Wahrheitsquelle jenseits von RAG: Evidenzgesteuerte Recherche, Rückverfolgbarkeit und Geschäftswert

Wie die Source-of-Truth-Enterprise-Intelligence-Plattform über das Retrieval hinausgeht, indem sie kontrollierten Fallumfang, RAG, Research-Agents, Evidenzschlussfolgerung, Widerspruchsbehandlung, RBAC, Namespaces und menschliche Prüfung zu einem auditierbaren Pfad von der Unternehmensfrage zur fundierten Entscheidung kombiniert.
Veröffentlicht:
Aktualisiert:
Aleksandar Stajić
published

Source of Truth (SoT) ist eine evidenzgesteuerte Entscheidungsintelligenz-Plattform, die darauf ausgelegt ist, verteiltes Unternehmenswissen in nachvollziehbare, überprüfbare und wiederverwendbare Schlussfolgerungen zu verwandeln. Sie kombiniert kontrollierte Quellenerfassung, Retrieval, Recherche-Agenten, Evidenzbeziehungen, Provenienz, Widerspruchsbehandlung, Reasoning, Zugriffskontrolle und menschliche Überprüfung, sodass eine Antwort nicht nur generiert, sondern durch einen sichtbaren Entscheidungspfad gestützt wird.

Der zentrale Wert ist kein besserer Chatbot. Der Wert ist ein gesteuerter Pfad von Frage → Evidenz → Beziehungen → Schlussfolgerung → Überprüfung. Relevante Informationen können schnell gefunden werden, aber jede wichtige Aussage kann auch mit ihrer Quelle, ihrem Kontext, konkurrierender Evidenz und ihrem Überprüfungsstatus verbunden bleiben.

Das Modell kann bei Recherche und Reasoning unterstützen. Die Evidenzstruktur sorgt dafür, dass die Organisation die Kontrolle behält.— Designprinzip von Source of Truth

Was Source of Truth für eine Organisation schafft

Organisationen mangelt es selten an Informationen. Die größere Herausforderung besteht darin, dass Informationen über Dokumente, Datenbanken, Berichte, Teams und Systeme verteilt sind, während wichtige Entscheidungen mehr als ein einzelnes Suchergebnis erfordern. SoT schafft eine kontrollierte Intelligenzschicht, in der relevante Evidenz gefunden, in Beziehung gesetzt, bewertet und bewahrt werden kann.

BedarfSoT-FähigkeitPraktischer Nutzen
Relevantes Wissen findenIndizierte freigegebene Quellen und RetrievalWeniger Zeit für die Suche über getrennte Systeme hinweg
Verstehen, warum eine Schlussfolgerung gezogen wurdeEvidenzbeziehungen und ProvenienzEin sichtbarer Pfad von der Aussage zurück zur Quelle
Mit widersprüchlichen Informationen umgehenVerfolgung von Widersprüchen und alternativer EvidenzUnterschiede bleiben sichtbar, statt stillschweigend zusammengeführt zu werden
Mit unvollständiger Evidenz arbeitenOffene Punkte und GültigkeitsgrenzenUnsicherheit wird explizit und überprüfbar
KI sicher teamübergreifend nutzenRBAC, Namespaces und begrenzte WorkflowsKI-Zugriff folgt organisatorischen Berechtigungen und Kontext
Frühere Recherche wiederverwendenÜberprüftes Wissen und persistente EvidenzstrukturWichtige Erkenntnisse verschwinden nicht in einmaligen Chats
Modelle wechseln, ohne Wissen zu verlierenModellunabhängige EvidenzschichtDie Wissensstruktur bleibt stabil, während sich KI-Komponenten weiterentwickeln

DAG ist der strukturelle Kern — RAG ist eine Retrieval-Schicht

RAG ist nützlich, um einen Teil des Systems zu verstehen, da es relevantes Quellmaterial abruft und als Kontext für ein KI-Modell bereitstellt. In SoT ist jedoch die wichtigere Struktur ein DAG — ein gerichteter azyklischer Graph. Der DAG repräsentiert, wie Evidenz, Aussagen, Zwischenergebnisse und Schlussfolgerungen voneinander abhängen, ohne zirkuläre Begründungen zu erzeugen.

Eine RAG-Pipeline beantwortet: Welche Passagen sind für diese Anfrage relevant? Ein SoT-Evidenz-DAG beantwortet eine umfassendere Frage: Welche Aussagen hängen von welcher Evidenz ab, welche Schlussfolgerungen hängen von welchen Aussagen ab, wo existieren Alternativen oder Widersprüche, und wie kann der Argumentationspfad rückwärts verfolgt werden?

RAG und der SoT-Evidenz-DAG lösen unterschiedliche Teile des Problems

RAGEvidenz-DAG in SoT
HauptzweckRelevanten Kontext für eine Anfrage abrufenAbhängigkeiten zwischen Evidenz, Aussagen, Erkenntnissen und Schlussfolgerungen darstellen
HaupteinheitAbgerufene Passagen oder DokumenteKnoten und gerichtete Evidenzbeziehungen
NachvollziehbarkeitKann abgerufene Quellen zitierenKann eine Schlussfolgerung durch ihre unterstützende Kette verfolgen
WidersprücheKann widersprüchliche Passagen abrufenKann Konflikte als explizite Beziehung oder alternativen Pfad bewahren
ArgumentationsstrukturWird normalerweise zur Abfragezeit zusammengestelltAls explizite Abhängigkeitsstruktur persistiert
WiederverwendungRetrieval wird für jede Anfrage wiederholtÜberprüfte Beziehungen können zu wiederverwendbarem Organisationswissen werden

Vom Retrieval zur evidenzgesteuerten Entscheidungsintelligenz

1
Frage
Forschungsziel und Fallkontext definieren.
2
Abrufen
RAG und Suche nutzen, um relevante Kandidaten-Evidenz zu finden.
3
Evidenz normalisieren
Quelle, Passage, Metadaten und Provenienz bewahren.
4
Beziehungen aufbauen
Evidenz mit Aussagen, Alternativen, Konflikten und Abhängigkeiten verbinden.
5
Über den DAG schlussfolgern
Gestützte Pfade bewerten, ohne die Evidenzkette zu verlieren.
6
Synthetisieren
Eine Schlussfolgerung erzeugen, die durch die verfügbare Evidenz begrenzt ist.
7
Überprüfen & freigeben
Ein menschlicher oder gesteuerter Workflow entscheidet, ob das Ergebnis zu akzeptiertem Wissen wird.

Evidenz ist mehr als eine Quellenangabe

Eine Quellenangabe zeigt, woher eine Information stammt. SoT geht weiter, indem es die Beziehung zwischen der Quelle, der konkreten Passage oder Beobachtung, der daraus abgeleiteten Aussage, dem Argumentationspfad, der sie nutzt, und der Schlussfolgerung, die davon abhängt, bewahrt.

Diese Unterscheidung ist wichtig, wenn Recherche folgenreich wird. Ein Entscheidungsträger muss möglicherweise nicht nur wissen, welches Dokument zitiert wurde, sondern ob das zitierte Material die Aussage tatsächlich stützt, ob eine andere Quelle widerspricht, ob die Quelle für den aktuellen Fall noch gültig ist und ob die Schlussfolgerung innerhalb ihrer Evidenzgrenze bleibt.

EbeneRolle in SoT
QuelleOriginaldokument, Datensatz, Datensatz oder freigegebene externe Eingabe
EvidenzKonkrete Passage, Wert, Beobachtung oder extrahierter Befund
AussageEine Aussage, die die Evidenz stützen, schwächen oder ihr widersprechen kann
BeziehungUnterstützung, Abhängigkeit, Alternative, Widerspruch oder andere explizite Verbindung
SchlussfolgerungEine Synthese, die aus den gestützten Pfaden abgeleitet wird
ÜberprüfungsstatusOb das Ergebnis vorläufig, überprüft, akzeptiert oder überholt ist
Audit-VerlaufWie sich das Wissen und seine unterstützende Struktur im Laufe der Zeit verändert haben

Recherche-Agenten erweitern die Untersuchung, nicht die Autorität

Manche Fragen lassen sich nicht mit einem einzigen Abrufschritt beantworten. Recherche-Agenten können daher mehrere begrenzte Operationen planen und ausführen: suchen, Quellen prüfen, Belege vergleichen, Lücken identifizieren, Folgefragen formulieren und zusätzliche Erkenntnisse sammeln.

Der Agent beschleunigt die Untersuchung, aber die Autorität bleibt in der Belegstruktur und im Prüfprozess. Die Ausgabe des Agenten kann zu einem Kandidatenbefund werden; sie wird nicht automatisch zur organisatorischen Wahrheit.

Widersprüche, Alternativen und offene Punkte bleiben sichtbar

Einer der stärksten Unterschiede zwischen einem beleggeführten System und einer konventionellen generativen Schnittstelle besteht darin, dass SoT Uneinigkeit nicht verbergen muss. Zwei Quellen können unterschiedliche Aussagen stützen. Ein erforderliches Dokument kann fehlen. Eine Schlussfolgerung kann nur unter bestimmten Bedingungen gültig sein. Diese Zustände können im Graphen explizit bleiben, statt zu einer einzigen flüssigen Antwort verflacht zu werden.

Jede Schlussfolgerung hat eine Beleggrenze

Eine Schlussfolgerung ist nur so stark wie der Belegpfad, der sie stützt. SoT behandelt daher die Gültigkeitsgrenze der Antwort als architektonische Angelegenheit: welche Belege verfügbar waren, welche Annahmen verwendet wurden, welche Alternativen berücksichtigt wurden, was ungelöst bleibt und unter welchen Bedingungen der Schlussfolgerung weiterhin vertraut werden sollte.

Dies ermöglicht eine spätere Überprüfung. Wenn sich eine Quelle ändert, ein neues Dokument eintrifft oder eine zuvor offene Frage geklärt wird, kann der betroffene Abhängigkeitspfad neu bewertet werden, ohne den gesamten Rechercheprozess aus dem Gedächtnis rekonstruieren zu müssen.

RBAC, Namespaces und Fallbereich halten die Recherche innerhalb organisatorischer Grenzen

Unternehmensintelligenz muss organisatorische Grenzen respektieren. SoT kombiniert Fallbereich, Namespaces und rollenbasierte Zugriffskontrolle, sodass die Recherche auf die richtige Wissensdomäne, das richtige Projekt, den richtigen Mandanten, die richtige Abteilung oder die richtige Benutzerrolle beschränkt werden kann.

  • Fallbereich: definiert, welche Frage und welcher Belegraum zur aktiven Rechercheaufgabe gehören.
  • Namespaces: trennen Wissensdomänen und bieten eine strukturelle Grundlage für Zugriffs- und Lebenszyklusrichtlinien.
  • RBAC: steuert, welche Benutzer und Rollen auf Funktionen, Quellen und Ergebnisse zugreifen dürfen.
  • Datengrenzen: halten Abruf und Schlussfolgerung im Einklang mit genehmigten Informationsräumen.
  • Prüf-Workflows: trennen generierte oder vorläufige Ausgaben von akzeptiertem organisatorischem Wissen.

Modelle können sich ändern, ohne zum Wissenssystem zu werden

Verschiedene Aufgaben können unterschiedliche KI-Fähigkeiten nutzen: lokale Modelle, Cloud-Modelle, Extraktionsmodelle, Schlussfolgerungsmodelle oder spezialisierte Agenten. SoT hält diese Modellentscheidungen von der Belegschicht getrennt. Das Modell hilft, Wissen zu verarbeiten; es besitzt das Wissen nicht.

Diese Trennung schafft praktische Flexibilität. Ein Modell kann ersetzt, aktualisiert oder anders weitergeleitet werden, während die zugrunde liegenden Quellen, Aussagen, Belegbeziehungen, Prüfzustände und Prüfverläufe intakt bleiben.

Die menschliche Prüfung bleibt die letzte Instanz

SoT kann Rechercheschritte, Belegerfassung, Vergleich und Synthese automatisieren, aber die folgenreiche Akzeptanz bleibt eine Governance-Entscheidung. Ein verantwortlicher Prüfer oder ein definierter organisatorischer Workflow entscheidet, ob eine Schlussfolgerung akzeptiert, freigegeben, überarbeitet oder abgelehnt wird.

Automatisiere den Recherchepfad, nicht die organisatorische Autorität.— Governance-Prinzip der Source of Truth

Wo dies praktischen Nutzen schafft

Die Architektur ist überall dort nützlich, wo Entscheidungen von verteilten Belegen, wiederholter Recherche oder erklärbaren Schlussfolgerungen abhängen. Die stärksten Anwendungsfälle werden nicht allein durch die Branche definiert, sondern durch das Bedürfnis nach Nachvollziehbarkeit, kontrolliertem Zugriff und wiederverwendbarem Wissen.

AnwendungsfallWas SoT beiträgt
Richtlinien- und Compliance-RechercheNachvollziehbare Belege, konkurrierende Interpretationen und Prüfhistorie
Technische EntscheidungsunterstützungArchitekturbeweise, Alternativen, Abhängigkeiten und Entscheidungsbegründung
Due Diligence und DokumentenprüfungStrukturierte Erkenntnisse über große Quellenbestände mit Provenienz
Interne WissensrechercheSuche plus wiederverwendbare geprüfte Schlussfolgerungen statt einmaliger Chat-Antworten
Vorfall- und UrsachenanalyseBeweispfade, die Beobachtungen, Hypothesen und verifizierte Ursachen verbinden
Produkt- und MarktintelligenzMehrere Quellen, Aussagenvergleich und explizite Unsicherheit
Regulierte oder sensible BereicheRBAC, Namespaces, Prüfstatus und auditierbare Entscheidungspfade

Was SoT ist — und was es nicht ist

Grenzen von Source of Truth

SoT ist

  • Eine evidenzgesteuerte Entscheidungsintelligenzschicht
  • Ein strukturierter Recherche- und Wissensworkflow
  • Ein persistenter Beleg- und Abhängigkeitsgraph
  • Ein kontrollierter Integrationspunkt für RAG, Agenten und Modelle
  • Ein System für Provenienz, Widersprüche, Prüfung und Auditierbarkeit
  • Eine wiederverwendbare organisatorische Wissensgrundlage

SoT ist nicht

  • Ein Chatbot, der durch flüssige Antworten autoritativ wird
  • Ein Ersatz für Quellenqualität oder Expertenurteil
  • Eine Vektordatenbank, die als vollständiges Wissenssystem präsentiert wird
  • Eine Einzelmodell-Architektur
  • Ein Mechanismus, der jeden Widerspruch automatisch auflöst
  • Ein Ersatz für organisatorische Verantwortung

Aktuelle Implementierungsrichtung

Häufig gestellte Fragen

Source of Truth für Unternehmensrecherche und Entscheidungsunterstützung

Ist SoT ein RAG-System?

RAG ist eine wichtige Retrieval-Schicht innerhalb von SoT. Die umfassendere Architektur ergänzt einen Beleg-DAG, Provenienz, Aussagen, Widersprüche, Schlussfolgerungspfade, Zugriffskontrolle, Prüfstatus und Auditierbarkeit.

Was bedeutet DAG in Source of Truth?

DAG bedeutet Directed Acyclic Graph (gerichteter azyklischer Graph). In SoT repräsentiert er gerichtete Abhängigkeiten zwischen Belegen, Aussagen, Erkenntnissen und Schlussfolgerungen und verhindert zirkuläre Begründungen. Dadurch werden Schlussfolgerungspfade nachvollziehbar und wiederverwendbar.

Ersetzt der DAG RAG?

Nein. RAG ruft Kandidatenbelege ab. Der DAG strukturiert, wie diese Belege mit Aussagen und Schlussfolgerungen zusammenhängen. Sie lösen unterschiedliche Schichten desselben Rechercheworkflows.

Entscheidet SoT automatisch, was wahr ist?

Nein. SoT strukturiert Belege und Schlussfolgerungen, bewahrt Unsicherheit und unterstützt die Prüfung. Akzeptiertes organisatorisches Wissen bleibt eine gesteuerte menschliche oder workflowbasierte Entscheidung.

Ist SoT an ein KI-Modell oder einen Anbieter gebunden?

Nein. Die Architektur trennt Modelle und Agenten von der Belegschicht, sodass lokale, Cloud- oder hybride Modellstrategien sich weiterentwickeln können, ohne die zugrunde liegende Wissensstruktur zu verlieren.

Was ist der wichtigste geschäftliche Vorteil?

Der wichtigste Vorteil ist ein wiederverwendbarer und auditierbarer Pfad von der Unternehmensfrage zur gestützten Schlussfolgerung: weniger wiederholte manuelle Recherche, klarere Belege, sichtbare Unsicherheit, kontrollierter KI-Zugriff und bessere Kontinuität des organisatorischen Wissens.

Schlüsselbegriffe

Source-of-Truth-Terminologie

Source of Truth (SoT)
Eine evidenzgesteuerte Entscheidungsintelligenzplattform, die den Pfad von der Unternehmensfrage zu Beleg, Schlussfolgerung, Ergebnis und Prüfung bewahrt.
RAG
Retrieval-Augmented Generation: Abrufen relevanten Quellenmaterials und Bereitstellen als Kontext für ein generatives Modell.
DAG
Directed Acyclic Graph: ein gerichteter Graph ohne Zyklen. In SoT repräsentiert er Abhängigkeiten zwischen Belegen, Aussagen, Erkenntnissen und Schlussfolgerungen.
Belegprovenienz
Informationen, die zeigen, woher ein Beleg stammt und wie er in den Recherche- und Schlussfolgerungspfad gelangt ist.
Belegbeziehung
Eine explizite Verbindung, die beschreibt, wie Belege, Aussagen oder Schlussfolgerungen einander stützen, voneinander abhängen, sich widersprechen oder Alternativen zueinander darstellen.
Gültigkeitsgrenze einer Antwort
Die Bedingungen und Beleggrenzen, innerhalb derer eine Schlussfolgerung gestützt bleibt.
Namespace
Eine logische Grenze, die Wissen nach Organisation, Mandant, Projekt, Fall oder Domäne trennt.
RBAC
Role-Based Access Control: Autorisierung basierend auf zugewiesenen Rollen und deren erlaubten Aktionen oder Datenbereichen.

Der Kernvorteil: Eine Entscheidung lässt sich bis zu ihrem Beleg zurückverfolgen

Der stärkste Wert von Source of Truth liegt nicht darin, dass KI schneller eine Antwort produzieren kann. Er liegt darin, dass eine Organisation bewahren kann, warum eine Antwort erreicht wurde, welche Belege sie stützen, wo Unsicherheit bleibt, welche Alternativen erwogen wurden und wer das Ergebnis genehmigt hat.

RAG hilft dem System zu finden. Der DAG hilft dem System zu strukturieren. Rechercheagenten helfen dem System zu untersuchen. Belegschlussfolgerung hilft dem System zu begründen. Governance und menschliche Prüfung bestimmen, was die Organisation akzeptiert. Zusammen verwandeln diese Schichten KI-gestützte Recherche in wiederverwendbare Entscheidungsintelligenz.