Schneller raten, statt Wissen zu belegen
Die Antwort ohne Griff
Im Meeting wurde es still, nachdem der Assistent die Antwort geliefert hatte. Das war die erste Warnung. Menschen machen normalerweise Lärm, wenn Software auf offensichtliche Weise versagt. Sie lehnen sich zurück, seufzen, fragen, wem das Ding gehört, und entwickeln plötzlich Meinungen über die Beschaffung. Diese Antwort versagte nicht offensichtlich. Sie war flüssig, ordentlich und genau die Art von Absatz, die ein Projektteam aufrechter sitzen lässt. Sie sagte, die Richtlinie erlaube die Ausnahme. Sie nannte drei Gründe. Sie verwendete denselben Wortschatz wie das Richtlinienreferat. Sie klang sogar leicht gelangweilt, was oft die Arbeitskleidung institutioneller Wahrheit ist.
Dann fragte jemand, woher die Antwort kam. Der Bildschirm zeigte eine Quellenangabe, die interne Leitlinie lautete. Das war keine Quelle. Das war eine Stimmung mit einem Aktenschrank. Welche Leitlinie. Welche Version. Welcher Absatz. War das Dokument noch gültig. Hatte die fragende Person die Berechtigung, es zu sehen. War der Text aus einem Entwurf, einer aktuellen Richtlinie, einem Besprechungsprotokoll oder einem Schulungsbeispiel kopiert worden, das ein anderes System erzeugt hatte. Der Assistent konnte es nicht sagen. Er hatte etwas abgerufen oder behauptet, es getan zu haben. Das Team hatte eine Antwort ohne Griff. Man konnte sie bewundern, aber nicht anheben.
Das ist die stille Falle bei retrievalgestützter KI. Retrieval gibt einem Modell das Gefühl, auf festem Boden zu stehen, weil die Antwort nicht mehr allein vom Modell stammt. Eine Suchschicht findet Dokumente, Textabschnitte, Datensätze oder Fakten, reicht sie in den Kontext und das Modell schreibt von dort aus. Das ist nützlich. Es ist auch gefährlich leicht zu überschätzen. Wenn das System nicht zeigen kann, was es abgerufen hat, warum es das abrufen durfte, wie aktuell es war, welche Umwandlungen es berührt haben und wie die endgültige Antwort davon abhängt, hat Retrieval das Raten nicht gelöst. Es hat das Raten auf eine schnellere Strecke gebracht.
Das alte Modell riet aus dem Gedächtnis. Das neue System rät vielleicht aus einem Haufen von Fragmenten. Das ist nur dann eine Verbesserung, wenn der Haufen verwaltet wird. Sonst hat die Organisation eine selbstbewusste Bibliothekarin gebaut, die sehr schnell durch das Archiv läuft, sich aber weigert, Regalnummern zu nennen. Beeindruckende Kondition. Schwache Prüfspur.
Retrieval ist eine Transportschicht, keine Wahrheitsschicht
Der einfachste Weg, Retrieval misszuverstehen, ist, Suchergebnisse als Wahrheit zu behandeln. Suche kennt keine Wahrheit. Suche kennt Treffer. Vektorsuche kennt Ähnlichkeit. Stichwortsuche kennt Begriffe. Hybride Suche kennt einen ausgehandelten Waffenstillstand zwischen beiden. Ein Reranker kann die Reihenfolge verbessern. Metadatenfilter können offensichtliche Fehler entfernen. Keiner dieser Schritte weiß automatisch, ob ein Absatz aktuell, autorisiert, vollständig, widersprochen, ersetzt, vertraulich oder von jemandem geschrieben ist, der vor dem Streik noch nach Hause kommen wollte.
Das macht Abruf nicht schwach. Es macht Abruf spezifisch. Es ist eine Transportschicht, die Kandidatenbelege an eine Reasoning-Oberfläche bringt. Ihre Aufgabe ist es, unter Einschränkungen möglicherweise relevantes Material zu finden. Die Wahrheitsarbeit beginnt, wenn das System das Material identifizieren, seinen Kontext bewahren, es mit anderem Material vergleichen, veraltete oder unautorisierte Quellen ablehnen, Unsicherheit offenlegen und eine Aufzeichnung dessen führen kann, was passiert ist. Ohne diese Teile ist Abruf nur schnellere Auswahl. Schnellere Auswahl ist nicht dasselbe wie besseres Urteilsvermögen. Eine Münze, die von einer Maschine geworfen wird, ist immer noch ein Münzwurf, selbst wenn sie Cloud-Guthaben verbraucht.
In praktischen Systemen zeigt sich die Lücke an kleinen Stellen. Ein Quelldokument wird in Chunks aufgeteilt, aber der Chunk verliert die Überschrift, die ihn bedeutungsvoll machte. Ein Vektorindex enthält sowohl aktuelle als auch zurückgezogene Richtlinien, weil Löschung durch Enthusiasmus statt durch Prozess gehandhabt wurde. Ein PDF wurde ohne Fußnoten geparst. Eine Tabelle wurde zu einer Zeichenkette einsamer Zahlen. Eine Zugriffskontrollregel wurde auf das Dokument angewendet, aber nicht auf das Embedding. Die Antwort zitiert einen Absatz, der in einer Region relevant und in einer anderen illegal war. Niemand hat einen Fehler entworfen. Sie haben nur zugelassen, dass Belege ihre Beschriftungen verlieren, während sie sich bewegen.
Die Lösung ist nicht, dem Abruf zu misstrauen. Die Lösung ist, aufzuhören, ihm Aufgaben zu geben, für die er nie gebaut wurde. Abruf sollte Kandidaten liefern. Provenienz sollte die Geschichte dieser Kandidaten erzählen. Governance sollte entscheiden, welche Kandidaten verwendet werden dürfen. Die Antwort sollte genügend Belege tragen, damit Menschen sie prüfen können, ohne zu Amateurarchäologen in einem Ordner namens Archiv final alt zu werden.
Die fehlende Regalnummer
Bibliotheken verstanden Provenienz, bevor KI sie mit teurerer Terminologie wiederentdeckte. Ein nützlicher Verweis lässt einen Leser das Werk, die Ausgabe, die Seite und manchmal sogar den Absatz finden. Er sagt nicht nur Geschichtsbuch. Ein Lageretikett sagt Ihnen, welche Charge, welcher Lieferant, welche Partie und welches Verfallsdatum wichtig sind. Eine Laborprobe trägt eine Chain of Custody, weil niemand Medizin auf Basis von Stimmungen will. In jedem Fall ist der Punkt banal: Wenn Konsequenzen existieren, brauchen Objekte Identität über Bewegung hinweg.
Daten, die sich durch Abrufsysteme bewegen, brauchen dieselbe Disziplin. Ein Dokument ist kein Textblob. Es hat einen Ursprung, einen Eigentümer, eine Rechtsgrundlage, einen Geltungsbereich, eine Zielgruppe, eine Version, einen Gültigkeitszeitraum, ein Format, einen Parser, eine Chunking-Richtlinie, ein Embedding-Modell, eine Indexzeit, eine Zugriffsrichtlinie und einen Ruhestandspfad. Das klingt nach viel, weil es viel ist. Es ist immer noch weniger als die Kosten, einem Regulierer, Patienten, Kunden oder Vorstand zu erklären, dass das System wahrscheinlich etwas Hilfreiches gelesen hat, aber das genaue Etwas hat spirituelle Unabhängigkeit erlangt.
Die Regalnummer schützt auch Engineering-Teams. Wenn eine Antwort falsch ist, muss das Team wissen, ob der Abruf die richtige Quelle verfehlt hat, die falsche Quelle eingestuft hat, veraltetes Material eingeschlossen hat, Kontext während des Chunkings verloren hat, einen Berechtigungsverlust zugelassen hat oder das Modell die besten Belege ignorieren ließ. Das sind verschiedene Fehler. Ohne Provenienz kollabieren sie in eine nutzlose Kategorie: KI war komisch. Diese Kategorie ist in Meetings beliebt und bei der Vorfallanalyse fast völlig unbrauchbar.
Gute Provenienz gibt Fehlern eine Form. Sie lässt Teams den Dokumentpfad, die Chunk-Grenze, die Embedding-Version, die Abfrageumschreibung, das Rerank-Ergebnis, die Prompt-Zusammenstellung und die finale Generierung prüfen. Sie macht das System nicht perfekt. Sie macht Fehler lokalisierbar. Lokalisierbare Fehler können repariert werden. Nicht lokalisierbare Fehler werden zu Folklore, und Folklore hat eine schreckliche Verfügbarkeit.
Chunking ist ein redaktioneller Akt
People often describe chunking as a technical preprocessing step. It is more than that. Chunking decides what context travels together. A paragraph split away from its exception note can change meaning. A warranty clause separated from its jurisdiction heading becomes a trap. A clinical recommendation without the patient group that limits it is no longer the same recommendation. A code sample without its warning is an ambush wearing monospace.
Every chunking strategy is an editorial policy. Fixed token windows are simple and fast, but they can cut through meaning. Semantic chunking respects topic shifts, but it can still miss tables, lists, captions and legal structure. Section-based chunking preserves hierarchy, but only if the parser actually recognises the hierarchy. Parent-child retrieval can bring a small match and a larger surrounding passage, but then the system must record both. None of this is mystical. It is document work. Document work is where many AI systems discover that the boring office had been protecting meaning all along.
Provenance turns chunking from silent damage into a visible choice. The system should know which document produced a chunk, which parser read it, which headings enclosed it, which sibling chunks were nearby, which page or row it came from, and what larger unit can be shown when a human challenges the answer. The answer does not need to display all of that every time. It does need to keep it. The difference between hidden context and absent context becomes important at precisely the moment everyone is already tired.
Chunking also affects fairness across sources. A clean HTML page may produce beautiful chunks. A scanned PDF may produce broken fragments. A spreadsheet may lose structure. If the retrieval system quietly favours the sources that parse neatly, it may also favour departments, suppliers or languages with better document hygiene. That is not model bias in the dramatic sense. It is office bias, which is less cinematic and surprisingly powerful.
Citations are not enough
A citation can be a useful user interface for provenance, but it is not the whole mechanism. Many systems show little source chips beside an answer. That is better than nothing. It is also easy to game by accident. The answer may cite a document that was retrieved but not actually used. It may cite a page that contains similar words but not the claim. It may cite a source that was available to the system but not to the user. It may cite an old version because the index lags behind the repository. A decorative citation is still decoration, only with a footnote costume.
Seriöse Herkunftsnachweise erfordern Disziplin auf Aussagenebene. Wenn die Antwort sagt, dass eine Richtlinie eine Ausnahme zulässt, sollte das System wissen, welche Passage diese Aussage stützt. Wenn es sagt, dass die Ausnahme nur unterhalb eines Schwellenwerts gilt, sollte es die Quelle des Schwellenwerts identifizieren. Wenn es zwei Quellen kombiniert, sollte es die Verbindung sichtbar halten. Wenn Belege widersprüchlich sind, sollte es den Widerspruch nicht in einen wohlklingenden Absatz einebnen. Das Modell darf zusammenfassen, aber das System sollte nicht zulassen, dass die Zusammenfassung die Struktur des Beweises auslöscht.
Das bedeutet nicht, dass jede Antwort mit einem juristischen Konvolut kommen muss, das mit Bindfaden verschnürt ist. Unterschiedliche Kontexte erfordern unterschiedliche Grade an Oberflächendetail. Eine Helpdesk-Antwort darf zwei Quellenlinks und einen Hinweis zur Vertrauenswürdigkeit zeigen. Ein medizinischer, finanzieller, rechtlicher oder behördlicher Arbeitsablauf kann Passagenverweise, Versionskennungen und den Status der menschlichen Prüfung benötigen. Die Kernanforderung ist, dass sich die Oberfläche ausweiten kann, wenn die Konsequenzen zunehmen. Ein System, das nicht von einer einfachen Antwort zu überprüfbaren Belegen wechseln kann, ist ein Chatbot im Sonntagsanzug.
Zitate brauchen auch Leerraum. Das System sollte sagen können, dass es nicht genügend Belege gefunden hat, dass die abgerufenen Quellen sich widersprechen, dass die Quellen veraltet sind oder dass der Nutzer keinen Zugriff auf das erforderliche Material hat. Eine Ablehnung mit Herkunftsnachweis ist oft nützlicher als eine Antwort mit einer erfundenen Quellenangabe. Die Organisation mag es nicht hören, wenn die Antwort Nein lautet. Organisationen tun das selten. Genau dafür gibt es Governance und gelegentlich Kaffee.
Aktualität ist Teil der Wahrheit
Herkunftsnachweise ohne Zeitbezug sind unvollständig. Viele Fehler in Unternehmen entstehen durch altes Material, das durchsuchbar bleibt, weil niemand etwas löschen wollte, dessen Titel wichtig klang. Richtlinien laufen ab. Preise ändern sich. Produkthandbücher werden ersetzt. Regulatorische Leitlinien wandern. Datenwörterbücher driften. Ein Abrufsystem, das altes und aktuelles Material gleich behandelt, ist nicht neutral. Es lagert Zeitmanagement an Kosinusähnlichkeit aus, was eine mutige Lebensentscheidung ist.
Jede Quelle in einem Abrufsystem sollte zeitliche Bedeutung tragen. Wann wurde sie erstellt. Wann wurde sie wirksam. Wann wurde sie zuletzt geprüft. Wann wurde sie indexiert. Wann läuft sie ab. Welche Version hat sie ersetzt. War es ein Entwurf, eine Freigabekopie, eine Archivkopie oder die aktuelle Kopie. Das sind keine bürokratischen Verzierungen. Sie sind Teil der Frage, ob die Antwort wahr genug ist, um verwendet zu werden. Ein Absatz aus dem Verfahren des letzten Jahres kann perfekt formuliert und vollkommen falsch sein.
Aktualität hat auch betriebliche Konsequenzen. Indexierungsverzögerungen sollten sichtbar sein. Wenn sich ein Repository um 09:00 Uhr geändert hat und der Vektorindex über Nacht aktualisiert wird, muss das System diese Lücke kennen. Wenn dringendes Material den normalen Ablauf umgeht, sollte die Umgehung protokolliert werden. Wenn eine Quelle zurückgezogen wird, sollten Einbettungen und abgeleitete Textabschnitte mit ihr zurückgezogen werden oder ausdrücklich als historisch markiert bleiben. Sonst wird das System zu einem Museum, das gelegentlich betriebliche Ratschläge erteilt.
Zeitbewusste Herkunftsnachweise helfen Nutzern, den richtigen Dingen zu vertrauen. Sie ermöglichen es einem Assistenten zu sagen, dass diese Antwort auf der Richtlinie basiert, die seit dem 5. März 2026 gilt, um 11:20 Uhr indexiert wurde und kein neuerer ersetzender Datensatz gefunden wurde. Dieser Satz ist nicht glamourös. Er ist nützlich. Nützlich schlägt glamourös in jedem Vorfall, dem ich begegnet bin.
Berechtigungen reisen mit
Zugriffskontrolle wird oft an der Haustür angewendet und im Flur vergessen. Ein Nutzer darf möglicherweise kein Quelldokument öffnen, aber die Einbettung des Dokuments kann in einem gemeinsamen Index liegen. Ein Textausschnitt kann in einen Prompt aufgenommen werden, weil der Abrufdienst unter einem weit gefassten Dienstkonto läuft. Eine generierte Antwort kann die Existenz einer vertraulichen Angelegenheit offenbaren, ohne sie zu zitieren. Das System habe die Datei nicht durchsickern lassen, sagt jemand. Es habe lediglich die Schlussfolgerung durchsickern lassen. Diese Unterscheidung trägt man am besten aus sicherer Entfernung vor.
Provenance muss Berechtigungen enthalten, denn Belege ohne Autorität sind keine brauchbaren Belege. Das System sollte wissen, welche Benutzerin, welche Rolle, welcher Zweck und welcher Kontext jedem abgerufenen Element die Aufnahme in die Antwort erlaubt haben. Es sollte den Quellenzugriff vom abgeleiteten Zugriff unterscheiden. Es sollte Schwärzungen vor der Generierung vornehmen, wo dies erforderlich ist. Es sollte festhalten, wann eine Antwort durch Berechtigungen eingeschränkt war und nicht durch fehlende Belege. Andernfalls werden Nutzer Stille als Abwesenheit fehldeuten oder, schlimmer noch, Informationen erhalten, die sie nie sehen sollten.
Berechtigungsbewusstes Abrufen ist schwieriger als gewöhnliches Abrufen, weil es Ranking, Caching, Auswertung und Tests verändert. Zwei Benutzer können dieselbe Frage stellen und zu Recht unterschiedliche Belege erhalten. Das ist keine Inkonsistenz. Das ist Governance. Die Schwierigkeit besteht darin, den Unterschied erklärbar zu machen, ohne offenzulegen, was verborgen bleiben muss. Das System muss möglicherweise sagen, dass es eingeschränkte Datensätze außerhalb Ihres Zugriffsbereichs geben kann, anstatt so zu tun, als enthalte die Welt nur das, was der Benutzer lesen kann.
Hier scheitern auch viele Pilotprojekte, wenn sie auf die Realität treffen. Ein Prototyp, der auf einem gemeinsamen Ordner aufbaut, kann eine Woche lang alle beeindrucken. Dann fragt jemand nach Personalakten, Übernahmedokumenten, Patientennotizen, anwaltlichem Privileg, Betriebsratsmaterial oder exportkontrollierter Forschung. Das Abrufsystem braucht plötzlich erwachsene Aufsicht. Die unterhaltsame Demo wird zu einem Datenmanagementprojekt, was sie die ganze Zeit schon war.
Widersprüche sind kein zu versteckender Fehler
Echte Archive widersprechen sich selbst. Das Politikteam hat das Verfahren aktualisiert, aber nicht die FAQ. Die FAQ hat das Beispiel aktualisiert, aber nicht die Tabelle. Das Regionalbüro hat eine lokale Ausnahme beibehalten. Der Vertrag sagt das eine, der Implementierungsleitfaden sagt etwas anderes, und die Tabellenkalkulation, die von einer sehr pragmatischen Person erstellt wurde, sagt, was alle tatsächlich tun. Das Abrufen wird all das finden, wenn die Abfrage unglücklich oder ehrlich ist.
Ein Provenance-bewusstes System sollte Widersprüche als Ergebnis erster Klasse behandeln. Es sollte zeigen, dass mehrere Quellen uneins sind, ihre Autorität und Aktualität identifizieren und vermeiden, eine vermischte Antwort zu präsentieren, als hätte die Organisation mit einer Stimme gesprochen. Manchmal ist die richtige Antwort nicht, dass die Ausnahme erlaubt ist. Manchmal lautet sie: Die aktuelle Richtlinie scheint sie zu erlauben, die FAQ scheint veraltet, und der Vertragsinhaber sollte den Konflikt vor dem Handeln klären. Diese Antwort ist weniger bequem. Sie schafft aber auch weniger wahrscheinlich ein kleines rechtliches Wetterleuchten.
Der Umgang mit Widersprüchen erfordert eine Rangfolge der Quellen nach Autorität, nicht nur nach Relevanz. Eine vom Vorstand genehmigte Richtlinie kann einen Hilfeartikel übertrumpfen. Ein unterzeichneter Vertrag kann ein Verkaufsdeck übertrumpfen. Eine lokale Verfahrensanweisung kann innerhalb ihres lokalen Geltungsbereichs ein allgemeines Handbuch übertrumpfen. Ein Entwurf sollte eine wirksame Fassung nicht übertrumpfen, es sei denn, der Benutzer fragt ausdrücklich nach Entwürfen. Diese Regeln sind langweilig. Sie sind aber auch der Punkt, an dem die Wahrheitshierarchie der Organisation technisch wird.
Wenn niemand diese Hierarchie definieren will, wird das Abrufsystem sie zufällig definieren. Es wird Textähnlichkeit, Aktualität, Formatierungsqualität, Chunk-Länge oder jedes andere Signal verwenden, das die Pipeline bietet. Zufällige Autorität ist trotzdem Autorität. Sie kommt nur ohne Protokoll daher.
Die Bewertung braucht Quellenfehler, nicht nur Antwortfehler
Viele Teams bewerten Abrufsysteme, indem sie prüfen, ob die endgültige Antwort richtig klingt. Das ist nützlich, aber unzureichend. Eine richtige Antwort aus der falschen Quelle ist ein künftiger Vorfall, der sich anbahnt. Das System könnte nur deshalb erfolgreich gewesen sein, weil das Modell die Antwort bereits kannte, oder weil ein veraltetes Dokument zufällig zur aktuellen Regel passte, oder weil der Bewerter eine Quellenangabe akzeptierte, die die Behauptung nicht stützte. Antwortqualität und Belegqualität müssen getrennt geprüft werden.
Ein Bewertungssatz für das Abrufsystem sollte Quellenerwartungen enthalten. Für jede Testfrage: welche Dokumente akzeptabel sind. Welche nicht akzeptabel sind. Welche Fassungen relevant sind. Welche Berechtigungen gelten. Welche Konflikte offengelegt werden sollten. Welche Antwort verweigert werden sollte, weil Belege fehlen. Das ist aufwändiger zu erstellen als ein Stapel von Frage-Antwort-Paaren. Es kommt aber auch der Arbeit näher, die das System leisten muss. Ein Abrufsystem ohne Quellenbewertung ist wie ein Finanzsystem, das nur danach geprüft wird, ob die Endzahl plausibel aussieht. Es kann bis zur Prüfung durchkommen.
Das operative Monitoring sollte auch das Quellenverhalten beobachten. Welche Quellen überrepräsentiert sind. Welche Quellen selten abgerufen, aber häufig benötigt werden. Welche Textabschnitte häufig zitiert werden. Welche Antworten später korrigiert werden. Welche veralteten Dokumente immer wieder auftauchen. Welche Benutzergruppen mehr Verweigerungen erhalten, weil Berechtigungsgrenzen schlecht modelliert sind. Diese Signale sind nicht nur technische Kennzahlen. Sie sind Belege für den Zustand des Wissensbestands.
Wenn die Herkunft vorhanden ist, wird die Bewertung präziser. Eine fehlerhafte Antwort kann auf Abruf, Rangfolge, Quellenqualität, Zugriffsrichtlinie, Prompt-Aufbau oder Generierung zurückgeführt werden. Jede Fehlerklasse hat einen anderen Verantwortlichen. Das ist unangenehm, weil es verhindert, dass der beschwichtigende Satz die KI hat sich geirrt alle Probleme verschluckt. Gut so. Komfort ist überschätzt, wenn das System Entscheidungen trifft.
Die Entscheidungsschleife
Die Herkunft sollte kein Archivmerkmal sein, das am Ende hinzugefügt wird. Sie gehört in die Entscheidungsschleife. Ein Benutzer fragt. Das System ruft unter der Richtlinie ab. Die Antwort trägt Belege. Der Benutzer akzeptiert, hinterfragt oder korrigiert. Die Korrektur aktualisiert Quellenqualität, Rangfolgeregeln, Metadaten, Zugriffskontrollen oder Trainingsbeispiele. Die nächste Antwort wird nicht einfach erneut generiert. Sie wird von dem gesteuert, was die Organisation gelernt hat.
Diese Schleife ist der Weg, auf dem Abruf zu institutionellem Gedächtnis wird und nicht zu einer cleveren Autovervollständigung für Dokumente. Ohne die Schleife ist jede Antwort ein Ereignis. Mit der Schleife werden Antworten zu Signalen über den Zustand des Wissenssystems. Eine schlechte Antwort kann eine veraltete Richtlinie offenbaren. Eine Verweigerung kann fehlende Dokumentation offenbaren. Ein Widerspruch kann ungeklärte Zuständigkeiten offenbaren. Eine häufige Anfrage kann offenbaren, dass eine Verfahrensanweisung unlesbar ist. Die Abrufschicht wird zu einem diagnostischen Instrument, nicht nur zu einer Antwortmaschine.
Die Schleife gibt auch Menschen eine sinnvolle Rolle. Menschen sollten nicht jeden Token prüfen müssen. Sie sollten die bedeutsamen Fehler auflösen, die Provenienz offenlegt. Ist diese Quelle vertrauenswürdig. Ist diese Ausnahme aktuell. Ist diese Zugriffsgrenze korrekt. Ist dieser Konflikt real. Das sind Fragen menschlicher Steuerung. Das System kann sie weiterleiten, aufzeichnen und aus den Antworten lernen. Es sollte sie nicht unter fließendem Text begraben.
Letztlich ist Provenienz keine akademische Spitzfindigkeit. Sie ist der Unterschied zwischen einem KI-System, das an verantwortungsvoller Arbeit teilnehmen kann, und einem, das nur hilfreich klingen kann, bis es hinterfragt wird. Retrieval bringt Material in den Raum. Provenienz sagt, wer es gebracht hat, woher, unter welcher Autorität und ob irgendjemand ihm genug vertrauen sollte, um danach zu handeln.
Die Lektion
Retrieval ist eines der nützlichsten Muster in der angewandten KI, weil es Modelle mit lebendigem Wissen verbindet. Genau diese Nützlichkeit ist der Grund, warum es Provenienz braucht. Je mehr Menschen sich auf abgerufene Antworten verlassen, desto weniger akzeptabel ist es zu sagen, die Quelle sei irgendwo im Index gewesen. Irgendwo ist keine Kontrolle. Irgendwo ist der Anfang schlechter Besprechungen.
Ein ernsthaftes Retrieval-System bewahrt Identität über Bewegung hinweg. Es erhält Quelle, Version, Berechtigung, Zeit, Kontextabschnitt, Autorität, Widerspruch und Verwendung. Es bewertet, ob Belege Behauptungen stützen, nicht nur, ob Antworten gut klingen. Es ermöglicht Verweigerung, wenn die Beweislage dünn ist. Es lässt Menschen den Wissensbestand herausfordern und reparieren. Das ist kein Verwaltungsaufwand um die KI herum. Es ist der Teil, der Retrieval von schnellem Raten in verantwortungsvolle Unterstützung verwandelt.
Das Modell mag die Antwort schreiben. Die Retrieval-Ebene mag die Worte finden. Provenienz ist es, die es der Organisation ermöglicht, die Behauptung zu verantworten. Ohne sie bringt all diese Geschwindigkeit dem Nutzer nur schneller Unsicherheit.