Gestalten · C2 · 8 Stufen

Wissensdatenbanken pflegen

In C1 hast du den Agenten angelegt. Jetzt befüllst, optimierst und diagnostizierst du seine Wissensdatenbank — bis die Antworten sitzen.

Was du in diesem Tutorial tust

Wir befüllen den Container „Produkthandbücher" des Helpdesk-Assistenten, prüfen die Container-Strategie, stellen das Chunking richtig ein und tunen die Suche über die Knowledge-Base-Diagnose. Bau-Modus: echte Reiter und Felder als Konfigurations-Mockups, plus die Verarbeitungskette als Animation.

Voraussetzung: C1 (Agent und Start-Container angelegt). Worum es konzeptuell geht, erklärt B3 — hier geht es ums Pflegen und Tunen.

Quellenhinweis: Wo das Schritt-Tutorial 17 vom Referenzkapitel 4 abweicht, gilt das Referenzkapitel (+ „gegen Instanz prüfen").

Quellen und Stand

Geprüft gegen das AuxData-Administrator-Handbuch (Stand Juni 2026), Kapitel 4 (Wissensdatenbank), 3.5/3.7 (Chunking) und 12.6 (LightRAG-Datenschutz) sowie das Schritt-Tutorial 17.

Stufe 1 von 8

Container-Strategie

Wissen sinnvoll trennen.

1Container als Ordnungsprinzip

Ein Container ist eine logische Sammlung mit eigenem Bereich in der Vektor-Datenbank; er zählt Dokumente und Chunks separat. (AH 4.1)

Trenne nach Thema (HR, IT, Produkt), Zeit (Archiv 2024, Aktuell 2026) oder Projekt. Pro Agent sind beliebig viele Container möglich; Rechte steuerst du am Agenten, nicht über Dokument-Tags. (AH 4.1; AH 2.7; Tut 17 S4.1)

Produkthandbücher
unser Start-Container für den Helpdesk-Assistenten.
FAQ
kurze Frage-Antwort-Paare (anderes Chunking, siehe Stufe 4).
Release-Notes
zeitlich getrennt, regelmäßig erneuert.

2Strategie festlegen

Container-Strategie
Start-Container
Produkthandbücher
Optionaler Zusatz
FAQ oder Release-Notes nur anlegen, wenn Such-/Pflegegründe dafür sprechen.
Wichtig
Jeder Container erhält automatisch einen eigenen Bereich in der Vektor-Datenbank.
Echte Wissensdatenbank-Übersicht des Demo-Agenten: Container-Karten „Alle Dokumente
C2-S01 · Wissensdatenbank-Übersicht an der Demo-Instanz (Container + „+" zum Erstellen)
Vorsicht: „Wissens-DB leeren" löscht alle Dokumente der Wissensdatenbank, die Container-Definitionen bleiben aber bestehen. Das ist ein Admin-Werkzeug, kein normaler Pflege-Schritt. (AH 4.1)
✎ Bauaufgabe: Welche Container braucht der Helpdesk-Assistent neben „Produkthandbücher"?

✓ Das hast du jetzt erledigt

Stufe 2 von 8

Dokumente hochladen

Drei Wege ins Wissen.

1Datei, URL oder Text

Der Upload-Dialog hat drei Reiter. (AH 4.2; AH 4.5)

Datei hochladen
PDF, DOCX, ODT, TXT, HTML, XLSX, CSV, JSON, RTF, MP4/WAV/MP3, Bilder.
URL (Web-Crawler)
Startadresse + Tiefe + max. Seitenzahl; jede Seite wird ein Dokument. Begrenzungen schützen vor ausufernden Crawls.
Text direkt
Titel + Inhalt für punktuelle Ergänzungen.
Datei hochladenURL (Web-Crawler)Text direkt
Datei hochladen
Datei
Produkthandbuch_v3.pdf hierher ziehen …
Container
Produkthandbücher
Bildinformationen auslesenVision-Modell, erhöht Kosten
aus
Manueller Kontextwird jedem Chunk mitgegeben
Offizielles Produkthandbuch der Muster GmbH, Stand 2026.
Echter Dokument-hinzufügen-Dialog: Tabs Datei hochladen, URL, Text; Dropzone für PDF/DOCX/TXT/CSV; Optionen für Bildauslesen und manuellen Kontext
C2-S02 · Dialog „Dokument hinzufügen" an der Demo-Instanz (Datei/URL/Text, Dropzone, manueller Kontext)
Audio & Video: Medien werden transkribiert; Dateien > 24 MB zerlegt die Plattform automatisch in 45-Minuten-Segmente, bei Videos wird die Tonspur per ffmpeg extrahiert. (AH 4.2)
Mehrere Dokumente auf einmal: In der Dokumentenliste wählst du Dokumente per Checkbox (Auswahl bleibt über Seitenwechsel erhalten) und kannst sie verschieben oder löschen (mit Sicherheitsabfrage). Ein Bilanzdialog zählt erfolgreiche und fehlgeschlagene Aktionen; fehlgeschlagene Dokumente bleiben rot markiert. (AH 4.3)
Divergenz: Das Schritt-Tutorial spricht von „Tags/Kategorien auf Dokument-Ebene" — die gibt es so nicht. Kategorien sitzen auf Service-, Workflow- und Marktplatz-Ebene (AH 4.5); auf Dokument-Ebene wirken Container + manueller Kontext + Metadaten (Titel/Link/Seite).
✎ Bauaufgabe: Welchen manuellen Kontext-Satz gibst du den Produkthandbüchern mit?

✓ Das hast du jetzt erledigt

Stufe 3 von 8

Verarbeitung & Status

Was nach dem Upload passiert.

1Die Verarbeitungskette

Nach dem Hochladen läuft eine asynchrone Kette — Anreicherung und LightRAG nur, wenn aktiviert. (AH 4.2)

Upload
Chunking
Anreicherung*
Embedding
LightRAG*
suchbar
* optional · Speicherung in MySQL + pgvector · Muster GmbH

2Status in der Dokumentenliste

PROCESSING_CHUNKING
wird in Chunks zerlegt.
PROCESSING_CONTEXTENRICHMENT
Kontext-Anreicherung läuft.
PROCESSING_CHUNKPROCESSING
Embeddings werden berechnet.
PROCESSING_LIGHTRAG
Wissensgraph wird aufgebaut.
FINISHED_SUCCESSFUL
einsatzbereit — ab jetzt suchbar.
FINISHED_ERROR
Fehler — Meldung im Detail.
Dokumentkarte Muster-Handbuch.txt mit dem Status Erfolgreich verarbeitet und den verfügbaren Dokumentaktionen
C2-S04 · Eine erfolgreich verarbeitete Datei in der Demo-Dokumentliste; die Symbole darunter öffnen Vorschau, Bearbeitung, erneute Verarbeitung, Analyse und Löschen.

Quelle: AH 4.3.

3Pro-Dokument-Aktionen

In der Dokumentenliste kannst du Chunks einsehen, neu chunken, Analyseergebnisse öffnen oder Dokumente löschen. Beim Löschen verschwinden Dokument, Chunks und Vektoren; LightRAG-Einträge werden im Lebenszyklus mitgedacht. (AH 4.3, 4.10)

✎ Bauaufgabe: Ein Dokument hängt auf FINISHED_ERROR — wo schaust du nach der Ursache?

✓ Das hast du jetzt erledigt

Stufe 4 von 8

Chunking richtig einstellen

Die richtige Größe je Dokumenttyp.

1Chunk-Größe nach Dokumenttyp

Die Chunk-Größe entscheidet über Präzision vs. Zusammenhang. AH nennt 1000 Zeichen als Startwert und 1000–2000 als typischen Bereich; kleinere oder größere Werte sind Praxisheuristiken, die du testen solltest. (AH 3.5/3.7; Tut 17 S2.1)

Klein (500–800)
präzise Fakten, FAQ, kurze Q&A.
Mittel (1000–1500)
ausgewogen — guter Standard.
Groß (2000+)
zusammenhängende Texte, Erzählung.
Rolling Chunks (~10 % Überlappung) bleiben aktiv, damit kein Zusammenhang an der Schnittkante verloren geht. „Neu chunken" verarbeitet das Dokument erneut über dieselbe Dokument-ID und zieht die aktuelle Agent-Konfiguration. (AH 3.5/3.7, 4.3)
Divergenz: Das Schritt-Tutorial nennt die Überlappung „Overlap" — im Reiter heißt sie Rolling Chunks. (AH 3.5)
✎ Bauaufgabe: Welche Chunk-Größe wählst du für den FAQ-Container — und warum nicht 2500?

✓ Das hast du jetzt erledigt

Stufe 5 von 8

Such-Diagnose & Quality-Gate-Tuning

Sehen, was die Suche findet — und nachregeln.

1Knowledge-Base-Suche als Diagnose

Gib einen Suchbegriff ein und sieh, welche Treffer mit welchem Score (in %) zurückkommen. (AH 4.4)

Knowledge-Base-Suche
Suchbegriff
Gerät auf Werkseinstellungen zurücksetzen
Chunks anzeigen
an
Echte Knowledge-Base-Suche: Frage zu Homeoffice-Regelungen, gefundenes Dokument Muster-Handbuch.txt mit Ähnlichkeit 51,90 Prozent und Chunk-Treffer
C2-S03 · Knowledge-Base-Suche an der Demo-Instanz (Treffer mit Score in %)
Produkthandbuch_v3.pdf
Score 86 % · 4 Chunks — entspricht 0,86 und liegt oberhalb eines Gates von 0,60.
Schnellstart.pdf
Score 61 % · 2 Chunks.
Altes_Handbuch_2019.pdf
Score 37 % — unter dem Quality Gate, verworfen.
Knowledge-Base-Suchmaske (offizielle Abbildung aus dem Admin-Handbuch)
Offizielle Abbildung aus dem Admin-Handbuch (Kap. 4) — die Suchmaske der Wissensdatenbank mit Treffern und Score.

2Die Stellschrauben

Faustregel: Kommt eine bekannte Antwort nicht zurück, prüfe zuerst, ob das Dokument fertig verarbeitet ist und ob die Knowledge-Base-Suche überhaupt Treffer liefert. Danach Chunk-Limit erhöhen oder Quality Gate senken. Die Abfrageanalyse nutzt Gate-Werte von 0.0–1.0 und maximale Ergebnisanzahl für A/B-Tests. (AH 4.4, 4.6)
Divergenz: Das Schritt-Tutorial nennt eine „Suchgewichtung 70 % semantisch / 30 % Stichwort" und eine „kombinierte Suche" — das ist in Kapitel 4 nicht dokumentiert (dort: semantische Suche mit Score). Gegen die konkrete Instanz prüfen.
✎ Bauaufgabe: Ein wichtiger Absatz wird nicht gefunden — erhöhst du zuerst das Chunk-Limit oder senkst das Quality Gate? Begründe.

✓ Das hast du jetzt erledigt

Stufe 6 von 8

LightRAG-Entitäten pflegen

Den Wissensgraph sauber halten.

1Was LightRAG erzeugt

Bei aktivem LightRAG extrahiert ein LLM pro Chunk Entitäten (Personen, Organisationen, Orte, Konzepte) und Relationen — ein Wissensgraph neben der Vektor-DB. (AH 4.7)

Die Entitäten-Ansicht zeigt je Eintrag Name, Beschreibung, Relevanz-Score und verknüpfte Relationen.

2Pflege für bessere Qualität

Aliase vergeben
„M. Mustermann" = „Max Mustermann" zusammenführen.
Falsch-Entitäten löschen
versehentlich extrahierte Treffer entfernen.
Datenschutz: Der Graph speichert Personen und Beziehungen explizit. Entitäten regelmäßig sichten, Falsch-Entitäten löschen und LightRAG für sensible Container deaktivieren (vertieft Track D4). (AH 4.7, 12.6)
✎ Bauaufgabe: Welche Entitäten würdest du in den Produkthandbüchern erwarten — und welche wären ein DSGVO-Warnsignal?

✓ Das hast du jetzt erledigt

Stufe 7 von 8

Qualitätssicherung & Wartung

Dauerhaft gute Antworten.

1Testen

Lege Testfragen an und prüfe die Antworten gegen die Quellen; nutze Suche/Abfrageanalyse für Score-Diagnose und behalte Performance und Token-Kosten im Blick. (AH 4.6, 4.8; Tut 17 S5)

2Dokumentlebenszyklus

  1. Quelldokument aktualisiert → Neu chunken bzw. erneuter Upload über dieselbe Dokument-ID.
  2. Dokument obsolet → Löschen entfernt Dokument, Chunks, Vektoren und Graph-Einträge.
  3. Veraltete oder doppelte Dokumente regelmäßig bereinigen.

Quelle: AH 4.10.

Wissensdatenbank gepflegt!

Container befüllt, Chunking eingestellt, Suche getunt, Entitäten gepflegt und ein Wartungsrhythmus gesetzt. Mach das Quiz und geh dann weiter zu C3 — AI-Services und Parameter definieren.

✎ Bauaufgabe: Wie hältst du die Produkthandbücher dauerhaft aktuell?

✓ Das hast du jetzt erledigt

Stufe 8 von 8

Produktivbetrieb, Bulk-Aktionen & DSGVO

Viele Dokumente kontrolliert verarbeiten, Kosten verstehen und Daten sauber entfernen.

1Bulk-Aktionen mit Bilanz

Markierte Dokumente lassen sich gesammelt in einen Ziel-Container verschieben oder nach Sicherheitsabfrage löschen. Die Auswahl bleibt über Seitenwechsel erhalten.

Prüfe nach jedem Lauf die Bilanz aus erfolgreichen und fehlgeschlagenen Aktionen. Fehlgeschlagene Dokumente bleiben rot markiert und gehören in eine gezielte Nachbearbeitung.

2Last und Kosten abschätzen

Uploads laufen parallel. Pro Chunk fällt mindestens ein Embedding-Aufruf an; Kontextanreicherung erzeugt einen weiteren Modellaufruf, LightRAG typischerweise zusätzliche Aufrufe. Bildreiche PDFs und MP4-Dateien können durch Vision beziehungsweise Transkription besonders teuer werden.

Betriebspraxis: Große Importwellen staffeln, erst eine repräsentative Stichprobe messen und danach Parallelität, optionale Anreicherung und Zeitfenster festlegen.

3Datenlebenszyklus explizit regeln

Das Löschen eines Benutzers entfernt nicht automatisch Dokumente, die diese Person in eine Agenten-Wissensdatenbank hochgeladen hat. Für Auskunft, Aufbewahrung und Löschung braucht die Organisation deshalb einen eigenen DSGVO-Prozess.

Wenn Dokumente vor der Verarbeitung anonymisiert oder bereinigt werden müssen, kann ein dafür freigegebener AI-Service vorgeschaltet werden. Ergebnis, Verantwortlichkeit und Restdatenrisiko sind zu dokumentieren.

Wissensdatenbank produktionsbereit!

Du kannst Inhalte strukturieren, qualitätssichern, in kontrollierten Mengen verarbeiten und ihren Datenlebenszyklus nachvollziehbar betreiben.

✎ Bauaufgabe: Formuliere für einen Großimport Grenzwerte, Freigabe, Fehlerbehandlung und Löschverantwortung.

✓ Das hast du jetzt erledigt

Kurz-Quiz

Sitzt das Pflegen?

8 Szenariofragen aus den Stufen 1–8. Kein Zertifikat — zur Selbstkontrolle. Beliebig oft wiederholbar.

Frage 1 von 8
Lade Frage…