level":245},"Conclusion",{},{"id":1216,"data":2715,"type":217,"tunes":2717},{"text":2716},"Reliable AI does not come from giving the model more information. It comes from knowing which information is allowed to define the claim, preserving where that information came from, retrieving the correct version and keeping the final answer inside the source's scope.",{},{"id":1221,"data":2719,"type":217,"tunes":2721},{"text":2720},"That is why Source of Truth, provenance, retrieval, memory and context must remain separate concepts. The Source of Truth defines authority. Provenance explains origin. Retrieval finds candidates. Memory preserves selected past information. Context is what the model sees. Generation turns those inputs into an output.",{},{"id":1226,"data":2723,"type":217,"tunes":2725},{"text":2724},"When those layers remain explicit, an AI system can do more than sound plausible: important claims can be traced back to the source that actually had the right to establish them.",{},{"id":1231,"data":2727,"type":41,"tunes":2729},{"text":2728,"level":245},"Primary sources and implementation evidence",{},{"id":1236,"data":2731,"type":217,"tunes":2733},{"text":2732},"The external sources below support provenance and AI risk-management claims. The Source of Truth Research Engine section is original implementation evidence and is explicitly presented as one implementation pattern rather than a universal standard.",{},{"id":1241,"data":2735,"type":1248,"tunes":2740},{"link":1243,"meta":2736},{"image":2737,"title":2738,"description":2739},{"url":303},"W3C PROV-DM — The PROV Data Model","W3C Recommendation defining a domain-agnostic provenance model around entities, activities, agents, derivations and responsibility.",{},{"id":1251,"data":2742,"type":1248,"tunes":2747},{"link":1253,"meta":2743},{"image":2744,"title":2745,"description":2746},{"url":303},"W3C Provenance Working Group — Publications","Official index of W3C PROV Recommendations and related specifications for provenance interchange and constraints.",{},{"id":1260,"data":2749,"type":1248,"tunes":2753},{"link":1262,"meta":2750},{"image":2751,"title":1265,"description":2752},{"url":303},"NIST's voluntary framework for incorporating trustworthiness and risk-management considerations across the AI lifecycle; AI RMF 1.0 is currently being revised.",{},{"id":1269,"data":2755,"type":1248,"tunes":2759},{"link":1271,"meta":2756},{"image":2757,"title":1274,"description":2758},{"url":303},"Operational guidance aligned to the AI RMF, including documentation practices for data provenance, sources, origins, transformations, dependencies, constraints and metadata.",{},{"id":1278,"data":2761,"type":1248,"tunes":2765},{"link":1280,"meta":2762},{"image":2763,"title":1283,"description":2764},{"url":303},"Guidance on documenting measurement, data provenance and contextual interpretation of AI system outputs.",{},{"id":1287,"data":2767,"type":1248,"tunes":2771},{"link":1289,"meta":2768},{"image":2769,"title":1292,"description":2770},{"url":303},"NIST generative-AI profile, including provenance and information-integrity considerations for generative AI systems.",{},"2.31.6","A Source of Truth defines which source is authoritative for a specific fact or state. Learn how it differs from RAG, provenance, memory, context, vector databases and systems of record.","Post erfolgreich abgerufen",{"items":2776,"source":2859,"manualIds":2860,"manualMatchedIds":2861},[2777,2784,2791,2798,2805,2812,2819,2826,2833,2840,2847,2853],{"id":2778,"slug":2779,"title":2780,"excerpt":2781,"featuredImage":2782,"publishedAt":2783},"490","rbac-vs-tenant-isolation-two-different-security-boundaries","RBAC vs. Mandantenisolierung: Zwei unterschiedliche Sicherheitsgrenzen","RBAC steuert, was ein Benutzer tun darf; Mandantenisolierung steuert, auf welche Ressourcen eines Mandanten diese Aktion zugreifen darf. Erfahren Sie, warum die Sicherheit von Multi-Tenant-SaaS beide Grenzen erfordert.","\u002Fuploads\u002F2026\u002F10\u002Frbac-vs-tenant-isolation-two-different-security-boundaries-1791485111528-qqtzby.webp","2026-10-08T14:43:00.000Z",{"id":2785,"slug":2786,"title":2787,"excerpt":2788,"featuredImage":2789,"publishedAt":2790},"484","what-is-an-ai-platform-architect-models-data-runtime-security-and-operations","Was ist ein KI-Plattform-Architekt? Modelle, Daten, Laufzeitumgebung, Sicherheit und Betrieb","Ein KI-Plattform-Architekt entwirft wiederverwendbare KI-Grundlagen über Modelle, Anbieter, Retrieval, Agenten, Identität, Sicherheit, Evaluierung, Observability und Betrieb hinweg.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations-1791477229171-ou3zcc.webp","2026-10-08T12:32:00.000Z",{"id":2792,"slug":2793,"title":2794,"excerpt":2795,"featuredImage":2796,"publishedAt":2797},"485","enterprise-ai-architecture-what-changes-when-ai-enters-a-company","Enterprise-KI-Architektur: Was ändert sich, wenn KI in ein Unternehmen eintritt","Enterprise-KI-Architektur erklärt, wie KI Unternehmenssysteme über Datenhoheit, Identität, Berechtigungen, Anbieter, Risiko, Governance, Evaluierung, Compliance und Betrieb hinweg verändert.","\u002Fuploads\u002F2026\u002F10\u002Fenterprise-ai-architecture-what-changes-when-ai-enters-a-company-1791478161363-czrwaq.webp","2026-10-08T10:48:00.000Z",{"id":2799,"slug":2800,"title":2801,"excerpt":2802,"featuredImage":2803,"publishedAt":2804},"495","sovereign-ai-control-of-models-data-infrastructure-and-dependencies","Souveräne KI: Kontrolle über Modelle, Daten, Infrastruktur und Abhängigkeiten","Souveräne KI bedeutet wirksame Kontrolle über Modelle, Daten, Infrastruktur, Software, Betrieb und strategische Abhängigkeiten – nicht einfach, wo ein KI-Modell gehostet wird.","\u002Fuploads\u002F2026\u002F10\u002Fsovereign-ai-control-of-models-data-infrastructure-and-dependencies-1791488833132-niy85x.webp","2026-10-08T15:45:00.000Z",{"id":2806,"slug":2807,"title":2808,"excerpt":2809,"featuredImage":2810,"publishedAt":2811},"470","what-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","Was sollte ein KI-Agent behalten, vergessen, neu berechnen oder erneut abrufen?","Langlaufende Agenten sollten sich nicht alles merken. Dieser Artikel bietet ein praktisches Lebenszyklusmodell für die Entscheidung, was in den dauerhaften Speicher gehört, was erneut abgerufen werden sollte, was sicherer neu zu berechnen ist und was ablaufen oder ersetzt werden sollte.","\u002Fuploads\u002F2026\u002F09\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again-1790351131087-iehz28.webp","2026-09-25T09:43:00.000Z",{"id":2813,"slug":2814,"title":2815,"excerpt":2816,"featuredImage":2817,"publishedAt":2818},"476","mcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained","MCP vs A2A vs UCP vs AP2 vs A2UI: Der Agenten-Protokoll-Stack erklärt","MCP, A2A, UCP, AP2 und A2UI werden oft als konkurrierende Agentenstandards dargestellt. Sie lösen größtenteils unterschiedliche Interoperabilitätsprobleme. Dieser Leitfaden ordnet jedes Protokoll der Grenze zu, die es tatsächlich standardisiert—und zeigt, wie sie in einem Produktionssystem zusammenarbeiten können.","\u002Fuploads\u002F2026\u002F09\u002Fmcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained-1790352625869-2ezle0.webp","2026-09-25T12:09:00.000Z",{"id":2820,"slug":2821,"title":2822,"excerpt":2823,"featuredImage":2824,"publishedAt":2825},"480","when-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger","Wann sollte eine KI aufhören, ihrem eigenen Wissen zu vertrauen? — Der Retrieval-Trigger","Ein KI-Modell benötigt nicht für jede Frage einen Retrieval. Das wichtige Problem ist zu erkennen, wann sein internes Wissen nicht mehr ausreicht. Der Retrieval-Trigger ist eine praktische Entscheidungsgrenze, die bestimmt, wann ein KI-System aufhören sollte, sich allein auf das Modellwissen zu verlassen, und vor der Beantwortung externe Evidenz einholen sollte.","\u002Fuploads\u002F2026\u002F09\u002Fwhen-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger-1790574991244-f4rpyg.webp","2026-09-28T01:49:00.000Z",{"id":2827,"slug":2828,"title":2829,"excerpt":2830,"featuredImage":2831,"publishedAt":2832},"471","how-to-know-whether-an-ai-agent-actually-used-the-right-evidence","Wie man erkennt, ob ein KI-Agent tatsächlich die richtigen Belege verwendet hat","Ein KI-Agent kann Quellen zitieren und trotzdem die falschen Belege verwenden. Dieser Artikel stellt eine praktische Methode zur Überprüfung der Belegung von Behauptungen, der Quellenautorität, der Anwendbarkeit, der Herkunft sowie der Frage vor, ob die Belege die Antwort tatsächlich beeinflusst haben.","\u002Fuploads\u002F2026\u002F09\u002Fhow-to-know-whether-an-ai-agent-actually-used-the-right-evidence-1790351317188-o5z9ve.webp","2026-09-25T11:47:00.000Z",{"id":2834,"slug":2835,"title":2836,"excerpt":2837,"featuredImage":2838,"publishedAt":2839},"489","agentic-ai-explained-when-an-ai-system-can-plan-use-tools-and-act","Agentische KI erklärt: Wenn ein KI-System planen, Werkzeuge nutzen und handeln kann","Agentische KI verwendet Modelle innerhalb mehrstufiger Ausführungsschleifen, in denen sie Werkzeuge auswählen, Ergebnisse beobachten, den Zustand aktualisieren und ihre nächste Aktion innerhalb expliziter Laufzeit- und Berechtigungsgrenzen anpassen können.","\u002Fuploads\u002F2026\u002F10\u002Fagentic-ai-explained-when-an-ai-system-can-plan-use-tools-and-act-1791481499084-wnji2a.webp","2026-10-08T11:43:00.000Z",{"id":2841,"slug":2842,"title":2843,"excerpt":2844,"featuredImage":2845,"publishedAt":2846},"466","the-gpu-is-not-the-product-future-proof-private-ai-architecture","Die GPU ist nicht das Produkt: Zukunftssichere private KI-Architektur","Private KI-Infrastruktur sollte nicht um eine einzige GPU oder ein einziges Modell herum konzipiert werden. Ein resilienterer Ansatz kombiniert schnelle Inferenz-GPUs, speicherstarke KI-Systeme, physische KI-Knoten und optionale Frontier-Cloud-Modelle hinter einer fähigkeitsbewussten Routing-Schicht.","\u002Fuploads\u002F2026\u002F09\u002Fthe-gpu-is-not-the-product-future-proof-private-ai-architecture-1790140878812-8hsl39.webp","2026-09-23T01:19:00.000Z",{"id":2848,"slug":2849,"title":1086,"excerpt":2850,"featuredImage":2851,"publishedAt":2852},"478","what-is-rag-the-simplest-explanation-of-how-it-works","RAG klingt kompliziert, aber die Idee ist einfach: Bevor eine KI antwortet, sucht sie zunächst nützliche Informationen aus einer Wissensquelle und gibt diese Informationen an das Sprachmodell weiter. Dieser Leitfaden erklärt RAG, LLMs, Zustand, Gedächtnis und Werkzeuge anhand eines einfachen mentalen Modells.","\u002Fuploads\u002F2026\u002F09\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works-1790377492124-khjagt.webp","2026-09-25T19:03:00.000Z",{"id":2854,"slug":2855,"title":1113,"excerpt":2856,"featuredImage":2857,"publishedAt":2858},"467","the-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers","Eine Quelle kann relevant und maßgeblich sein und dennoch falsch für die gestellte Frage. Die fehlende Ebene ist die Anwendbarkeit: die Bedingungen, unter denen eine Antwort gilt, und die Veränderungen, die erzwingen, dass sie überdacht werden muss. Dieser Artikel führt die Answer Validity Boundary als ein Quellendesign-Muster für Menschen, KI-Suche und RAG-Systeme ein.","\u002Fuploads\u002F2026\u002F09\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers-1790272901306-1g5jly.webp","2026-09-24T11:59:00.000Z","fallback",[],[]]