Verwenden von DeepRAG

DeepRAG (Deep Research—Augmented Generation) ist eine Kontextgrundlage- und Syntheseebene, mit der Agenten Informationen über mehrere Dokumente hinweg analysieren und verbinden und so Zitate-gestützte Antworten der Enterprise-Klasse generieren können. Sie können es nutzen, um Agenten zu erstellen, die tiefgehende Recherche, investigative Analysen und evidenzbasierte Argumentationen in großem Umfang durchführen. Weitere Informationen zu Agents finden Sie im Agents-Benutzerhandbuch.

DeepRAG arbeitet in drei Phasen:

1. Planung – Analysiert Ihre Frage, identifiziert Unteraufgaben und definiert den Umfang der Recherche
2. Iterative Forschungsschleife – Fragt indizierte Daten ab, extrahiert relevante Nachweise und konsolidiert Ergebnisse.
3. Synthese – Integriert alle Beweise in eine kohärente, durch Zitate gestützte Antwort.

Jedes Ergebnis enthält nachverfolgbare Verweise auf die ursprüngliche Quelle, um Überprüfbarkeit und Compliance im gesamten Daten-Backend des Unternehmens sicherzustellen.

Schlüsselfunktionen

Hier sind die wichtigsten Funktionen von DeepRAG:

• Multi-Dokument-Synthese — Synthetisiert Informationen über bis zu 1.000 Seiten in einer einzigen Abfrage.
• Zitatgestützte Antworten – Enthält Dokumentnamen, Seitenzahlen und Zeitstempel für jeden Schlüsselbefund.
• Agentisches Denken – Plant, recherchiert und passt sich während der Ausführung an, anstatt nur Ergebnisse abzurufen.
• Enterprise-Skalierung – Bearbeitet strukturierte und unstrukturierte Daten aus mehreren Quellen über einen einzigen Index.
• Rückverfolgbarkeit und Compliance – Pflegt vollständige Prüfungspfade der in der Synthese verwendeten Quellen.

Wann DeepRAG verwendet werden soll

Verwenden Sie DeepRAG, wenn Ihre Agents:

• Analysieren Sie mehrere Dokumente, um eine komplexe Frage zu beantworten.
• Generieren Sie eine umfassende Zusammenfassung für verschiedene Datensätze.
• Validieren Sie Ergebnisse mit Zitaten mit hoher Genauigkeit.
• Führen Sie regulatorische, medizinische oder rechtliche Recherchen durch, die Rückverfolgbarkeit erfordern.

Verwenden Sie die semantische Suche für die schnelle Suche nach Informationen und DeepRAG für die detaillierte Analyse oder Zusammenfassung über Dokumentsätze hinweg. Weitere Einzelheiten zur Verwendung von Kontext in Agents finden Sie im Benutzerhandbuch zu Agents.

Tabelle 1. DeepRAG im Vergleich zu anderen Ansätzen

Funktionen	Semantische Suche	DeepRAG
Zweck	Finden Sie relevante Teile	Kompatibilität mehrerer Dokumente
Dokumentlimit	Unbegrenzt	1.000 Seiten
Verarbeitung	Sofort	Minütlich
Ausgabe	Snippets	Umfassende Verwendung
Kosten	Niedrig	Mittel
Zitate	Standard	Ausführlich

Konfigurieren von DeepRAG

Stellen Sie vor der Verwendung von DeepRAG sicher, dass Sie die folgenden Voraussetzungen erfüllen:

• Ihre Daten werden im richtigen Dateiformat gespeichert: native PDF- oder TXT-Dateien, bis zu 512 MB pro Datei.
• Sie haben AI Units für die Erfassung und Abfrageausführung. Weitere Informationen dazu finden Sie unter Lizenzierung von Kontextgrundlage.

Führen Sie als Nächstes die folgenden Aktionen aus:

Schritt 1 – Dokumente vorbereiten

1. Verwenden Sie gut organisierte Ordner und klare Namenskonventionen.

2. Geben Sie Dokumentmetadaten und Seitenzahlen an.

3. Vermeiden Sie Duplikate und stellen Sie sicher, dass Dateien mit OCR-Anwendung gescannt werden.

   Hinweis:

   Verwenden Sie für eine hohe Genauigkeit native PDFs und strukturieren Sie Dokumente nach Kategorie oder Kennung.

   Schritt 2 – Einen Index erstellen

   Im Agent Builder:

4. Wählen Sie den Kontextknoten und dann Neuen erstellen aus. Hier ist eine Beispielkonfiguration für einen Index:

   1. Name: Medical_Records_2025
   2. Beschreibung: Aggregierte Patientendatensätze zur Überprüfung
   3. Erfassungsmodus: Erweitert.

5. Laden Sie Ihre Dokumente hoch und warten Sie, bis die Erfassung abgeschlossen ist.

   • Erfassungskosten: 0,2 AIU x Anzahl der Seiten. Zum Beispiel: 1.000 Seiten = 200 AIU.

Schritt 3 – Den Agenten konfigurieren

Konfigurieren Sie Ihren Agent. Hier ist ein Beispiel:

• Agent-Name – Medical Record Summarizer
• Beschreibung – Analysiert medizinische Aufzeichnungen von Patienten mit vollständigen Zitaten
• Kontext – Konfigurieren Sie den Kontext. Zum Beispiel:
  • Index: Medical_Records_2025;
  • Suchstrategie: DeepRAG
  • Suchstrategie-Prompt – Schreiben Sie einen effektiven Prompt, z. B. „Analysiere alle medizinischen Aufzeichnungen und stellen Sie eine umfassende Zusammenfassung bereit, einschließlich: Diagnosen und Behandlungen, Anamnese, Medikamente, Laborergebnisse.“
• Geben Sie das Ausgabeformat an – z. B. „Strukturierte Zusammenfassung mit Zitaten“. Fügen Sie in Ihrem Prompt immer detaillierte Anweisungen zum Ausgabeformat und Anweisungen zur Konfliktbehandlung hinzu.
  Hinweis:

  Wenn die von DeepRAG generierte Zusammenfassung die Ausgabegrößengrenze überschreitet, rufen Sie die vollständige Zusammenfassung extern ab. Verwenden Sie die DeepRAG-ID (aus Traces) zusammen mit der Context Grounding Summary — DeepRAG GenAI-Aktivität, um die vollständige synthetisierte Ausgabe außerhalb der Agent-Ausführung abzurufen. Dadurch können Sie ohne Kürzung auf die gesamte Antwort zugreifen.

Schreiben effektiver Aufforderungen für DeepRAG

DeepRAG generiert automatisch verifizierte Zitate, die auf die genauen Seiten in den Quelldokumenten verweisen, auf denen unterstützende Nachweise zu finden sind. Sie müssen keine Zitate anfordern oder angeben, wie sie formatiert werden sollen – dies geschieht standardmäßig. Tatsächlich kann das Hinzufügen von Zitat- oder Formatierungsanweisungen die Ergebnisse beeinträchtigen und sollte vermieden werden.

Um zuverlässige, hochwertige Ausgaben zu erhalten, konzentrieren Sie Ihren Prompt auf Rollenklarheit, Aufgabenspezifischität und konkrete Anforderungen.

Verwenden Sie das folgende Muster:

RRolle: Sie sind ein [Domänenexperte], die den [Dokumenttyp] überprüfen.

AUFGABE: Analysieren aller Dokumente und [spezifischen Ziel].

Anforderungen:

1. [Anforderung 1]
2. [Anforderung 2]
3. [Anforderung 3]

Ausgabeformat: [Strukturiertes Ausgabeformat]

Beispiel für ein gutes Prompt: Sie sind ein medizinisches Fachpersonal, das Patientendaten überprüft. Erstellen Sie eine umfassende Zusammenfassung, einschließlich Diagnosen, Anamnese, Medikamente und Laborergebnisse.

Beispiel für schlechten Prompt: Fasse die Datensätze des Patienten zusammen.

Das gute Beispiel definiert die Rolle eindeutig, legt eine bestimmte Aufgabe fest und beschreibt konkrete Anforderungen, sodass DeepRAG seine Antwort effektiv abrufen und begründen kann, während Zitate im Hintergrund automatisch verarbeitet werden.

Optimierung der DeepRAG-Leistung

Verwenden Sie die folgenden Informationen, um die Leistung Ihres Kontexts zu optimieren:

Szenario	Typische Dauer	Optimierungstipps
≤ 200 Seiten	< 10 Min	Verwenden Sie fokussierte Fragen und native PDFs.
500–800 Seiten	<20 Min	Teilen Sie große Dateien auf und optimieren Sie den Prompt-Scope.
1.000 Seiten	< 30 Min	Remove Duplicates

Kostenmodell

• Erfassung = 0,2 AIU x Seiten
• DeepRAG-Abfrage = 0,20 AIU pro 30.000 Token (0,2—0,4 AIU pro 500 Seiten)

Fehlersuche und ‑behebung

Problem	Ursache	Lösung
Keine gültigen Dateien zur Verwendung für DeepRAG	Falsches Dateiformat oder grundlegender Erfassungsmodus ausgewählt	Verwenden Sie nur PDF/TXT
Timeout (60 Min.)	Zu großes Korpus oder komplexer Prompt	Dokumente aufteilen; Abfragen vereinfachen.
Fehlende Zitate	Schwache Prompt oder unstrukturierte Quellen	Stellen Sie sicher, dass PDFs konsistente Nummerierung haben.
Zusammenfassungen von niedriger Qualität	Allgemeine Aufforderung oder schlechte Dokumentqualität	Verbesserung der Prompt-Spezifität; Dokumenthierarchie zu bereinigen.

Anwendungsfälle für DeepRAG

Hier sind einige reale Geschäftsszenarien, in denen DeepRAG nützlich sein kann:

Zusammenfassung medizinischer Datensätze: Analysiere 200–400-seitige Patientendateien, um Diagnosen, Behandlungen, Medikamente und Labors mit durch Zitate gestützten Zusammenfassungen zu extrahieren.

• Beispiel für eine Eingabeaufforderung: Analysieren Sie alle Gesundheitsakten des Patienten und erstellen Sie eine virtuelle Zusammenfassung mit den wichtigsten Beschwerden, Diagnosen, Medikamente und Behandlungsempfehlungen.
• Ergebnis: 5–10-mal schnellere Überprüfung und eine Genauigkeit von 70–90 % bei Implementierungen im Gesundheitswesen

Vertragsanalyse: Überprüfen Sie mehrere Vereinbarungen, um grundlegende Bedingungen, Vereinbarungen und Standardvereinbarungen zu ermitteln.

• Beispiel für eine Eingabeaufforderung: Analysieren Sie alle Kreditvereinbarungen und extrahieren Sie Finanzbedingungen, Verpflichtungen und Standardbestimmungen.
• Ergebnis: Ermöglicht eine Risikoanalyse mit vollständigem Audit-Pfad für Compliance und rechtliche Workflows.

Überprüfung von Vorschriften und Compliance: Fasse Prüfungsberichte, Einreichungen und SOPs zusammen, um Compliance-Lücken mit Verweisen auf Seitenebene hervorzuheben.

• Beispiel für eine Eingabeaufforderung: Überprüfen Sie alle Einreichungen von Vorschriften und fassen Sie den Compliance-Status zusammen, wobei Nichtkonformitäten anhand von Zitaten identifiziert werden.