Wahrheitsquelle jenseits von RAG: Evidenzgesteuerte Recherche, Rückverfolgbarkeit und Geschäftswert
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.
| Bedarf | SoT-Fähigkeit | Praktischer Nutzen |
|---|---|---|
| Relevantes Wissen finden | Indizierte freigegebene Quellen und Retrieval | Weniger Zeit für die Suche über getrennte Systeme hinweg |
| Verstehen, warum eine Schlussfolgerung gezogen wurde | Evidenzbeziehungen und Provenienz | Ein sichtbarer Pfad von der Aussage zurück zur Quelle |
| Mit widersprüchlichen Informationen umgehen | Verfolgung von Widersprüchen und alternativer Evidenz | Unterschiede bleiben sichtbar, statt stillschweigend zusammengeführt zu werden |
| Mit unvollständiger Evidenz arbeiten | Offene Punkte und Gültigkeitsgrenzen | Unsicherheit wird explizit und überprüfbar |
| KI sicher teamübergreifend nutzen | RBAC, Namespaces und begrenzte Workflows | KI-Zugriff folgt organisatorischen Berechtigungen und Kontext |
| Frühere Recherche wiederverwenden | Überprüftes Wissen und persistente Evidenzstruktur | Wichtige Erkenntnisse verschwinden nicht in einmaligen Chats |
| Modelle wechseln, ohne Wissen zu verlieren | Modellunabhängige Evidenzschicht | Die 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
| RAG | Evidenz-DAG in SoT | |
|---|---|---|
| Hauptzweck | Relevanten Kontext für eine Anfrage abrufen | Abhängigkeiten zwischen Evidenz, Aussagen, Erkenntnissen und Schlussfolgerungen darstellen |
| Haupteinheit | Abgerufene Passagen oder Dokumente | Knoten und gerichtete Evidenzbeziehungen |
| Nachvollziehbarkeit | Kann abgerufene Quellen zitieren | Kann eine Schlussfolgerung durch ihre unterstützende Kette verfolgen |
| Widersprüche | Kann widersprüchliche Passagen abrufen | Kann Konflikte als explizite Beziehung oder alternativen Pfad bewahren |
| Argumentationsstruktur | Wird normalerweise zur Abfragezeit zusammengestellt | Als explizite Abhängigkeitsstruktur persistiert |
| Wiederverwendung | Retrieval wird für jede Anfrage wiederholt | Überprüfte Beziehungen können zu wiederverwendbarem Organisationswissen werden |
Vom Retrieval zur evidenzgesteuerten Entscheidungsintelligenz
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.
| Ebene | Rolle in SoT |
|---|---|
| Quelle | Originaldokument, Datensatz, Datensatz oder freigegebene externe Eingabe |
| Evidenz | Konkrete Passage, Wert, Beobachtung oder extrahierter Befund |
| Aussage | Eine Aussage, die die Evidenz stützen, schwächen oder ihr widersprechen kann |
| Beziehung | Unterstützung, Abhängigkeit, Alternative, Widerspruch oder andere explizite Verbindung |
| Schlussfolgerung | Eine Synthese, die aus den gestützten Pfaden abgeleitet wird |
| Überprüfungsstatus | Ob das Ergebnis vorläufig, überprüft, akzeptiert oder überholt ist |
| Audit-Verlauf | Wie 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.
| Anwendungsfall | Was SoT beiträgt |
|---|---|
| Richtlinien- und Compliance-Recherche | Nachvollziehbare Belege, konkurrierende Interpretationen und Prüfhistorie |
| Technische Entscheidungsunterstützung | Architekturbeweise, Alternativen, Abhängigkeiten und Entscheidungsbegründung |
| Due Diligence und Dokumentenprüfung | Strukturierte Erkenntnisse über große Quellenbestände mit Provenienz |
| Interne Wissensrecherche | Suche plus wiederverwendbare geprüfte Schlussfolgerungen statt einmaliger Chat-Antworten |
| Vorfall- und Ursachenanalyse | Beweispfade, die Beobachtungen, Hypothesen und verifizierte Ursachen verbinden |
| Produkt- und Marktintelligenz | Mehrere Quellen, Aussagenvergleich und explizite Unsicherheit |
| Regulierte oder sensible Bereiche | RBAC, 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?
Was bedeutet DAG in Source of Truth?
Ersetzt der DAG RAG?
Entscheidet SoT automatisch, was wahr ist?
Ist SoT an ein KI-Modell oder einen Anbieter gebunden?
Was ist der wichtigste geschäftliche Vorteil?
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.
