[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:de":3,"public-menus:all":37,"$fx0yvk46ilyn":264,"related:portfolio:source-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value:de:1":1449},{"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",[49,64,95,111,124,138,148,163,178],{"id":50,"title":51,"url":59,"target":60,"icon":61,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":63},"menu-0d07dc94-51c7-48ba-83d8-b994a7cd1e11",{"de":52,"en":53,"es":54,"fr":55,"it":53,"ru":56,"sr":57,"zh":58},"Startseite","Home","Inicio","Accueil","Главная","Početna","首页","\u002F","_self","i-lucide-house","custom",[],{"id":65,"title":66,"url":75,"target":60,"icon":76,"isActive":13,"type":77,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":78,"children":79},"menu-73bf1e4c-e499-41a0-bc9d-c24546b75658",{"de":67,"en":68,"es":69,"fr":70,"it":71,"ru":72,"sr":73,"zh":74},"Source-of-Truth-Plattform","Source of Truth Platform","Plataforma de fuente de verdad","Plateforme source de vérité","Piattaforma Fonte di Verità","Платформа источника истины","Platforma izvora istine","事实来源平台","\u002Fportfolio\u002Fsource-of-truth-enterprise-intelligence-platform","i-lucide-bot","portfolio",23,[80],{"id":81,"title":82,"url":91,"target":60,"icon":92,"isActive":13,"type":77,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":93,"children":94},"menu-8ce035b5-ba9f-4985-a0f7-e168a4e2ea8e",{"de":83,"en":84,"es":85,"fr":86,"it":87,"ru":88,"sr":89,"zh":90},"Source of Truth jenseits von RAG","Source of Truth Beyond RAG","Fuente de verdad más allá de RAG","Source de vérité au-delà du RAG","Fonte di verità oltre RAG","Источник истины за пределами RAG","Izvor istine izvan RAG-a","超越 RAG 的事实来源","\u002Fportfolio\u002Fsource-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value","i-lucide-route",24,[],{"id":96,"title":97,"url":106,"target":60,"icon":107,"isActive":13,"type":108,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":109,"portfolioId":9,"children":110},"menu-bc3968b2-907c-4851-b8a8-2f273aa53c20",{"de":98,"en":99,"es":100,"fr":101,"it":102,"ru":103,"sr":104,"zh":105},"Produkt- & Plattformarchitektur","Product & Platform Architecture","Arquitectura de producto & plataforma","Architecture produit & plateforme","Architettura di prodotto & piattaforma","Архитектура продукта & платформы","Arhitektura proizvoda & platforme","产品与平台架构","\u002Ftechnical-product-platform-architect-munich-ai-software-delivery","i-lucide-boxes","page",111,[],{"id":112,"title":113,"url":120,"target":60,"icon":121,"isActive":13,"type":108,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":122,"portfolioId":9,"children":123},"item-22",{"de":114,"en":114,"es":115,"fr":114,"it":116,"ru":117,"sr":118,"zh":119},"Vision","Visión","Visione","Видение","Vizija","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":125,"title":126,"url":134,"target":60,"icon":135,"isActive":13,"type":108,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":136,"portfolioId":9,"children":137},"item-19",{"de":127,"en":128,"es":129,"fr":128,"it":130,"ru":131,"sr":132,"zh":133},"Leistungen","Services","Servicios","Servizi","Услуги","Proizvod, platforma i AI usluge","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":139,"title":140,"url":144,"target":60,"icon":145,"isActive":13,"type":108,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":146,"portfolioId":9,"children":147},"item-23",{"de":141,"en":141,"es":141,"fr":141,"it":141,"ru":142,"sr":141,"zh":143},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":149,"title":150,"url":159,"target":60,"icon":160,"isActive":13,"type":108,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":161,"portfolioId":9,"children":162},"item-32",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Nove tehnologije!","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":164,"title":165,"url":174,"target":60,"icon":175,"isActive":13,"type":108,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":176,"portfolioId":9,"children":177},"item-20",{"de":166,"en":167,"es":168,"fr":169,"it":170,"ru":171,"sr":172,"zh":173},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Kontaktirajte nas","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":179,"title":180,"url":189,"target":60,"icon":190,"isActive":13,"type":108,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":191,"portfolioId":9,"children":192},"item-21",{"de":181,"en":182,"es":183,"fr":184,"it":185,"ru":186,"sr":187,"zh":188},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Portfolio","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[193,206,219,234,249],{"id":194,"title":195,"url":189,"target":60,"icon":204,"isActive":13,"type":108,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":191,"portfolioId":9,"children":205},"item-24",{"de":196,"en":197,"es":198,"fr":199,"it":200,"ru":201,"sr":202,"zh":203},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Svi projekti","所有项目","i-lucide-grid-3x3",[],{"id":207,"title":208,"url":216,"target":60,"icon":217,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":218},"item-29",{"de":209,"en":210,"es":211,"fr":212,"it":213,"ru":214,"sr":215,"zh":188},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Lokalno preduzeće na globalnom tržištu","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-globe-2",[],{"id":220,"title":221,"url":230,"target":60,"icon":231,"isActive":13,"type":77,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":232,"children":233},"menu-2916d060-8681-482a-af9a-c107a8bc30d8",{"de":222,"en":223,"es":224,"fr":225,"it":226,"ru":227,"sr":228,"zh":229},"Von Rohdaten zu verifizierbarem KI-Kontext: Eine praktische Architektur für agentenbereite Informationen","From Raw Data to Verifiable AI Context:","De datos sin procesar a contexto de IA verificable: una arquitectura práctica para información lista para agentes","Des données brutes au contexte d'IA vérifiable : une architecture pratique pour des informations prêtes pour les agents","Dai dati grezzi a un contesto IA verificabile: Un'architettura pratica per informazioni pronte per gli agenti","От необработанных данных к верифицируемому контексту ИИ: практическая архитектура информации, готовой для агентов","Praktična arhitektura za AI agente","从原始数据到可验证的 AI 上下文：面向智能体就绪信息的实用架构","\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information","i-lucide-database",22,[],{"id":235,"title":236,"url":245,"target":60,"icon":246,"isActive":13,"type":77,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":247,"children":248},"menu-e2061cd7-ff53-49d5-a0e8-3d49090577c0",{"de":237,"en":238,"es":239,"fr":240,"it":241,"ru":242,"sr":243,"zh":244},"Präsenzplattformen — Unternehmenskommunikation","Presence Platforms — Enterprise Communication","Plataformas de presencia — Comunicación empresarial","Plateformes de présence — Communication d'entreprise","Presence Platforms — Comunicazione aziendale","Платформы присутствия — Корпоративные коммуникации","Presence platforme — Poslovna komunikacija","Presence 平台 — 企业通信","\u002Fportfolio\u002Fpresence-platforms-enterprise-communication-that-wins-without-competing","i-lucide-badge-percent",21,[],{"id":250,"title":251,"url":260,"target":60,"icon":261,"isActive":13,"type":77,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":262,"children":263},"menu-a781582e-e90d-418e-b8c9-b070bc37c37e",{"de":252,"en":253,"es":254,"fr":255,"it":256,"ru":257,"sr":258,"zh":259},"Maximierung des POS-ROI durch Konsistenz","Maximizing POS ROI Through Consistent","Maximizar el ROI del POS a través de constante","Maximiser le ROI du PDV grâce à la cohérence","Massimizzare il ROI del POS attraverso costante","Максимизация ROI POS за счет последовательного","Od vizije do vrednosti","通过持续最大化 POS 投资回报率","\u002Fportfolio\u002Ffrom-vision-to-value-maximizing-pos-roi-through-consistent-ci-creation-and-strategic-branding","i-lucide-briefcase-business",11,[],{"statusCode":4,"data":265,"message":1448},{"id":266,"title":267,"slug":268,"content":269,"contentJson":270,"excerpt":790,"featuredImage":791,"featuredImageAlt":792,"featuredImageCaption":9,"featuredImageTitle":9,"featuredImageCopyright":9,"featuredImageAuthor":9,"featuredImageSourceUrl":9,"featuredImageLicense":9,"featuredImageIsAiGenerated":42,"status":793,"publishedAt":794,"createdAt":795,"updatedAt":796,"seoLocalePaths":797,"author":805,"translations":810},"24","Wahrheitsquelle jenseits von RAG: Evidenzgesteuerte Recherche, Rückverfolgbarkeit und Geschäftswert","source-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value","\u003Cp>\u003Cstrong>Source of Truth (SoT) ist eine evidenzgesteuerte Entscheidungsintelligenz-Plattform, die darauf ausgelegt ist, verteiltes Unternehmenswissen in nachvollziehbare, überprüfbare und wiederverwendbare Schlussfolgerungen zu verwandeln.\u003C\u002Fstrong> 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.\u003C\u002Fp>\n\u003Cp>Der zentrale Wert ist kein besserer Chatbot. Der Wert ist ein gesteuerter Pfad von \u003Cstrong>Frage → Evidenz → Beziehungen → Schlussfolgerung → Überprüfung\u003C\u002Fstrong>. Relevante Informationen können schnell gefunden werden, aber jede wichtige Aussage kann auch mit ihrer Quelle, ihrem Kontext, konkurrierender Evidenz und ihrem Überprüfungsstatus verbunden bleiben.\u003C\u002Fp>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">Das Modell kann bei Recherche und Reasoning unterstützen. Die Evidenzstruktur sorgt dafür, dass die Organisation die Kontrolle behält.\u003Ccite class=\"block mt-2 text-sm\">— Designprinzip von Source of Truth\u003C\u002Fcite>\u003C\u002Fblockquote>\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=\"#organizational-value\" class=\"editorjs-toc__link\">Was Source of Truth für eine Organisation schafft\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#dag-vs-rag\" class=\"editorjs-toc__link\">DAG ist der strukturelle Kern — RAG ist eine Retrieval-Schicht\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#evidence\" class=\"editorjs-toc__link\">Evidenz ist mehr als eine Quellenangabe\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#research-agents\" class=\"editorjs-toc__link\">Recherche-Agenten erweitern die Untersuchung, nicht die Autorität\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#contradictions\" class=\"editorjs-toc__link\">Widersprüche, Alternativen und offene Punkte bleiben sichtbar\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#validity-boundary\" class=\"editorjs-toc__link\">Jede Schlussfolgerung hat eine Beleggrenze\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#governance\" class=\"editorjs-toc__link\">RBAC, Namespaces und Fallbereich halten die Recherche innerhalb organisatorischer Grenzen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#model-independence\" class=\"editorjs-toc__link\">Modelle können sich ändern, ohne zum Wissenssystem zu werden\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#human-review\" class=\"editorjs-toc__link\">Die menschliche Prüfung bleibt die letzte Instanz\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#use-cases\" class=\"editorjs-toc__link\">Wo dies praktischen Nutzen schafft\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#what-it-is\" class=\"editorjs-toc__link\">Was SoT ist — und was es nicht ist\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#implementation\" class=\"editorjs-toc__link\">Aktuelle Implementierungsrichtung\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#faq\" class=\"editorjs-toc__link\">Häufig gestellte Fragen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#key-terms\" class=\"editorjs-toc__link\">Schlüsselbegriffe\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#core-advantage\" class=\"editorjs-toc__link\">Der Kernvorteil: Eine Entscheidung lässt sich bis zu ihrem Beleg zurückverfolgen\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Ch2 id=\"organizational-value\">Was Source of Truth für eine Organisation schafft\u003C\u002Fh2>\n\u003Cp>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.\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\">Business Mehrwert\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Source of Truth reduziert wiederholte manuelle Recherche, bewahrt die Evidenz hinter wichtigen Schlussfolgerungen, macht Unsicherheit und Widersprüche sichtbar, unterstützt kontrollierte KI-Nutzung und verwandelt überprüfte Erkenntnisse in wiederverwendbares Organisationswissen.\u003C\u002Fdiv>\u003C\u002Faside>\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\">Bedarf\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">SoT-Fähigkeit\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Praktischer Nutzen\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Relevantes Wissen finden\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Indizierte freigegebene Quellen und Retrieval\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Weniger Zeit für die Suche über getrennte Systeme hinweg\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Verstehen, warum eine Schlussfolgerung gezogen wurde\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Evidenzbeziehungen und Provenienz\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ein sichtbarer Pfad von der Aussage zurück zur Quelle\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mit widersprüchlichen Informationen umgehen\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Verfolgung von Widersprüchen und alternativer Evidenz\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Unterschiede bleiben sichtbar, statt stillschweigend zusammengeführt zu werden\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mit unvollständiger Evidenz arbeiten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Offene Punkte und Gültigkeitsgrenzen\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Unsicherheit wird explizit und überprüfbar\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">KI sicher teamübergreifend nutzen\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">RBAC, Namespaces und begrenzte Workflows\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">KI-Zugriff folgt organisatorischen Berechtigungen und Kontext\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Frühere Recherche wiederverwenden\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Überprüftes Wissen und persistente Evidenzstruktur\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Wichtige Erkenntnisse verschwinden nicht in einmaligen Chats\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Modelle wechseln, ohne Wissen zu verlieren\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Modellunabhängige Evidenzschicht\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Die Wissensstruktur bleibt stabil, während sich KI-Komponenten weiterentwickeln\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"dag-vs-rag\">DAG ist der strukturelle Kern — RAG ist eine Retrieval-Schicht\u003C\u002Fh2>\n\u003Cp>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 \u003Cstrong>DAG — ein gerichteter azyklischer Graph\u003C\u002Fstrong>. Der DAG repräsentiert, wie Evidenz, Aussagen, Zwischenergebnisse und Schlussfolgerungen voneinander abhängen, ohne zirkuläre Begründungen zu erzeugen.\u003C\u002Fp>\n\u003Cp>Eine RAG-Pipeline beantwortet: \u003Cem>Welche Passagen sind für diese Anfrage relevant?\u003C\u002Fem> Ein SoT-Evidenz-DAG beantwortet eine umfassendere Frage: \u003Cem>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?\u003C\u002Fem>\u003C\u002Fp>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">RAG und der SoT-Evidenz-DAG lösen unterschiedliche Teile des Problems\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\">RAG\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\">Evidenz-DAG in SoT\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\">Hauptzweck\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Relevanten Kontext für eine Anfrage abrufen\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Abhängigkeiten zwischen Evidenz, Aussagen, Erkenntnissen und Schlussfolgerungen darstellen\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Haupteinheit\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Abgerufene Passagen oder Dokumente\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Knoten und gerichtete Evidenzbeziehungen\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Nachvollziehbarkeit\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Kann abgerufene Quellen zitieren\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Kann eine Schlussfolgerung durch ihre unterstützende Kette verfolgen\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Widersprüche\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Kann widersprüchliche Passagen abrufen\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Kann Konflikte als explizite Beziehung oder alternativen Pfad bewahren\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Argumentationsstruktur\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Wird normalerweise zur Abfragezeit zusammengestellt\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Als explizite Abhängigkeitsstruktur persistiert\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Wiederverwendung\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Retrieval wird für jede Anfrage wiederholt\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Überprüfte Beziehungen können zu wiederverwendbarem Organisationswissen werden\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\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\">RAG ist weiterhin wichtig\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">SoT ersetzt das Retrieval nicht. RAG bleibt ein wertvoller Mechanismus, um Kandidaten-Evidenz zu finden. Der DAG ergänzt die persistente Evidenzstruktur, die das Retrieval allein nicht bietet.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Vom Retrieval zur evidenzgesteuerten Entscheidungsintelligenz\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\">Frage\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Forschungsziel und Fallkontext 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\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Abrufen\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">RAG und Suche nutzen, um relevante Kandidaten-Evidenz zu finden.\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\">Evidenz normalisieren\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Quelle, Passage, Metadaten und Provenienz bewahren.\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\">Beziehungen aufbauen\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Evidenz mit Aussagen, Alternativen, Konflikten und Abhängigkeiten verbinden.\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\">Über den DAG schlussfolgern\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Gestützte Pfade bewerten, ohne die Evidenzkette zu verlieren.\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\">Synthetisieren\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Eine Schlussfolgerung erzeugen, die durch die verfügbare Evidenz begrenzt 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\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Überprüfen & freigeben\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Ein menschlicher oder gesteuerter Workflow entscheidet, ob das Ergebnis zu akzeptiertem Wissen wird.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"evidence\">Evidenz ist mehr als eine Quellenangabe\u003C\u002Fh2>\n\u003Cp>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.\u003C\u002Fp>\n\u003Cp>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.\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\">Ebene\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Rolle in SoT\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Quelle\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Originaldokument, Datensatz, Datensatz oder freigegebene externe Eingabe\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Evidenz\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Konkrete Passage, Wert, Beobachtung oder extrahierter Befund\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aussage\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eine Aussage, die die Evidenz stützen, schwächen oder ihr widersprechen kann\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Beziehung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Unterstützung, Abhängigkeit, Alternative, Widerspruch oder andere explizite Verbindung\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Schlussfolgerung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eine Synthese, die aus den gestützten Pfaden abgeleitet wird\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Überprüfungsstatus\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ob das Ergebnis vorläufig, überprüft, akzeptiert oder überholt ist\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Audit-Verlauf\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Wie sich das Wissen und seine unterstützende Struktur im Laufe der Zeit verändert haben\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"research-agents\">Recherche-Agenten erweitern die Untersuchung, nicht die Autorität\u003C\u002Fh2>\n\u003Cp>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.\u003C\u002Fp>\n\u003Cp>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.\u003C\u002Fp>\n\u003Ch2 id=\"contradictions\">Widersprüche, Alternativen und offene Punkte bleiben sichtbar\u003C\u002Fh2>\n\u003Cp>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.\u003C\u002Fp>\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\">Unsicherheit ist nützliche Information\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Offen, widersprüchlich, schwach gestützt oder bedingt gültig sind legitime Wissenszustände. Sie sichtbar zu machen, kann wertvoller sein, als eine vorschnelle einzelne Antwort zu erzwingen.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"validity-boundary\">Jede Schlussfolgerung hat eine Beleggrenze\u003C\u002Fh2>\n\u003Cp>Eine Schlussfolgerung ist nur so stark wie der Belegpfad, der sie stützt. SoT behandelt daher die \u003Cstrong>Gültigkeitsgrenze der Antwort\u003C\u002Fstrong> 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.\u003C\u002Fp>\n\u003Cp>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.\u003C\u002Fp>\n\u003Ch2 id=\"governance\">RBAC, Namespaces und Fallbereich halten die Recherche innerhalb organisatorischer Grenzen\u003C\u002Fh2>\n\u003Cp>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.\u003C\u002Fp>\n\u003Cul>\u003Cli>\u003Cstrong>Fallbereich:\u003C\u002Fstrong> definiert, welche Frage und welcher Belegraum zur aktiven Rechercheaufgabe gehören.\u003C\u002Fli>\u003Cli>\u003Cstrong>Namespaces:\u003C\u002Fstrong> trennen Wissensdomänen und bieten eine strukturelle Grundlage für Zugriffs- und Lebenszyklusrichtlinien.\u003C\u002Fli>\u003Cli>\u003Cstrong>RBAC:\u003C\u002Fstrong> steuert, welche Benutzer und Rollen auf Funktionen, Quellen und Ergebnisse zugreifen dürfen.\u003C\u002Fli>\u003Cli>\u003Cstrong>Datengrenzen:\u003C\u002Fstrong> halten Abruf und Schlussfolgerung im Einklang mit genehmigten Informationsräumen.\u003C\u002Fli>\u003Cli>\u003Cstrong>Prüf-Workflows:\u003C\u002Fstrong> trennen generierte oder vorläufige Ausgaben von akzeptiertem organisatorischem Wissen.\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2 id=\"model-independence\">Modelle können sich ändern, ohne zum Wissenssystem zu werden\u003C\u002Fh2>\n\u003Cp>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.\u003C\u002Fp>\n\u003Cp>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.\u003C\u002Fp>\n\u003Ch2 id=\"human-review\">Die menschliche Prüfung bleibt die letzte Instanz\u003C\u002Fh2>\n\u003Cp>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.\u003C\u002Fp>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">Automatisiere den Recherchepfad, nicht die organisatorische Autorität.\u003Ccite class=\"block mt-2 text-sm\">— Governance-Prinzip der Source of Truth\u003C\u002Fcite>\u003C\u002Fblockquote>\n\u003Ch2 id=\"use-cases\">Wo dies praktischen Nutzen schafft\u003C\u002Fh2>\n\u003Cp>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.\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\">Anwendungsfall\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Was SoT beiträgt\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Richtlinien- und Compliance-Recherche\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Nachvollziehbare Belege, konkurrierende Interpretationen und Prüfhistorie\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Technische Entscheidungsunterstützung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Architekturbeweise, Alternativen, Abhängigkeiten und Entscheidungsbegründung\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Due Diligence und Dokumentenprüfung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Strukturierte Erkenntnisse über große Quellenbestände mit Provenienz\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Interne Wissensrecherche\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Suche plus wiederverwendbare geprüfte Schlussfolgerungen statt einmaliger Chat-Antworten\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Vorfall- und Ursachenanalyse\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Beweispfade, die Beobachtungen, Hypothesen und verifizierte Ursachen verbinden\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Produkt- und Marktintelligenz\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mehrere Quellen, Aussagenvergleich und explizite Unsicherheit\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Regulierte oder sensible Bereiche\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">RBAC, Namespaces, Prüfstatus und auditierbare Entscheidungspfade\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"what-it-is\">Was SoT ist — und was es nicht ist\u003C\u002Fh2>\n\u003Csection class=\"editorjs-pros-cons my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Grenzen von Source of Truth\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 lg:grid-cols-2 gap-4\">\u003Cdiv class=\"rounded-xl border border-emerald-200 bg-emerald-50\u002F50 p-4 dark:border-emerald-900 dark:bg-emerald-950\u002F20\">\u003Ch4 class=\"font-semibold text-emerald-900 dark:text-emerald-200\">SoT ist\u003C\u002Fh4>\u003Cul class=\"mt-3 space-y-2 text-gray-700 dark:text-gray-200\">\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Eine evidenzgesteuerte Entscheidungsintelligenzschicht\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Ein strukturierter Recherche- und Wissensworkflow\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Ein persistenter Beleg- und Abhängigkeitsgraph\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Ein kontrollierter Integrationspunkt für RAG, Agenten und Modelle\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Ein System für Provenienz, Widersprüche, Prüfung und Auditierbarkeit\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Eine wiederverwendbare organisatorische Wissensgrundlage\u003C\u002Fspan>\u003C\u002Fli>\u003C\u002Ful>\u003C\u002Fdiv>\u003Cdiv class=\"rounded-xl border border-red-200 bg-red-50\u002F50 p-4 dark:border-red-900 dark:bg-red-950\u002F20\">\u003Ch4 class=\"font-semibold text-red-900 dark:text-red-200\">SoT ist nicht\u003C\u002Fh4>\u003Cul class=\"mt-3 space-y-2 text-gray-700 dark:text-gray-200\">\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Ein Chatbot, der durch flüssige Antworten autoritativ wird\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Ein Ersatz für Quellenqualität oder Expertenurteil\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Eine Vektordatenbank, die als vollständiges Wissenssystem präsentiert wird\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Eine Einzelmodell-Architektur\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Ein Mechanismus, der jeden Widerspruch automatisch auflöst\u003C\u002Fspan>\u003C\u002Fli>\u003Cli class=\"flex gap-2\">\u003Cspan aria-hidden=\"true\">•\u003C\u002Fspan>\u003Cspan>Ein Ersatz für organisatorische Verantwortung\u003C\u002Fspan>\u003C\u002Fli>\u003C\u002Ful>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"implementation\">Aktuelle Implementierungsrichtung\u003C\u002Fh2>\n\u003Caside class=\"editorjs-experience my-6 rounded-xl border border-amber-200 dark:border-amber-900 bg-amber-50\u002F70 dark:bg-amber-950\u002F20 p-5\">\u003Cdiv class=\"flex flex-wrap items-center justify-between gap-2\">\u003Cstrong class=\"text-sm font-semibold text-amber-900 dark:text-amber-200\">Implementierungsnachweis\u003C\u002Fstrong>\u003Ctime class=\"text-xs text-gray-500 dark:text-gray-400\">2026-11-18\u003C\u002Ftime>\u003C\u002Fdiv>\u003Cdiv class=\"mt-3 text-gray-800 dark:text-gray-100\">Die aktuelle Produktarbeit an Source of Truth kombiniert Dokumentenerfassung, indexiertes Retrieval, Aussagen- und Belegbeziehungen, Widerspruchsbehandlung, mehrstufige Recherche, Belegschlussfolgerung, Namespaces, Rollen- und Berechtigungsgrenzen, Modellintegration, überwachte Läufe und geprüfte Wissenszustände. Die Architektur wird als modulares System entwickelt, in dem Retrieval, Belegverwaltung und Schlussfolgerung je nach Kundenanwendungsfall auch auf unterschiedlichen Ebenen genutzt werden können.\u003C\u002Fdiv>\u003Cdiv class=\"mt-3 text-sm text-gray-600 dark:text-gray-300\">Produktentwicklung und Validierung sind aktiv. Diese Beschreibung erhebt keinen Anspruch auf Kundenakzeptanz, Umsatz, Product-Market-Fit oder Unternehmensskalierung.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"faq\">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 für Unternehmensrecherche und Entscheidungsunterstützung\u003C\u002Fh3>\u003Cdiv id=\"faq-rag\" 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 SoT ein RAG-System?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">RAG ist eine wichtige Retrieval-Schicht innerhalb von SoT. Die umfassendere Architektur ergänzt einen Beleg-DAG, Provenienz, Aussagen, Widersprüche, Schlussfolgerungspfade, Zugriffskontrolle, Prüfstatus und Auditierbarkeit.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-dag\" 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 bedeutet DAG in Source of Truth?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">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.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-dag-rag\" 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\">Ersetzt der DAG RAG?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Nein. RAG ruft Kandidatenbelege ab. Der DAG strukturiert, wie diese Belege mit Aussagen und Schlussfolgerungen zusammenhängen. Sie lösen unterschiedliche Schichten desselben Rechercheworkflows.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-truth\" 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\">Entscheidet SoT automatisch, was wahr ist?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Nein. SoT strukturiert Belege und Schlussfolgerungen, bewahrt Unsicherheit und unterstützt die Prüfung. Akzeptiertes organisatorisches Wissen bleibt eine gesteuerte menschliche oder workflowbasierte Entscheidung.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-model\" 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 SoT an ein KI-Modell oder einen Anbieter gebunden?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">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.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-business\" 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 wichtigste geschäftliche Vorteil?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">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.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"key-terms\">Schlüsselbegriffe\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\">Source-of-Truth-Terminologie\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 (SoT)\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Eine evidenzgesteuerte Entscheidungsintelligenzplattform, die den Pfad von der Unternehmensfrage zu Beleg, Schlussfolgerung, Ergebnis und Prüfung bewahrt.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"rag\" 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\">RAG\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Retrieval-Augmented Generation: Abrufen relevanten Quellenmaterials und Bereitstellen als Kontext für ein generatives Modell.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"dag\" 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\">DAG\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Directed Acyclic Graph: ein gerichteter Graph ohne Zyklen. In SoT repräsentiert er Abhängigkeiten zwischen Belegen, Aussagen, Erkenntnissen und Schlussfolgerungen.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"evidence-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\">Belegprovenienz\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Informationen, die zeigen, woher ein Beleg stammt und wie er in den Recherche- und Schlussfolgerungspfad gelangt ist.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"evidence-relationship\" 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\">Belegbeziehung\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Eine explizite Verbindung, die beschreibt, wie Belege, Aussagen oder Schlussfolgerungen einander stützen, voneinander abhängen, sich widersprechen oder Alternativen zueinander darstellen.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"answer-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 einer Antwort\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Die Bedingungen und Beleggrenzen, innerhalb derer eine Schlussfolgerung gestützt bleibt.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"namespace\" 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\">Namespace\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Eine logische Grenze, die Wissen nach Organisation, Mandant, Projekt, Fall oder Domäne trennt.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"rbac\" 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\">RBAC\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Role-Based Access Control: Autorisierung basierend auf zugewiesenen Rollen und deren erlaubten Aktionen oder Datenbereichen.\u003C\u002Fdd>\u003C\u002Fdiv>\u003C\u002Fdl>\u003C\u002Fsection>\n\u003Ch2 id=\"core-advantage\">Der Kernvorteil: Eine Entscheidung lässt sich bis zu ihrem Beleg zurückverfolgen\u003C\u002Fh2>\n\u003Cp>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, \u003Cstrong>warum\u003C\u002Fstrong> eine Antwort erreicht wurde, \u003Cstrong>welche Belege\u003C\u002Fstrong> sie stützen, \u003Cstrong>wo Unsicherheit bleibt\u003C\u002Fstrong>, \u003Cstrong>welche Alternativen erwogen wurden\u003C\u002Fstrong> und \u003Cstrong>wer das Ergebnis genehmigt hat\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Cp>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.\u003C\u002Fp>",{"time":271,"blocks":272,"version":789},1795027311545,[273,279,284,292,300,306,311,319,357,363,368,373,423,430,459,465,470,475,504,510,515,520,526,531,538,544,549,554,560,565,578,584,589,594,600,605,611,617,622,651,657,680,686,695,701,731,737,773,779,784],{"id":274,"data":275,"type":277,"tunes":278},"intro01",{"text":276},"\u003Cstrong>Source of Truth (SoT) ist eine evidenzgesteuerte Entscheidungsintelligenz-Plattform, die darauf ausgelegt ist, verteiltes Unternehmenswissen in nachvollziehbare, überprüfbare und wiederverwendbare Schlussfolgerungen zu verwandeln.\u003C\u002Fstrong> 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.","paragraph",{},{"id":280,"data":281,"type":277,"tunes":283},"intro02",{"text":282},"Der zentrale Wert ist kein besserer Chatbot. Der Wert ist ein gesteuerter Pfad von \u003Cstrong>Frage → Evidenz → Beziehungen → Schlussfolgerung → Überprüfung\u003C\u002Fstrong>. Relevante Informationen können schnell gefunden werden, aber jede wichtige Aussage kann auch mit ihrer Quelle, ihrem Kontext, konkurrierender Evidenz und ihrem Überprüfungsstatus verbunden bleiben.",{},{"id":285,"data":286,"type":290,"tunes":291},"quote01",{"text":287,"caption":288,"alignment":289},"Das Modell kann bei Recherche und Reasoning unterstützen. Die Evidenzstruktur sorgt dafür, dass die Organisation die Kontrolle behält.","Designprinzip von Source of Truth","left","quote",{},{"id":293,"data":294,"type":298,"tunes":299},"toc01",{"title":295,"maxLevel":296,"minLevel":297},"Inhalt",3,2,"tableOfContents",{},{"id":301,"data":302,"type":41,"tunes":304},"h2value",{"text":303,"level":297},"Was Source of Truth für eine Organisation schafft",{"anchor":305},"organizational-value",{"id":307,"data":308,"type":277,"tunes":310},"pvalue1",{"text":309},"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.",{},{"id":312,"data":313,"type":317,"tunes":318},"callvalue",{"body":314,"title":315,"variant":316},"Source of Truth reduziert wiederholte manuelle Recherche, bewahrt die Evidenz hinter wichtigen Schlussfolgerungen, macht Unsicherheit und Widersprüche sichtbar, unterstützt kontrollierte KI-Nutzung und verwandelt überprüfte Erkenntnisse in wiederverwendbares Organisationswissen.","Business Mehrwert","success","callout",{},{"id":320,"data":321,"type":355,"tunes":356},"valueTable",{"content":322,"stretched":42,"withHeadings":13},[323,327,331,335,339,343,347,351],[324,325,326],"Bedarf","SoT-Fähigkeit","Praktischer Nutzen",[328,329,330],"Relevantes Wissen finden","Indizierte freigegebene Quellen und Retrieval","Weniger Zeit für die Suche über getrennte Systeme hinweg",[332,333,334],"Verstehen, warum eine Schlussfolgerung gezogen wurde","Evidenzbeziehungen und Provenienz","Ein sichtbarer Pfad von der Aussage zurück zur Quelle",[336,337,338],"Mit widersprüchlichen Informationen umgehen","Verfolgung von Widersprüchen und alternativer Evidenz","Unterschiede bleiben sichtbar, statt stillschweigend zusammengeführt zu werden",[340,341,342],"Mit unvollständiger Evidenz arbeiten","Offene Punkte und Gültigkeitsgrenzen","Unsicherheit wird explizit und überprüfbar",[344,345,346],"KI sicher teamübergreifend nutzen","RBAC, Namespaces und begrenzte Workflows","KI-Zugriff folgt organisatorischen Berechtigungen und Kontext",[348,349,350],"Frühere Recherche wiederverwenden","Überprüftes Wissen und persistente Evidenzstruktur","Wichtige Erkenntnisse verschwinden nicht in einmaligen Chats",[352,353,354],"Modelle wechseln, ohne Wissen zu verlieren","Modellunabhängige Evidenzschicht","Die Wissensstruktur bleibt stabil, während sich KI-Komponenten weiterentwickeln","table",{},{"id":358,"data":359,"type":41,"tunes":361},"h2dag",{"text":360,"level":297},"DAG ist der strukturelle Kern — RAG ist eine Retrieval-Schicht",{"anchor":362},"dag-vs-rag",{"id":364,"data":365,"type":277,"tunes":367},"pdag1",{"text":366},"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 \u003Cstrong>DAG — ein gerichteter azyklischer Graph\u003C\u002Fstrong>. Der DAG repräsentiert, wie Evidenz, Aussagen, Zwischenergebnisse und Schlussfolgerungen voneinander abhängen, ohne zirkuläre Begründungen zu erzeugen.",{},{"id":369,"data":370,"type":277,"tunes":372},"pdag2",{"text":371},"Eine RAG-Pipeline beantwortet: \u003Cem>Welche Passagen sind für diese Anfrage relevant?\u003C\u002Fem> Ein SoT-Evidenz-DAG beantwortet eine umfassendere Frage: \u003Cem>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?\u003C\u002Fem>",{},{"id":374,"data":375,"type":421,"tunes":422},"cmpDag",{"rows":376,"title":413,"layout":355,"columns":414},[377,383,389,395,401,407],{"id":378,"label":379,"values":380},"purpose","Hauptzweck",{"dag":381,"rag":382},"Abhängigkeiten zwischen Evidenz, Aussagen, Erkenntnissen und Schlussfolgerungen darstellen","Relevanten Kontext für eine Anfrage abrufen",{"id":384,"label":385,"values":386},"unit","Haupteinheit",{"dag":387,"rag":388},"Knoten und gerichtete Evidenzbeziehungen","Abgerufene Passagen oder Dokumente",{"id":390,"label":391,"values":392},"trace","Nachvollziehbarkeit",{"dag":393,"rag":394},"Kann eine Schlussfolgerung durch ihre unterstützende Kette verfolgen","Kann abgerufene Quellen zitieren",{"id":396,"label":397,"values":398},"conflict","Widersprüche",{"dag":399,"rag":400},"Kann Konflikte als explizite Beziehung oder alternativen Pfad bewahren","Kann widersprüchliche Passagen abrufen",{"id":402,"label":403,"values":404},"reasoning","Argumentationsstruktur",{"dag":405,"rag":406},"Als explizite Abhängigkeitsstruktur persistiert","Wird normalerweise zur Abfragezeit zusammengestellt",{"id":408,"label":409,"values":410},"reuse","Wiederverwendung",{"dag":411,"rag":412},"Überprüfte Beziehungen können zu wiederverwendbarem Organisationswissen werden","Retrieval wird für jede Anfrage wiederholt","RAG und der SoT-Evidenz-DAG lösen unterschiedliche Teile des Problems",[415,418],{"id":416,"label":417},"rag","RAG",{"id":419,"label":420},"dag","Evidenz-DAG in SoT","comparison",{},{"id":424,"data":425,"type":317,"tunes":429},"callDag",{"body":426,"title":427,"variant":428},"SoT ersetzt das Retrieval nicht. RAG bleibt ein wertvoller Mechanismus, um Kandidaten-Evidenz zu finden. Der DAG ergänzt die persistente Evidenzstruktur, die das Retrieval allein nicht bietet.","RAG ist weiterhin wichtig","info",{},{"id":431,"data":432,"type":457,"tunes":458},"flowDag",{"steps":433,"title":455,"orientation":456},[434,437,440,443,446,449,452],{"label":435,"description":436},"Frage","Forschungsziel und Fallkontext definieren.",{"label":438,"description":439},"Abrufen","RAG und Suche nutzen, um relevante Kandidaten-Evidenz zu finden.",{"label":441,"description":442},"Evidenz normalisieren","Quelle, Passage, Metadaten und Provenienz bewahren.",{"label":444,"description":445},"Beziehungen aufbauen","Evidenz mit Aussagen, Alternativen, Konflikten und Abhängigkeiten verbinden.",{"label":447,"description":448},"Über den DAG schlussfolgern","Gestützte Pfade bewerten, ohne die Evidenzkette zu verlieren.",{"label":450,"description":451},"Synthetisieren","Eine Schlussfolgerung erzeugen, die durch die verfügbare Evidenz begrenzt ist.",{"label":453,"description":454},"Überprüfen & freigeben","Ein menschlicher oder gesteuerter Workflow entscheidet, ob das Ergebnis zu akzeptiertem Wissen wird.","Vom Retrieval zur evidenzgesteuerten Entscheidungsintelligenz","auto","processFlow",{},{"id":460,"data":461,"type":41,"tunes":463},"h2evidence",{"text":462,"level":297},"Evidenz ist mehr als eine Quellenangabe",{"anchor":464},"evidence",{"id":466,"data":467,"type":277,"tunes":469},"pevidence1",{"text":468},"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.",{},{"id":471,"data":472,"type":277,"tunes":474},"pevidence2",{"text":473},"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.",{},{"id":476,"data":477,"type":355,"tunes":503},"evidenceTable",{"content":478,"stretched":42,"withHeadings":13},[479,482,485,488,491,494,497,500],[480,481],"Ebene","Rolle in SoT",[483,484],"Quelle","Originaldokument, Datensatz, Datensatz oder freigegebene externe Eingabe",[486,487],"Evidenz","Konkrete Passage, Wert, Beobachtung oder extrahierter Befund",[489,490],"Aussage","Eine Aussage, die die Evidenz stützen, schwächen oder ihr widersprechen kann",[492,493],"Beziehung","Unterstützung, Abhängigkeit, Alternative, Widerspruch oder andere explizite Verbindung",[495,496],"Schlussfolgerung","Eine Synthese, die aus den gestützten Pfaden abgeleitet wird",[498,499],"Überprüfungsstatus","Ob das Ergebnis vorläufig, überprüft, akzeptiert oder überholt ist",[501,502],"Audit-Verlauf","Wie sich das Wissen und seine unterstützende Struktur im Laufe der Zeit verändert haben",{},{"id":505,"data":506,"type":41,"tunes":508},"h2research",{"text":507,"level":297},"Recherche-Agenten erweitern die Untersuchung, nicht die Autorität",{"anchor":509},"research-agents",{"id":511,"data":512,"type":277,"tunes":514},"presearch1",{"text":513},"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.",{},{"id":516,"data":517,"type":277,"tunes":519},"presearch2",{"text":518},"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.",{},{"id":521,"data":522,"type":41,"tunes":524},"h2contradictions",{"text":523,"level":297},"Widersprüche, Alternativen und offene Punkte bleiben sichtbar",{"anchor":525},"contradictions",{"id":527,"data":528,"type":277,"tunes":530},"pcontradictions1",{"text":529},"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.",{},{"id":532,"data":533,"type":317,"tunes":537},"callUncertainty",{"body":534,"title":535,"variant":536},"Offen, widersprüchlich, schwach gestützt oder bedingt gültig sind legitime Wissenszustände. Sie sichtbar zu machen, kann wertvoller sein, als eine vorschnelle einzelne Antwort zu erzwingen.","Unsicherheit ist nützliche Information","note",{},{"id":539,"data":540,"type":41,"tunes":542},"h2validity",{"text":541,"level":297},"Jede Schlussfolgerung hat eine Beleggrenze",{"anchor":543},"validity-boundary",{"id":545,"data":546,"type":277,"tunes":548},"pvalidity1",{"text":547},"Eine Schlussfolgerung ist nur so stark wie der Belegpfad, der sie stützt. SoT behandelt daher die \u003Cstrong>Gültigkeitsgrenze der Antwort\u003C\u002Fstrong> 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.",{},{"id":550,"data":551,"type":277,"tunes":553},"pvalidity2",{"text":552},"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.",{},{"id":555,"data":556,"type":41,"tunes":558},"h2governance",{"text":557,"level":297},"RBAC, Namespaces und Fallbereich halten die Recherche innerhalb organisatorischer Grenzen",{"anchor":559},"governance",{"id":561,"data":562,"type":277,"tunes":564},"pgovernance1",{"text":563},"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.",{},{"id":566,"data":567,"type":576,"tunes":577},"listGov",{"meta":568,"items":569,"style":575},{},[570,571,572,573,574],"\u003Cstrong>Fallbereich:\u003C\u002Fstrong> definiert, welche Frage und welcher Belegraum zur aktiven Rechercheaufgabe gehören.","\u003Cstrong>Namespaces:\u003C\u002Fstrong> trennen Wissensdomänen und bieten eine strukturelle Grundlage für Zugriffs- und Lebenszyklusrichtlinien.","\u003Cstrong>RBAC:\u003C\u002Fstrong> steuert, welche Benutzer und Rollen auf Funktionen, Quellen und Ergebnisse zugreifen dürfen.","\u003Cstrong>Datengrenzen:\u003C\u002Fstrong> halten Abruf und Schlussfolgerung im Einklang mit genehmigten Informationsräumen.","\u003Cstrong>Prüf-Workflows:\u003C\u002Fstrong> trennen generierte oder vorläufige Ausgaben von akzeptiertem organisatorischem Wissen.","unordered","list",{},{"id":579,"data":580,"type":41,"tunes":582},"h2models",{"text":581,"level":297},"Modelle können sich ändern, ohne zum Wissenssystem zu werden",{"anchor":583},"model-independence",{"id":585,"data":586,"type":277,"tunes":588},"pmodels1",{"text":587},"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.",{},{"id":590,"data":591,"type":277,"tunes":593},"pmodels2",{"text":592},"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.",{},{"id":595,"data":596,"type":41,"tunes":598},"h2human",{"text":597,"level":297},"Die menschliche Prüfung bleibt die letzte Instanz",{"anchor":599},"human-review",{"id":601,"data":602,"type":277,"tunes":604},"phuman1",{"text":603},"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.",{},{"id":606,"data":607,"type":290,"tunes":610},"quoteHuman",{"text":608,"caption":609,"alignment":289},"Automatisiere den Recherchepfad, nicht die organisatorische Autorität.","Governance-Prinzip der Source of Truth",{},{"id":612,"data":613,"type":41,"tunes":615},"h2usecases",{"text":614,"level":297},"Wo dies praktischen Nutzen schafft",{"anchor":616},"use-cases",{"id":618,"data":619,"type":277,"tunes":621},"pusecases1",{"text":620},"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.",{},{"id":623,"data":624,"type":355,"tunes":650},"useTable",{"content":625,"stretched":42,"withHeadings":13},[626,629,632,635,638,641,644,647],[627,628],"Anwendungsfall","Was SoT beiträgt",[630,631],"Richtlinien- und Compliance-Recherche","Nachvollziehbare Belege, konkurrierende Interpretationen und Prüfhistorie",[633,634],"Technische Entscheidungsunterstützung","Architekturbeweise, Alternativen, Abhängigkeiten und Entscheidungsbegründung",[636,637],"Due Diligence und Dokumentenprüfung","Strukturierte Erkenntnisse über große Quellenbestände mit Provenienz",[639,640],"Interne Wissensrecherche","Suche plus wiederverwendbare geprüfte Schlussfolgerungen statt einmaliger Chat-Antworten",[642,643],"Vorfall- und Ursachenanalyse","Beweispfade, die Beobachtungen, Hypothesen und verifizierte Ursachen verbinden",[645,646],"Produkt- und Marktintelligenz","Mehrere Quellen, Aussagenvergleich und explizite Unsicherheit",[648,649],"Regulierte oder sensible Bereiche","RBAC, Namespaces, Prüfstatus und auditierbare Entscheidungspfade",{},{"id":652,"data":653,"type":41,"tunes":655},"h2difference",{"text":654,"level":297},"Was SoT ist — und was es nicht ist",{"anchor":656},"what-it-is",{"id":658,"data":659,"type":678,"tunes":679},"proscons01",{"cons":660,"pros":667,"title":674,"layout":675,"consLabel":676,"prosLabel":677},[661,662,663,664,665,666],"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",[668,669,670,671,672,673],"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","Grenzen von Source of Truth","columns","SoT ist nicht","SoT ist","prosCons",{},{"id":681,"data":682,"type":41,"tunes":684},"h2impl",{"text":683,"level":297},"Aktuelle Implementierungsrichtung",{"anchor":685},"implementation",{"id":687,"data":688,"type":693,"tunes":694},"exp01",{"date":689,"text":690,"label":691,"context":692},"2026-11-18","Die aktuelle Produktarbeit an Source of Truth kombiniert Dokumentenerfassung, indexiertes Retrieval, Aussagen- und Belegbeziehungen, Widerspruchsbehandlung, mehrstufige Recherche, Belegschlussfolgerung, Namespaces, Rollen- und Berechtigungsgrenzen, Modellintegration, überwachte Läufe und geprüfte Wissenszustände. Die Architektur wird als modulares System entwickelt, in dem Retrieval, Belegverwaltung und Schlussfolgerung je nach Kundenanwendungsfall auch auf unterschiedlichen Ebenen genutzt werden können.","Implementierungsnachweis","Produktentwicklung und Validierung sind aktiv. Diese Beschreibung erhebt keinen Anspruch auf Kundenakzeptanz, Umsatz, Product-Market-Fit oder Unternehmensskalierung.","experience",{},{"id":696,"data":697,"type":41,"tunes":699},"h2faq",{"text":698,"level":297},"Häufig gestellte Fragen",{"anchor":700},"faq",{"id":702,"data":703,"type":700,"tunes":730},"faq01",{"items":704,"title":729},[705,709,713,717,721,725],{"id":706,"answer":707,"question":708},"faq-rag","RAG ist eine wichtige Retrieval-Schicht innerhalb von SoT. Die umfassendere Architektur ergänzt einen Beleg-DAG, Provenienz, Aussagen, Widersprüche, Schlussfolgerungspfade, Zugriffskontrolle, Prüfstatus und Auditierbarkeit.","Ist SoT ein RAG-System?",{"id":710,"answer":711,"question":712},"faq-dag","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.","Was bedeutet DAG in Source of Truth?",{"id":714,"answer":715,"question":716},"faq-dag-rag","Nein. RAG ruft Kandidatenbelege ab. Der DAG strukturiert, wie diese Belege mit Aussagen und Schlussfolgerungen zusammenhängen. Sie lösen unterschiedliche Schichten desselben Rechercheworkflows.","Ersetzt der DAG RAG?",{"id":718,"answer":719,"question":720},"faq-truth","Nein. SoT strukturiert Belege und Schlussfolgerungen, bewahrt Unsicherheit und unterstützt die Prüfung. Akzeptiertes organisatorisches Wissen bleibt eine gesteuerte menschliche oder workflowbasierte Entscheidung.","Entscheidet SoT automatisch, was wahr ist?",{"id":722,"answer":723,"question":724},"faq-model","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.","Ist SoT an ein KI-Modell oder einen Anbieter gebunden?",{"id":726,"answer":727,"question":728},"faq-business","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.","Was ist der wichtigste geschäftliche Vorteil?","Source of Truth für Unternehmensrecherche und Entscheidungsunterstützung",{},{"id":732,"data":733,"type":41,"tunes":735},"h2gloss",{"text":734,"level":297},"Schlüsselbegriffe",{"anchor":736},"key-terms",{"id":738,"data":739,"type":771,"tunes":772},"gloss01",{"title":740,"entries":741},"Source-of-Truth-Terminologie",[742,746,748,751,755,759,763,767],{"term":743,"anchor":744,"definition":745},"Source of Truth (SoT)","source-of-truth","Eine evidenzgesteuerte Entscheidungsintelligenzplattform, die den Pfad von der Unternehmensfrage zu Beleg, Schlussfolgerung, Ergebnis und Prüfung bewahrt.",{"term":417,"anchor":416,"definition":747},"Retrieval-Augmented Generation: Abrufen relevanten Quellenmaterials und Bereitstellen als Kontext für ein generatives Modell.",{"term":749,"anchor":419,"definition":750},"DAG","Directed Acyclic Graph: ein gerichteter Graph ohne Zyklen. In SoT repräsentiert er Abhängigkeiten zwischen Belegen, Aussagen, Erkenntnissen und Schlussfolgerungen.",{"term":752,"anchor":753,"definition":754},"Belegprovenienz","evidence-provenance","Informationen, die zeigen, woher ein Beleg stammt und wie er in den Recherche- und Schlussfolgerungspfad gelangt ist.",{"term":756,"anchor":757,"definition":758},"Belegbeziehung","evidence-relationship","Eine explizite Verbindung, die beschreibt, wie Belege, Aussagen oder Schlussfolgerungen einander stützen, voneinander abhängen, sich widersprechen oder Alternativen zueinander darstellen.",{"term":760,"anchor":761,"definition":762},"Gültigkeitsgrenze einer Antwort","answer-validity-boundary","Die Bedingungen und Beleggrenzen, innerhalb derer eine Schlussfolgerung gestützt bleibt.",{"term":764,"anchor":765,"definition":766},"Namespace","namespace","Eine logische Grenze, die Wissen nach Organisation, Mandant, Projekt, Fall oder Domäne trennt.",{"term":768,"anchor":769,"definition":770},"RBAC","rbac","Role-Based Access Control: Autorisierung basierend auf zugewiesenen Rollen und deren erlaubten Aktionen oder Datenbereichen.","glossary",{},{"id":774,"data":775,"type":41,"tunes":777},"h2final",{"text":776,"level":297},"Der Kernvorteil: Eine Entscheidung lässt sich bis zu ihrem Beleg zurückverfolgen",{"anchor":778},"core-advantage",{"id":780,"data":781,"type":277,"tunes":783},"pfinal1",{"text":782},"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, \u003Cstrong>warum\u003C\u002Fstrong> eine Antwort erreicht wurde, \u003Cstrong>welche Belege\u003C\u002Fstrong> sie stützen, \u003Cstrong>wo Unsicherheit bleibt\u003C\u002Fstrong>, \u003Cstrong>welche Alternativen erwogen wurden\u003C\u002Fstrong> und \u003Cstrong>wer das Ergebnis genehmigt hat\u003C\u002Fstrong>.",{},{"id":785,"data":786,"type":277,"tunes":788},"pfinal2",{"text":787},"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.",{},"2.31","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.","\u002Fuploads\u002F2026\u002F11\u002Fsot-erklaervideo-corporate-blue-v30-1795025960096-p9mxhp.mp4","sot-erklaervideo-corporate-blue-v30-1795025960096-p9mxhp","PUBLISHED","2026-11-18T16:16:00.000Z","2026-11-18T18:16:12.994Z","2026-11-18T18:40:46.627Z",{"en":91,"de":798,"sr":799,"es":800,"fr":801,"it":802,"ru":803,"zh":804},"\u002Fde\u002Fportfolio\u002Fsource-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value","\u002Fsr\u002Fportfolio\u002Fsource-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value","\u002Fes\u002Fportfolio\u002Fsource-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value","\u002Ffr\u002Fportfolio\u002Fsource-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value","\u002Fit\u002Fportfolio\u002Fsource-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value","\u002Fru\u002Fportfolio\u002Fsource-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value","\u002Fzh\u002Fportfolio\u002Fsource-of-truth-beyond-rag-evidence-governed-research-traceability-and-business-value",{"id":806,"login":807,"email":808,"displayName":809},"20","rooth8233","","Aleksandar Stajić",[811,1035],{"lang":7,"title":267,"content":269,"contentJson":812,"excerpt":790},{"time":271,"blocks":813,"version":789},[814,817,820,823,826,829,832,835,847,850,853,856,875,878,889,892,895,898,910,913,916,919,922,925,928,931,934,937,940,943,948,951,954,957,960,963,966,969,972,984,987,992,995,998,1001,1011,1014,1026,1029,1032],{"id":274,"data":815,"type":277,"tunes":816},{"text":276},{},{"id":280,"data":818,"type":277,"tunes":819},{"text":282},{},{"id":285,"data":821,"type":290,"tunes":822},{"text":287,"caption":288,"alignment":289},{},{"id":293,"data":824,"type":298,"tunes":825},{"title":295,"maxLevel":296,"minLevel":297},{},{"id":301,"data":827,"type":41,"tunes":828},{"text":303,"level":297},{"anchor":305},{"id":307,"data":830,"type":277,"tunes":831},{"text":309},{},{"id":312,"data":833,"type":317,"tunes":834},{"body":314,"title":315,"variant":316},{},{"id":320,"data":836,"type":355,"tunes":846},{"content":837,"stretched":42,"withHeadings":13},[838,839,840,841,842,843,844,845],[324,325,326],[328,329,330],[332,333,334],[336,337,338],[340,341,342],[344,345,346],[348,349,350],[352,353,354],{},{"id":358,"data":848,"type":41,"tunes":849},{"text":360,"level":297},{"anchor":362},{"id":364,"data":851,"type":277,"tunes":852},{"text":366},{},{"id":369,"data":854,"type":277,"tunes":855},{"text":371},{},{"id":374,"data":857,"type":421,"tunes":874},{"rows":858,"title":413,"layout":355,"columns":871},[859,861,863,865,867,869],{"id":378,"label":379,"values":860},{"dag":381,"rag":382},{"id":384,"label":385,"values":862},{"dag":387,"rag":388},{"id":390,"label":391,"values":864},{"dag":393,"rag":394},{"id":396,"label":397,"values":866},{"dag":399,"rag":400},{"id":402,"label":403,"values":868},{"dag":405,"rag":406},{"id":408,"label":409,"values":870},{"dag":411,"rag":412},[872,873],{"id":416,"label":417},{"id":419,"label":420},{},{"id":424,"data":876,"type":317,"tunes":877},{"body":426,"title":427,"variant":428},{},{"id":431,"data":879,"type":457,"tunes":888},{"steps":880,"title":455,"orientation":456},[881,882,883,884,885,886,887],{"label":435,"description":436},{"label":438,"description":439},{"label":441,"description":442},{"label":444,"description":445},{"label":447,"description":448},{"label":450,"description":451},{"label":453,"description":454},{},{"id":460,"data":890,"type":41,"tunes":891},{"text":462,"level":297},{"anchor":464},{"id":466,"data":893,"type":277,"tunes":894},{"text":468},{},{"id":471,"data":896,"type":277,"tunes":897},{"text":473},{},{"id":476,"data":899,"type":355,"tunes":909},{"content":900,"stretched":42,"withHeadings":13},[901,902,903,904,905,906,907,908],[480,481],[483,484],[486,487],[489,490],[492,493],[495,496],[498,499],[501,502],{},{"id":505,"data":911,"type":41,"tunes":912},{"text":507,"level":297},{"anchor":509},{"id":511,"data":914,"type":277,"tunes":915},{"text":513},{},{"id":516,"data":917,"type":277,"tunes":918},{"text":518},{},{"id":521,"data":920,"type":41,"tunes":921},{"text":523,"level":297},{"anchor":525},{"id":527,"data":923,"type":277,"tunes":924},{"text":529},{},{"id":532,"data":926,"type":317,"tunes":927},{"body":534,"title":535,"variant":536},{},{"id":539,"data":929,"type":41,"tunes":930},{"text":541,"level":297},{"anchor":543},{"id":545,"data":932,"type":277,"tunes":933},{"text":547},{},{"id":550,"data":935,"type":277,"tunes":936},{"text":552},{},{"id":555,"data":938,"type":41,"tunes":939},{"text":557,"level":297},{"anchor":559},{"id":561,"data":941,"type":277,"tunes":942},{"text":563},{},{"id":566,"data":944,"type":576,"tunes":947},{"meta":945,"items":946,"style":575},{},[570,571,572,573,574],{},{"id":579,"data":949,"type":41,"tunes":950},{"text":581,"level":297},{"anchor":583},{"id":585,"data":952,"type":277,"tunes":953},{"text":587},{},{"id":590,"data":955,"type":277,"tunes":956},{"text":592},{},{"id":595,"data":958,"type":41,"tunes":959},{"text":597,"level":297},{"anchor":599},{"id":601,"data":961,"type":277,"tunes":962},{"text":603},{},{"id":606,"data":964,"type":290,"tunes":965},{"text":608,"caption":609,"alignment":289},{},{"id":612,"data":967,"type":41,"tunes":968},{"text":614,"level":297},{"anchor":616},{"id":618,"data":970,"type":277,"tunes":971},{"text":620},{},{"id":623,"data":973,"type":355,"tunes":983},{"content":974,"stretched":42,"withHeadings":13},[975,976,977,978,979,980,981,982],[627,628],[630,631],[633,634],[636,637],[639,640],[642,643],[645,646],[648,649],{},{"id":652,"data":985,"type":41,"tunes":986},{"text":654,"level":297},{"anchor":656},{"id":658,"data":988,"type":678,"tunes":991},{"cons":989,"pros":990,"title":674,"layout":675,"consLabel":676,"prosLabel":677},[661,662,663,664,665,666],[668,669,670,671,672,673],{},{"id":681,"data":993,"type":41,"tunes":994},{"text":683,"level":297},{"anchor":685},{"id":687,"data":996,"type":693,"tunes":997},{"date":689,"text":690,"label":691,"context":692},{},{"id":696,"data":999,"type":41,"tunes":1000},{"text":698,"level":297},{"anchor":700},{"id":702,"data":1002,"type":700,"tunes":1010},{"items":1003,"title":729},[1004,1005,1006,1007,1008,1009],{"id":706,"answer":707,"question":708},{"id":710,"answer":711,"question":712},{"id":714,"answer":715,"question":716},{"id":718,"answer":719,"question":720},{"id":722,"answer":723,"question":724},{"id":726,"answer":727,"question":728},{},{"id":732,"data":1012,"type":41,"tunes":1013},{"text":734,"level":297},{"anchor":736},{"id":738,"data":1015,"type":771,"tunes":1025},{"title":740,"entries":1016},[1017,1018,1019,1020,1021,1022,1023,1024],{"term":743,"anchor":744,"definition":745},{"term":417,"anchor":416,"definition":747},{"term":749,"anchor":419,"definition":750},{"term":752,"anchor":753,"definition":754},{"term":756,"anchor":757,"definition":758},{"term":760,"anchor":761,"definition":762},{"term":764,"anchor":765,"definition":766},{"term":768,"anchor":769,"definition":770},{},{"id":774,"data":1027,"type":41,"tunes":1028},{"text":776,"level":297},{"anchor":778},{"id":780,"data":1030,"type":277,"tunes":1031},{"text":782},{},{"id":785,"data":1033,"type":277,"tunes":1034},{"text":787},{},{"lang":1036,"title":1037,"content":1038,"contentJson":1039,"excerpt":1447},"en","Source of Truth Beyond RAG: Evidence-Governed Research, Traceability and Business Value","{\"time\":1795034000000,\"blocks\":[{\"id\":\"intro01\",\"type\":\"paragraph\",\"data\":{\"text\":\"\u003Cstrong>Source of Truth (SoT) is an evidence-governed decision intelligence platform designed to turn distributed enterprise knowledge into traceable, reviewable and reusable conclusions.\u003C\u002Fstrong> It combines controlled source ingestion, retrieval, research agents, evidence relationships, provenance, contradiction handling, reasoning, access control and human review so that an answer is not only generated, but supported by a visible decision path.\"},\"tunes\":{}},{\"id\":\"intro02\",\"type\":\"paragraph\",\"data\":{\"text\":\"The central value is not a better chatbot. The value is a governed path from \u003Cstrong>question → evidence → relationships → conclusion → review\u003C\u002Fstrong>. Relevant information can be found quickly, but every important statement can also remain connected to its source, context, competing evidence and review state.\"},\"tunes\":{}},{\"id\":\"quote01\",\"type\":\"quote\",\"data\":{\"text\":\"The model can assist with research and reasoning. The evidence structure keeps the organization in control.\",\"caption\":\"Source of Truth design principle\",\"alignment\":\"left\"},\"tunes\":{}},{\"id\":\"toc01\",\"type\":\"tableOfContents\",\"data\":{\"title\":\"Contents\",\"minLevel\":2,\"maxLevel\":3},\"tunes\":{}},{\"id\":\"h2value\",\"type\":\"header\",\"data\":{\"text\":\"What Source of Truth Creates for an Organization\",\"level\":2},\"tunes\":{\"anchor\":\"organizational-value\"}},{\"id\":\"pvalue1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Organizations rarely lack information. The greater challenge is that information is distributed across documents, databases, reports, teams and systems, while important decisions require more than a single search result. SoT creates a controlled intelligence layer in which relevant evidence can be located, related, evaluated and preserved.\"},\"tunes\":{}},{\"id\":\"callvalue\",\"type\":\"callout\",\"data\":{\"variant\":\"success\",\"title\":\"Business Mehrwert\",\"body\":\"Source of Truth reduces repeated manual research, preserves the evidence behind important conclusions, exposes uncertainty and contradictions, supports controlled AI use, and turns reviewed findings into reusable organizational knowledge.\"},\"tunes\":{}},{\"id\":\"valueTable\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Need\",\"SoT capability\",\"Practical value\"],[\"Find relevant knowledge\",\"Indexed approved sources and retrieval\",\"Less time spent searching across disconnected systems\"],[\"Understand why a conclusion was reached\",\"Evidence relationships and provenance\",\"A visible path from claim back to source\"],[\"Handle conflicting information\",\"Contradiction and alternative-evidence tracking\",\"Differences remain visible instead of being silently merged\"],[\"Work with incomplete evidence\",\"Open points and validity boundaries\",\"Uncertainty becomes explicit and reviewable\"],[\"Use AI safely across teams\",\"RBAC, namespaces and bounded workflows\",\"AI access follows organizational permissions and context\"],[\"Reuse prior research\",\"Reviewed knowledge and persistent evidence structure\",\"Important findings do not disappear into one-off chats\"],[\"Change models without losing knowledge\",\"Model-independent evidence layer\",\"The knowledge structure remains stable while AI components evolve\"]]},\"tunes\":{}},{\"id\":\"h2dag\",\"type\":\"header\",\"data\":{\"text\":\"DAG Is the Structural Core — RAG Is One Retrieval Layer\",\"level\":2},\"tunes\":{\"anchor\":\"dag-vs-rag\"}},{\"id\":\"pdag1\",\"type\":\"paragraph\",\"data\":{\"text\":\"RAG is useful for understanding one part of the system because it retrieves relevant source material and supplies it as context to an AI model. In SoT, however, the more important structure is a \u003Cstrong>DAG — a Directed Acyclic Graph\u003C\u002Fstrong>. The DAG represents how evidence, claims, intermediate findings and conclusions depend on one another without creating circular justification.\"},\"tunes\":{}},{\"id\":\"pdag2\",\"type\":\"paragraph\",\"data\":{\"text\":\"A RAG pipeline answers: \u003Cem>Which passages are relevant to this query?\u003C\u002Fem> A SoT evidence DAG answers a broader question: \u003Cem>Which claims depend on which evidence, which conclusions depend on which claims, where do alternatives or contradictions exist, and how can the reasoning path be traced backward?\u003C\u002Fem>\"},\"tunes\":{}},{\"id\":\"cmpDag\",\"type\":\"comparison\",\"data\":{\"title\":\"RAG and the SoT evidence DAG solve different parts of the problem\",\"layout\":\"table\",\"columns\":[{\"id\":\"rag\",\"label\":\"RAG\"},{\"id\":\"dag\",\"label\":\"Evidence DAG in SoT\"}],\"rows\":[{\"id\":\"purpose\",\"label\":\"Primary purpose\",\"values\":{\"rag\":\"Retrieve relevant context for a query\",\"dag\":\"Represent dependencies between evidence, claims, findings and conclusions\"}},{\"id\":\"unit\",\"label\":\"Main unit\",\"values\":{\"rag\":\"Retrieved passages or documents\",\"dag\":\"Nodes and directed evidence relationships\"}},{\"id\":\"trace\",\"label\":\"Traceability\",\"values\":{\"rag\":\"Can cite retrieved sources\",\"dag\":\"Can trace a conclusion through its supporting chain\"}},{\"id\":\"conflict\",\"label\":\"Contradictions\",\"values\":{\"rag\":\"May retrieve conflicting passages\",\"dag\":\"Can preserve conflict as an explicit relationship or alternative path\"}},{\"id\":\"reasoning\",\"label\":\"Reasoning structure\",\"values\":{\"rag\":\"Usually assembled at query time\",\"dag\":\"Persisted as an explicit dependency structure\"}},{\"id\":\"reuse\",\"label\":\"Reuse\",\"values\":{\"rag\":\"Retrieval is repeated for each query\",\"dag\":\"Reviewed relationships can become reusable organizational knowledge\"}}]},\"tunes\":{}},{\"id\":\"callDag\",\"type\":\"callout\",\"data\":{\"variant\":\"info\",\"title\":\"RAG is still important\",\"body\":\"SoT does not replace retrieval. RAG remains a valuable mechanism for finding candidate evidence. The DAG adds the persistent evidence structure that retrieval alone does not provide.\"},\"tunes\":{}},{\"id\":\"flowDag\",\"type\":\"processFlow\",\"data\":{\"title\":\"From retrieval to evidence-governed decision intelligence\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"Question\",\"description\":\"Define the research objective and case context.\"},{\"label\":\"Retrieve\",\"description\":\"Use RAG and search to find relevant candidate evidence.\"},{\"label\":\"Normalize evidence\",\"description\":\"Preserve source, passage, metadata and provenance.\"},{\"label\":\"Build relationships\",\"description\":\"Connect evidence to claims, alternatives, conflicts and dependencies.\"},{\"label\":\"Reason over the DAG\",\"description\":\"Evaluate supported paths without losing the evidence chain.\"},{\"label\":\"Synthesize\",\"description\":\"Produce a conclusion bounded by the available evidence.\"},{\"label\":\"Review & release\",\"description\":\"Human or governed workflow decides whether the result becomes accepted knowledge.\"}]},\"tunes\":{}},{\"id\":\"h2evidence\",\"type\":\"header\",\"data\":{\"text\":\"Evidence Is More Than a Citation\",\"level\":2},\"tunes\":{\"anchor\":\"evidence\"}},{\"id\":\"pevidence1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A citation shows where information came from. SoT goes further by preserving the relationship between the source, the concrete passage or observation, the claim derived from it, the reasoning path that uses it and the conclusion that depends on it.\"},\"tunes\":{}},{\"id\":\"pevidence2\",\"type\":\"paragraph\",\"data\":{\"text\":\"That distinction matters when research becomes consequential. A decision-maker may need to know not only which document was cited, but whether the cited material actually supports the claim, whether another source disagrees, whether the source is still valid for the current case and whether the conclusion remains inside its evidence boundary.\"},\"tunes\":{}},{\"id\":\"evidenceTable\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Layer\",\"Role in SoT\"],[\"Source\",\"Original document, dataset, record or approved external input\"],[\"Evidence\",\"Concrete passage, value, observation or extracted finding\"],[\"Claim\",\"A statement that the evidence may support, weaken or contradict\"],[\"Relationship\",\"Support, dependency, alternative, contradiction or other explicit connection\"],[\"Conclusion\",\"A synthesis derived from the supported paths\"],[\"Review state\",\"Whether the result is provisional, reviewed, accepted or superseded\"],[\"Audit history\",\"How the knowledge and its supporting structure changed over time\"]]},\"tunes\":{}},{\"id\":\"h2research\",\"type\":\"header\",\"data\":{\"text\":\"Research Agents Extend the Investigation, Not the Authority\",\"level\":2},\"tunes\":{\"anchor\":\"research-agents\"}},{\"id\":\"presearch1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Some questions cannot be resolved through a single retrieval step. Research agents can therefore plan and execute multiple bounded operations: search, inspect sources, compare evidence, identify gaps, formulate follow-up queries and collect additional findings.\"},\"tunes\":{}},{\"id\":\"presearch2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The agent accelerates the investigation, but authority remains in the evidence structure and review process. Agent output can become a candidate finding; it does not automatically become organizational truth.\"},\"tunes\":{}},{\"id\":\"h2contradictions\",\"type\":\"header\",\"data\":{\"text\":\"Contradictions, Alternatives and Open Points Remain Visible\",\"level\":2},\"tunes\":{\"anchor\":\"contradictions\"}},{\"id\":\"pcontradictions1\",\"type\":\"paragraph\",\"data\":{\"text\":\"One of the strongest differences between an evidence-governed system and a conventional generative interface is that SoT does not need to hide disagreement. Two sources may support different claims. A required document may be missing. A conclusion may only be valid under specific conditions. These states can remain explicit in the graph instead of being flattened into one fluent answer.\"},\"tunes\":{}},{\"id\":\"callUncertainty\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"Uncertainty is useful information\",\"body\":\"Open, contradictory, weakly supported or conditionally valid are legitimate knowledge states. Making them visible can be more valuable than forcing a premature single answer.\"},\"tunes\":{}},{\"id\":\"h2validity\",\"type\":\"header\",\"data\":{\"text\":\"Every Conclusion Has an Evidence Boundary\",\"level\":2},\"tunes\":{\"anchor\":\"validity-boundary\"}},{\"id\":\"pvalidity1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A conclusion is only as strong as the evidence path that supports it. SoT therefore treats the \u003Cstrong>answer validity boundary\u003C\u002Fstrong> as an architectural concern: which evidence was available, which assumptions were used, which alternatives were considered, what remains unresolved and under which conditions the conclusion should still be trusted.\"},\"tunes\":{}},{\"id\":\"pvalidity2\",\"type\":\"paragraph\",\"data\":{\"text\":\"This makes later review possible. When a source changes, a new document arrives or a previously open question is resolved, the affected dependency path can be re-evaluated without reconstructing the entire research process from memory.\"},\"tunes\":{}},{\"id\":\"h2governance\",\"type\":\"header\",\"data\":{\"text\":\"RBAC, Namespaces and Case Scope Keep Research Inside Organizational Boundaries\",\"level\":2},\"tunes\":{\"anchor\":\"governance\"}},{\"id\":\"pgovernance1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Enterprise intelligence must respect organizational boundaries. SoT combines case scope, namespaces and role-based access control so that research can be limited to the correct knowledge domain, project, tenant, department or user role.\"},\"tunes\":{}},{\"id\":\"listGov\",\"type\":\"list\",\"data\":{\"style\":\"unordered\",\"meta\":{},\"items\":[\"\u003Cstrong>Case scope:\u003C\u002Fstrong> defines which question and evidence space belong to the active research task.\",\"\u003Cstrong>Namespaces:\u003C\u002Fstrong> separate knowledge domains and provide a structural basis for access and lifecycle policies.\",\"\u003Cstrong>RBAC:\u003C\u002Fstrong> controls which users and roles may access functions, sources and results.\",\"\u003Cstrong>Data boundaries:\u003C\u002Fstrong> keep retrieval and reasoning aligned with approved information spaces.\",\"\u003Cstrong>Review workflows:\u003C\u002Fstrong> separate generated or provisional output from accepted organizational knowledge.\"]},\"tunes\":{}},{\"id\":\"h2models\",\"type\":\"header\",\"data\":{\"text\":\"Models Can Change Without Becoming the Knowledge System\",\"level\":2},\"tunes\":{\"anchor\":\"model-independence\"}},{\"id\":\"pmodels1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Different tasks can use different AI capabilities: local models, cloud models, extraction models, reasoning models or specialized agents. SoT keeps those model choices separate from the evidence layer. The model helps process knowledge; it does not own the knowledge.\"},\"tunes\":{}},{\"id\":\"pmodels2\",\"type\":\"paragraph\",\"data\":{\"text\":\"This separation creates practical flexibility. A model can be replaced, upgraded or routed differently while the underlying sources, claims, evidence relationships, review states and audit history remain intact.\"},\"tunes\":{}},{\"id\":\"h2human\",\"type\":\"header\",\"data\":{\"text\":\"Human Review Remains the Final Authority\",\"level\":2},\"tunes\":{\"anchor\":\"human-review\"}},{\"id\":\"phuman1\",\"type\":\"paragraph\",\"data\":{\"text\":\"SoT can automate research steps, evidence collection, comparison and synthesis, but consequence-bearing acceptance remains a governance decision. A responsible reviewer or defined organizational workflow decides whether a conclusion is accepted, released, revised or rejected.\"},\"tunes\":{}},{\"id\":\"quoteHuman\",\"type\":\"quote\",\"data\":{\"text\":\"Automate the research path, not the organizational authority.\",\"caption\":\"Source of Truth governance principle\",\"alignment\":\"left\"},\"tunes\":{}},{\"id\":\"h2usecases\",\"type\":\"header\",\"data\":{\"text\":\"Where This Creates Practical Value\",\"level\":2},\"tunes\":{\"anchor\":\"use-cases\"}},{\"id\":\"pusecases1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The architecture is useful wherever decisions depend on distributed evidence, repeated research or explainable conclusions. The strongest use cases are not defined by industry alone, but by the need for traceability, controlled access and reusable knowledge.\"},\"tunes\":{}},{\"id\":\"useTable\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Use case\",\"What SoT contributes\"],[\"Policy and compliance research\",\"Traceable evidence, competing interpretations and review history\"],[\"Technical decision support\",\"Architecture evidence, alternatives, dependencies and decision rationale\"],[\"Due diligence and document review\",\"Structured findings across large source sets with provenance\"],[\"Internal knowledge research\",\"Search plus reusable reviewed conclusions instead of one-off chat answers\"],[\"Incident and root-cause analysis\",\"Evidence paths connecting observations, hypotheses and verified causes\"],[\"Product and market intelligence\",\"Multiple sources, claim comparison and explicit uncertainty\"],[\"Regulated or sensitive domains\",\"RBAC, namespaces, review states and auditable decision paths\"]]},\"tunes\":{}},{\"id\":\"h2difference\",\"type\":\"header\",\"data\":{\"text\":\"What SoT Is — and What It Is Not\",\"level\":2},\"tunes\":{\"anchor\":\"what-it-is\"}},{\"id\":\"proscons01\",\"type\":\"prosCons\",\"data\":{\"title\":\"Source of Truth boundaries\",\"prosLabel\":\"SoT is\",\"consLabel\":\"SoT is not\",\"layout\":\"columns\",\"pros\":[\"An evidence-governed decision intelligence layer\",\"A structured research and knowledge workflow\",\"A persistent evidence and dependency graph\",\"A controlled integration point for RAG, agents and models\",\"A system for provenance, contradictions, review and auditability\",\"A reusable organizational knowledge foundation\"],\"cons\":[\"A chatbot that becomes authoritative by generating fluent answers\",\"A replacement for source quality or expert judgment\",\"A vector database presented as a complete knowledge system\",\"A single-model architecture\",\"A mechanism that automatically resolves every contradiction\",\"A substitute for organizational responsibility\"]},\"tunes\":{}},{\"id\":\"h2impl\",\"type\":\"header\",\"data\":{\"text\":\"Current Implementation Direction\",\"level\":2},\"tunes\":{\"anchor\":\"implementation\"}},{\"id\":\"exp01\",\"type\":\"experience\",\"data\":{\"label\":\"Implementation evidence\",\"text\":\"The current Source of Truth product work combines document ingestion, indexed retrieval, claims and evidence relationships, contradiction handling, multi-step research, evidence reasoning, namespaces, role and permission boundaries, model integration, monitored runs and reviewed knowledge states. The architecture is being developed as a modular system in which retrieval, evidence management and reasoning can also be used at different levels depending on the customer use case.\",\"context\":\"Product development and validation are active. This description does not claim customer adoption, revenue, product-market fit or enterprise scale.\",\"date\":\"2026-11-18\"},\"tunes\":{}},{\"id\":\"h2faq\",\"type\":\"header\",\"data\":{\"text\":\"Frequently Asked Questions\",\"level\":2},\"tunes\":{\"anchor\":\"faq\"}},{\"id\":\"faq01\",\"type\":\"faq\",\"data\":{\"title\":\"Source of Truth for enterprise research and decision support\",\"items\":[{\"id\":\"faq-rag\",\"question\":\"Is SoT a RAG system?\",\"answer\":\"RAG is one important retrieval layer inside SoT. The broader architecture adds an evidence DAG, provenance, claims, contradictions, reasoning paths, access control, review states and auditability.\"},{\"id\":\"faq-dag\",\"question\":\"What does DAG mean in Source of Truth?\",\"answer\":\"DAG means Directed Acyclic Graph. In SoT it represents directed dependencies between evidence, claims, findings and conclusions while preventing circular justification. This makes reasoning paths traceable and reusable.\"},{\"id\":\"faq-dag-rag\",\"question\":\"Does the DAG replace RAG?\",\"answer\":\"No. RAG retrieves candidate evidence. The DAG structures how that evidence relates to claims and conclusions. They solve different layers of the same research workflow.\"},{\"id\":\"faq-truth\",\"question\":\"Does SoT decide what is true automatically?\",\"answer\":\"No. SoT structures evidence and reasoning, preserves uncertainty and supports review. Accepted organizational knowledge remains a governed human or workflow decision.\"},{\"id\":\"faq-model\",\"question\":\"Is SoT tied to one AI model or provider?\",\"answer\":\"No. The architecture separates models and agents from the evidence layer so that local, cloud or hybrid model strategies can evolve without losing the underlying knowledge structure.\"},{\"id\":\"faq-business\",\"question\":\"What is the main business advantage?\",\"answer\":\"The main advantage is a reusable and auditable path from enterprise question to supported conclusion: less repeated manual research, clearer evidence, visible uncertainty, controlled AI access and better continuity of organizational knowledge.\"}]},\"tunes\":{}},{\"id\":\"h2gloss\",\"type\":\"header\",\"data\":{\"text\":\"Key Terms\",\"level\":2},\"tunes\":{\"anchor\":\"key-terms\"}},{\"id\":\"gloss01\",\"type\":\"glossary\",\"data\":{\"title\":\"Source of Truth terminology\",\"entries\":[{\"term\":\"Source of Truth (SoT)\",\"definition\":\"An evidence-governed decision intelligence platform that preserves the path from enterprise question to evidence, reasoning, conclusion and review.\",\"anchor\":\"source-of-truth\"},{\"term\":\"RAG\",\"definition\":\"Retrieval-Augmented Generation: retrieving relevant source material and providing it as context to a generative model.\",\"anchor\":\"rag\"},{\"term\":\"DAG\",\"definition\":\"Directed Acyclic Graph: a directed graph without cycles. In SoT it represents dependencies between evidence, claims, findings and conclusions.\",\"anchor\":\"dag\"},{\"term\":\"Evidence provenance\",\"definition\":\"Information showing where evidence originated and how it entered the research and reasoning path.\",\"anchor\":\"evidence-provenance\"},{\"term\":\"Evidence relationship\",\"definition\":\"An explicit connection describing how evidence, claims or conclusions support, depend on, contradict or provide alternatives to one another.\",\"anchor\":\"evidence-relationship\"},{\"term\":\"Answer validity boundary\",\"definition\":\"The conditions and evidence limits within which a conclusion remains supported.\",\"anchor\":\"answer-validity-boundary\"},{\"term\":\"Namespace\",\"definition\":\"A logical boundary that separates knowledge by organization, tenant, project, case or domain.\",\"anchor\":\"namespace\"},{\"term\":\"RBAC\",\"definition\":\"Role-Based Access Control: authorization based on assigned roles and their permitted actions or data scopes.\",\"anchor\":\"rbac\"}]},\"tunes\":{}},{\"id\":\"h2final\",\"type\":\"header\",\"data\":{\"text\":\"The Core Advantage: A Decision Can Be Traced Back to Its Evidence\",\"level\":2},\"tunes\":{\"anchor\":\"core-advantage\"}},{\"id\":\"pfinal1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The strongest value of Source of Truth is not that AI can produce an answer faster. It is that an organization can preserve \u003Cstrong>why\u003C\u002Fstrong> an answer was reached, \u003Cstrong>which evidence\u003C\u002Fstrong> supports it, \u003Cstrong>where uncertainty remains\u003C\u002Fstrong>, \u003Cstrong>which alternatives were considered\u003C\u002Fstrong> and \u003Cstrong>who approved the result\u003C\u002Fstrong>.\"},\"tunes\":{}},{\"id\":\"pfinal2\",\"type\":\"paragraph\",\"data\":{\"text\":\"RAG helps the system find. The DAG helps the system structure. Research agents help the system investigate. Evidence reasoning helps the system justify. Governance and human review determine what the organization accepts. Together, these layers turn AI-assisted research into reusable decision intelligence.\"},\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":1040,"blocks":1041,"version":1446},1795034000000,[1042,1046,1050,1055,1059,1063,1067,1071,1107,1111,1115,1119,1158,1163,1189,1193,1197,1201,1229,1233,1237,1241,1245,1249,1254,1258,1262,1266,1270,1274,1284,1288,1292,1296,1300,1304,1309,1313,1317,1345,1349,1369,1373,1379,1383,1406,1410,1434,1438,1442],{"id":274,"data":1043,"type":277,"tunes":1045},{"text":1044},"\u003Cstrong>Source of Truth (SoT) is an evidence-governed decision intelligence platform designed to turn distributed enterprise knowledge into traceable, reviewable and reusable conclusions.\u003C\u002Fstrong> It combines controlled source ingestion, retrieval, research agents, evidence relationships, provenance, contradiction handling, reasoning, access control and human review so that an answer is not only generated, but supported by a visible decision path.",{},{"id":280,"data":1047,"type":277,"tunes":1049},{"text":1048},"The central value is not a better chatbot. The value is a governed path from \u003Cstrong>question → evidence → relationships → conclusion → review\u003C\u002Fstrong>. Relevant information can be found quickly, but every important statement can also remain connected to its source, context, competing evidence and review state.",{},{"id":285,"data":1051,"type":290,"tunes":1054},{"text":1052,"caption":1053,"alignment":289},"The model can assist with research and reasoning. The evidence structure keeps the organization in control.","Source of Truth design principle",{},{"id":293,"data":1056,"type":298,"tunes":1058},{"title":1057,"maxLevel":296,"minLevel":297},"Contents",{},{"id":301,"data":1060,"type":41,"tunes":1062},{"text":1061,"level":297},"What Source of Truth Creates for an Organization",{"anchor":305},{"id":307,"data":1064,"type":277,"tunes":1066},{"text":1065},"Organizations rarely lack information. The greater challenge is that information is distributed across documents, databases, reports, teams and systems, while important decisions require more than a single search result. SoT creates a controlled intelligence layer in which relevant evidence can be located, related, evaluated and preserved.",{},{"id":312,"data":1068,"type":317,"tunes":1070},{"body":1069,"title":315,"variant":316},"Source of Truth reduces repeated manual research, preserves the evidence behind important conclusions, exposes uncertainty and contradictions, supports controlled AI use, and turns reviewed findings into reusable organizational knowledge.",{},{"id":320,"data":1072,"type":355,"tunes":1106},{"content":1073,"stretched":42,"withHeadings":13},[1074,1078,1082,1086,1090,1094,1098,1102],[1075,1076,1077],"Need","SoT capability","Practical value",[1079,1080,1081],"Find relevant knowledge","Indexed approved sources and retrieval","Less time spent searching across disconnected systems",[1083,1084,1085],"Understand why a conclusion was reached","Evidence relationships and provenance","A visible path from claim back to source",[1087,1088,1089],"Handle conflicting information","Contradiction and alternative-evidence tracking","Differences remain visible instead of being silently merged",[1091,1092,1093],"Work with incomplete evidence","Open points and validity boundaries","Uncertainty becomes explicit and reviewable",[1095,1096,1097],"Use AI safely across teams","RBAC, namespaces and bounded workflows","AI access follows organizational permissions and context",[1099,1100,1101],"Reuse prior research","Reviewed knowledge and persistent evidence structure","Important findings do not disappear into one-off chats",[1103,1104,1105],"Change models without losing knowledge","Model-independent evidence layer","The knowledge structure remains stable while AI components evolve",{},{"id":358,"data":1108,"type":41,"tunes":1110},{"text":1109,"level":297},"DAG Is the Structural Core — RAG Is One Retrieval Layer",{"anchor":362},{"id":364,"data":1112,"type":277,"tunes":1114},{"text":1113},"RAG is useful for understanding one part of the system because it retrieves relevant source material and supplies it as context to an AI model. In SoT, however, the more important structure is a \u003Cstrong>DAG — a Directed Acyclic Graph\u003C\u002Fstrong>. The DAG represents how evidence, claims, intermediate findings and conclusions depend on one another without creating circular justification.",{},{"id":369,"data":1116,"type":277,"tunes":1118},{"text":1117},"A RAG pipeline answers: \u003Cem>Which passages are relevant to this query?\u003C\u002Fem> A SoT evidence DAG answers a broader question: \u003Cem>Which claims depend on which evidence, which conclusions depend on which claims, where do alternatives or contradictions exist, and how can the reasoning path be traced backward?\u003C\u002Fem>",{},{"id":374,"data":1120,"type":421,"tunes":1157},{"rows":1121,"title":1152,"layout":355,"columns":1153},[1122,1127,1132,1137,1142,1147],{"id":378,"label":1123,"values":1124},"Primary purpose",{"dag":1125,"rag":1126},"Represent dependencies between evidence, claims, findings and conclusions","Retrieve relevant context for a query",{"id":384,"label":1128,"values":1129},"Main unit",{"dag":1130,"rag":1131},"Nodes and directed evidence relationships","Retrieved passages or documents",{"id":390,"label":1133,"values":1134},"Traceability",{"dag":1135,"rag":1136},"Can trace a conclusion through its supporting chain","Can cite retrieved sources",{"id":396,"label":1138,"values":1139},"Contradictions",{"dag":1140,"rag":1141},"Can preserve conflict as an explicit relationship or alternative path","May retrieve conflicting passages",{"id":402,"label":1143,"values":1144},"Reasoning structure",{"dag":1145,"rag":1146},"Persisted as an explicit dependency structure","Usually assembled at query time",{"id":408,"label":1148,"values":1149},"Reuse",{"dag":1150,"rag":1151},"Reviewed relationships can become reusable organizational knowledge","Retrieval is repeated for each query","RAG and the SoT evidence DAG solve different parts of the problem",[1154,1155],{"id":416,"label":417},{"id":419,"label":1156},"Evidence DAG in SoT",{},{"id":424,"data":1159,"type":317,"tunes":1162},{"body":1160,"title":1161,"variant":428},"SoT does not replace retrieval. RAG remains a valuable mechanism for finding candidate evidence. The DAG adds the persistent evidence structure that retrieval alone does not provide.","RAG is still important",{},{"id":431,"data":1164,"type":457,"tunes":1188},{"steps":1165,"title":1187,"orientation":456},[1166,1169,1172,1175,1178,1181,1184],{"label":1167,"description":1168},"Question","Define the research objective and case context.",{"label":1170,"description":1171},"Retrieve","Use RAG and search to find relevant candidate evidence.",{"label":1173,"description":1174},"Normalize evidence","Preserve source, passage, metadata and provenance.",{"label":1176,"description":1177},"Build relationships","Connect evidence to claims, alternatives, conflicts and dependencies.",{"label":1179,"description":1180},"Reason over the DAG","Evaluate supported paths without losing the evidence chain.",{"label":1182,"description":1183},"Synthesize","Produce a conclusion bounded by the available evidence.",{"label":1185,"description":1186},"Review & release","Human or governed workflow decides whether the result becomes accepted knowledge.","From retrieval to evidence-governed decision intelligence",{},{"id":460,"data":1190,"type":41,"tunes":1192},{"text":1191,"level":297},"Evidence Is More Than a Citation",{"anchor":464},{"id":466,"data":1194,"type":277,"tunes":1196},{"text":1195},"A citation shows where information came from. SoT goes further by preserving the relationship between the source, the concrete passage or observation, the claim derived from it, the reasoning path that uses it and the conclusion that depends on it.",{},{"id":471,"data":1198,"type":277,"tunes":1200},{"text":1199},"That distinction matters when research becomes consequential. A decision-maker may need to know not only which document was cited, but whether the cited material actually supports the claim, whether another source disagrees, whether the source is still valid for the current case and whether the conclusion remains inside its evidence boundary.",{},{"id":476,"data":1202,"type":355,"tunes":1228},{"content":1203,"stretched":42,"withHeadings":13},[1204,1207,1210,1213,1216,1219,1222,1225],[1205,1206],"Layer","Role in SoT",[1208,1209],"Source","Original document, dataset, record or approved external input",[1211,1212],"Evidence","Concrete passage, value, observation or extracted finding",[1214,1215],"Claim","A statement that the evidence may support, weaken or contradict",[1217,1218],"Relationship","Support, dependency, alternative, contradiction or other explicit connection",[1220,1221],"Conclusion","A synthesis derived from the supported paths",[1223,1224],"Review state","Whether the result is provisional, reviewed, accepted or superseded",[1226,1227],"Audit history","How the knowledge and its supporting structure changed over time",{},{"id":505,"data":1230,"type":41,"tunes":1232},{"text":1231,"level":297},"Research Agents Extend the Investigation, Not the Authority",{"anchor":509},{"id":511,"data":1234,"type":277,"tunes":1236},{"text":1235},"Some questions cannot be resolved through a single retrieval step. Research agents can therefore plan and execute multiple bounded operations: search, inspect sources, compare evidence, identify gaps, formulate follow-up queries and collect additional findings.",{},{"id":516,"data":1238,"type":277,"tunes":1240},{"text":1239},"The agent accelerates the investigation, but authority remains in the evidence structure and review process. Agent output can become a candidate finding; it does not automatically become organizational truth.",{},{"id":521,"data":1242,"type":41,"tunes":1244},{"text":1243,"level":297},"Contradictions, Alternatives and Open Points Remain Visible",{"anchor":525},{"id":527,"data":1246,"type":277,"tunes":1248},{"text":1247},"One of the strongest differences between an evidence-governed system and a conventional generative interface is that SoT does not need to hide disagreement. Two sources may support different claims. A required document may be missing. A conclusion may only be valid under specific conditions. These states can remain explicit in the graph instead of being flattened into one fluent answer.",{},{"id":532,"data":1250,"type":317,"tunes":1253},{"body":1251,"title":1252,"variant":536},"Open, contradictory, weakly supported or conditionally valid are legitimate knowledge states. Making them visible can be more valuable than forcing a premature single answer.","Uncertainty is useful information",{},{"id":539,"data":1255,"type":41,"tunes":1257},{"text":1256,"level":297},"Every Conclusion Has an Evidence Boundary",{"anchor":543},{"id":545,"data":1259,"type":277,"tunes":1261},{"text":1260},"A conclusion is only as strong as the evidence path that supports it. SoT therefore treats the \u003Cstrong>answer validity boundary\u003C\u002Fstrong> as an architectural concern: which evidence was available, which assumptions were used, which alternatives were considered, what remains unresolved and under which conditions the conclusion should still be trusted.",{},{"id":550,"data":1263,"type":277,"tunes":1265},{"text":1264},"This makes later review possible. When a source changes, a new document arrives or a previously open question is resolved, the affected dependency path can be re-evaluated without reconstructing the entire research process from memory.",{},{"id":555,"data":1267,"type":41,"tunes":1269},{"text":1268,"level":297},"RBAC, Namespaces and Case Scope Keep Research Inside Organizational Boundaries",{"anchor":559},{"id":561,"data":1271,"type":277,"tunes":1273},{"text":1272},"Enterprise intelligence must respect organizational boundaries. SoT combines case scope, namespaces and role-based access control so that research can be limited to the correct knowledge domain, project, tenant, department or user role.",{},{"id":566,"data":1275,"type":576,"tunes":1283},{"meta":1276,"items":1277,"style":575},{},[1278,1279,1280,1281,1282],"\u003Cstrong>Case scope:\u003C\u002Fstrong> defines which question and evidence space belong to the active research task.","\u003Cstrong>Namespaces:\u003C\u002Fstrong> separate knowledge domains and provide a structural basis for access and lifecycle policies.","\u003Cstrong>RBAC:\u003C\u002Fstrong> controls which users and roles may access functions, sources and results.","\u003Cstrong>Data boundaries:\u003C\u002Fstrong> keep retrieval and reasoning aligned with approved information spaces.","\u003Cstrong>Review workflows:\u003C\u002Fstrong> separate generated or provisional output from accepted organizational knowledge.",{},{"id":579,"data":1285,"type":41,"tunes":1287},{"text":1286,"level":297},"Models Can Change Without Becoming the Knowledge System",{"anchor":583},{"id":585,"data":1289,"type":277,"tunes":1291},{"text":1290},"Different tasks can use different AI capabilities: local models, cloud models, extraction models, reasoning models or specialized agents. SoT keeps those model choices separate from the evidence layer. The model helps process knowledge; it does not own the knowledge.",{},{"id":590,"data":1293,"type":277,"tunes":1295},{"text":1294},"This separation creates practical flexibility. A model can be replaced, upgraded or routed differently while the underlying sources, claims, evidence relationships, review states and audit history remain intact.",{},{"id":595,"data":1297,"type":41,"tunes":1299},{"text":1298,"level":297},"Human Review Remains the Final Authority",{"anchor":599},{"id":601,"data":1301,"type":277,"tunes":1303},{"text":1302},"SoT can automate research steps, evidence collection, comparison and synthesis, but consequence-bearing acceptance remains a governance decision. A responsible reviewer or defined organizational workflow decides whether a conclusion is accepted, released, revised or rejected.",{},{"id":606,"data":1305,"type":290,"tunes":1308},{"text":1306,"caption":1307,"alignment":289},"Automate the research path, not the organizational authority.","Source of Truth governance principle",{},{"id":612,"data":1310,"type":41,"tunes":1312},{"text":1311,"level":297},"Where This Creates Practical Value",{"anchor":616},{"id":618,"data":1314,"type":277,"tunes":1316},{"text":1315},"The architecture is useful wherever decisions depend on distributed evidence, repeated research or explainable conclusions. The strongest use cases are not defined by industry alone, but by the need for traceability, controlled access and reusable knowledge.",{},{"id":623,"data":1318,"type":355,"tunes":1344},{"content":1319,"stretched":42,"withHeadings":13},[1320,1323,1326,1329,1332,1335,1338,1341],[1321,1322],"Use case","What SoT contributes",[1324,1325],"Policy and compliance research","Traceable evidence, competing interpretations and review history",[1327,1328],"Technical decision support","Architecture evidence, alternatives, dependencies and decision rationale",[1330,1331],"Due diligence and document review","Structured findings across large source sets with provenance",[1333,1334],"Internal knowledge research","Search plus reusable reviewed conclusions instead of one-off chat answers",[1336,1337],"Incident and root-cause analysis","Evidence paths connecting observations, hypotheses and verified causes",[1339,1340],"Product and market intelligence","Multiple sources, claim comparison and explicit uncertainty",[1342,1343],"Regulated or sensitive domains","RBAC, namespaces, review states and auditable decision paths",{},{"id":652,"data":1346,"type":41,"tunes":1348},{"text":1347,"level":297},"What SoT Is — and What It Is Not",{"anchor":656},{"id":658,"data":1350,"type":678,"tunes":1368},{"cons":1351,"pros":1358,"title":1365,"layout":675,"consLabel":1366,"prosLabel":1367},[1352,1353,1354,1355,1356,1357],"A chatbot that becomes authoritative by generating fluent answers","A replacement for source quality or expert judgment","A vector database presented as a complete knowledge system","A single-model architecture","A mechanism that automatically resolves every contradiction","A substitute for organizational responsibility",[1359,1360,1361,1362,1363,1364],"An evidence-governed decision intelligence layer","A structured research and knowledge workflow","A persistent evidence and dependency graph","A controlled integration point for RAG, agents and models","A system for provenance, contradictions, review and auditability","A reusable organizational knowledge foundation","Source of Truth boundaries","SoT is not","SoT is",{},{"id":681,"data":1370,"type":41,"tunes":1372},{"text":1371,"level":297},"Current Implementation Direction",{"anchor":685},{"id":687,"data":1374,"type":693,"tunes":1378},{"date":689,"text":1375,"label":1376,"context":1377},"The current Source of Truth product work combines document ingestion, indexed retrieval, claims and evidence relationships, contradiction handling, multi-step research, evidence reasoning, namespaces, role and permission boundaries, model integration, monitored runs and reviewed knowledge states. The architecture is being developed as a modular system in which retrieval, evidence management and reasoning can also be used at different levels depending on the customer use case.","Implementation evidence","Product development and validation are active. This description does not claim customer adoption, revenue, product-market fit or enterprise scale.",{},{"id":696,"data":1380,"type":41,"tunes":1382},{"text":1381,"level":297},"Frequently Asked Questions",{"anchor":700},{"id":702,"data":1384,"type":700,"tunes":1405},{"items":1385,"title":1404},[1386,1389,1392,1395,1398,1401],{"id":706,"answer":1387,"question":1388},"RAG is one important retrieval layer inside SoT. The broader architecture adds an evidence DAG, provenance, claims, contradictions, reasoning paths, access control, review states and auditability.","Is SoT a RAG system?",{"id":710,"answer":1390,"question":1391},"DAG means Directed Acyclic Graph. In SoT it represents directed dependencies between evidence, claims, findings and conclusions while preventing circular justification. This makes reasoning paths traceable and reusable.","What does DAG mean in Source of Truth?",{"id":714,"answer":1393,"question":1394},"No. RAG retrieves candidate evidence. The DAG structures how that evidence relates to claims and conclusions. They solve different layers of the same research workflow.","Does the DAG replace RAG?",{"id":718,"answer":1396,"question":1397},"No. SoT structures evidence and reasoning, preserves uncertainty and supports review. Accepted organizational knowledge remains a governed human or workflow decision.","Does SoT decide what is true automatically?",{"id":722,"answer":1399,"question":1400},"No. The architecture separates models and agents from the evidence layer so that local, cloud or hybrid model strategies can evolve without losing the underlying knowledge structure.","Is SoT tied to one AI model or provider?",{"id":726,"answer":1402,"question":1403},"The main advantage is a reusable and auditable path from enterprise question to supported conclusion: less repeated manual research, clearer evidence, visible uncertainty, controlled AI access and better continuity of organizational knowledge.","What is the main business advantage?","Source of Truth for enterprise research and decision support",{},{"id":732,"data":1407,"type":41,"tunes":1409},{"text":1408,"level":297},"Key Terms",{"anchor":736},{"id":738,"data":1411,"type":771,"tunes":1433},{"title":1412,"entries":1413},"Source of Truth terminology",[1414,1416,1418,1420,1423,1426,1429,1431],{"term":743,"anchor":744,"definition":1415},"An evidence-governed decision intelligence platform that preserves the path from enterprise question to evidence, reasoning, conclusion and review.",{"term":417,"anchor":416,"definition":1417},"Retrieval-Augmented Generation: retrieving relevant source material and providing it as context to a generative model.",{"term":749,"anchor":419,"definition":1419},"Directed Acyclic Graph: a directed graph without cycles. In SoT it represents dependencies between evidence, claims, findings and conclusions.",{"term":1421,"anchor":753,"definition":1422},"Evidence provenance","Information showing where evidence originated and how it entered the research and reasoning path.",{"term":1424,"anchor":757,"definition":1425},"Evidence relationship","An explicit connection describing how evidence, claims or conclusions support, depend on, contradict or provide alternatives to one another.",{"term":1427,"anchor":761,"definition":1428},"Answer validity boundary","The conditions and evidence limits within which a conclusion remains supported.",{"term":764,"anchor":765,"definition":1430},"A logical boundary that separates knowledge by organization, tenant, project, case or domain.",{"term":768,"anchor":769,"definition":1432},"Role-Based Access Control: authorization based on assigned roles and their permitted actions or data scopes.",{},{"id":774,"data":1435,"type":41,"tunes":1437},{"text":1436,"level":297},"The Core Advantage: A Decision Can Be Traced Back to Its Evidence",{"anchor":778},{"id":780,"data":1439,"type":277,"tunes":1441},{"text":1440},"The strongest value of Source of Truth is not that AI can produce an answer faster. It is that an organization can preserve \u003Cstrong>why\u003C\u002Fstrong> an answer was reached, \u003Cstrong>which evidence\u003C\u002Fstrong> supports it, \u003Cstrong>where uncertainty remains\u003C\u002Fstrong>, \u003Cstrong>which alternatives were considered\u003C\u002Fstrong> and \u003Cstrong>who approved the result\u003C\u002Fstrong>.",{},{"id":785,"data":1443,"type":277,"tunes":1445},{"text":1444},"RAG helps the system find. The DAG helps the system structure. Research agents help the system investigate. Evidence reasoning helps the system justify. Governance and human review determine what the organization accepts. Together, these layers turn AI-assisted research into reusable decision intelligence.",{},"2.31.6","How the Source of Truth Enterprise Intelligence Platform moves beyond retrieval by combining controlled case scope, RAG, research agents, evidence reasoning, contradiction handling, RBAC, namespaces and human review into an auditable path from enterprise question to supported decision.","Portfolio erfolgreich abgerufen",{"items":1450,"source":1458,"manualIds":1459,"manualMatchedIds":1460},[1451],{"id":1452,"slug":1453,"title":1454,"excerpt":1455,"featuredImage":1456,"publishedAt":1457},"23","source-of-truth-enterprise-intelligence-platform","Source of Truth Enterprise Intelligence Platform","Eine selbst gehostete, evidenzbasierte Unternehmensintelligenzplattform, die internes Unternehmenswissen, Dokumente und Geschäftsdaten in nachverfolgbare Intelligenz für Recherche, Entscheidungen, Monitoring und kontrollierte KI-Ausführung umwandelt.","\u002Fuploads\u002F2026\u002F10\u002Fsource-of-truth-enterprise-intelligence-platform-1791975594140-vygojf.webp","2026-10-14T06:27:00.000Z","fallback",[],[]]