Verwenden von DeepRAG

DeepRAG (Deep Research—Augmented Generation) ist eine Kontextgrundlage- und Zusammenfassungsebene, die es Agents ermöglicht, Informationen über mehrere Dokumente hinweg zu analysieren und zu verbinden, um Zitate auf Unternehmensebene zu liefern. Sie nutzen sie zur Erstellung von Agents, die detaillierte Recherchen, Ermittlungen und evidenzbasierte Argumente in großem Umfang durchführen. Mehr über Agents erfahren Sie im Benutzerhandbuch zu Agents.

DeepRAG arbeitet in drei Phasen:

1. Planung – Analysiert Ihre Frage, identifiziert Unteraufgaben und definiert den Forschungsumfang.
2. Iterative Forschungsschleife – Abfragen von indizierten Daten, Extrahieren relevanter Nachweise und Konsolidieren der Ergebnisse.
3. Identität – Integriert alle Nachweise in eine zusammenhängende, von Zitaten unterstützte 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:

• Mehrfachdokument-S Roboter gleichzeitig
• Antworten mit Zitaten – Enthält Dokumentnamen, Seitennummern und Zeitstempel für jedes wichtige Ergebnis.
• Agent-basiertes Denken – Plant, recherchiert und passt sich während der Ausführung an, anstatt nur Ergebnisse abzurufen.
• Unternehmensebene – Verarbeitet strukturierte und unstrukturierte Daten aus mehreren Quellen über einen einzigen Index.
• Rückverfolgbarkeit und Compliance – Enthält vollständige Auditprüfpfade der in der Zusammenfassung 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 – Vorbereiten von Dokumenten

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 – Erstellen eines Index

   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 – Konfigurieren des Agents

Konfigurieren Sie Ihren Agent. Hier ist ein Beispiel:

• Agent-Name – Medical Record Summarizer
• Beschreibung – Analysiert Gesundheitsakten von Patienten mit vollständigen Zitaten
• Kontext – Konfigurieren Sie den Kontext. Zum Beispiel:
  • Index: Medical_Records_2025;
  • Suchstrategie: DeepRAG
  • Suchstrategie-Prompt – Verfassen Sie einen effektiven Prompt, z. B.: „Analysieren Sie alle Gesundheitsakten und liefern Sie eine umfassende Zusammenfassung, einschließlich: Diagnosen und Behandlungen, medizinische Vorgeschichte, Medikamente, Laborergebnisse.“
• Geben Sie das Ausgabeformat an – Beispiel: „Strukturierte Zusammenfassung mit Zitaten“. Fügen Sie immer detaillierte Anweisungen zum Ausgabeformat und Anweisungen zur Konfliktbehandlung in Ihren Prompt ein.
  Hinweis:

  Wenn die von DeepRAG generierte Zusammenfassung die Ausgabegrößenbeschränkung überschreitet, rufen Sie die vollständige Zusammenfassung extern ab. Verwenden Sie die DeepRAG-ID (aus Ablaufverfolgungen) zusammen mit der Aktivität Kontextgrundlagenzusammenfassung – DeepRAG GenAI, um die vollständige synthetisierte Ausgabe außerhalb der Agent-Ausführung abzurufen. Auf diese Weise können Sie auf die gesamte Antwort zugreifen, ohne sie zu kürzen.

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 schlechte Prompts: Patientendaten zusammenfassen.

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 von Gesundheitsakten: Analysieren Sie Patientendateien mit 200–400 Seiten, um Diagnosen, Behandlungen, Medikamente und Labore mit Zusammenfassungen von Zitaten 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 70–90 % Genauigkeit 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.