Suchen ist gut, Fragen ist besser. RecordTailor kombiniert Volltext (BM25) und semantische Vektorsuche (pgvector) in einer einzigen Query — Reciprocal Rank Fusion mischt beide Rankings, damit Sie das Dokument finden, das zwar Ihre Worte nicht enthält, aber Ihre Frage beantwortet. Der RAG-Chat geht einen Schritt weiter: Er antwortet in natürlicher Sprache und legt jede Aussage mit einer Fundstelle im Original-Dokument offen. Kein LLM-Halluzinieren ohne Beleg.
Volltext findet die Dokumente, in denen Ihr Wort steht. Vektorsuche findet die, in denen Ihre Bedeutung steht. Beide Sichten allein sind blind für die jeweils andere. RecordTailor stellt jede Query an beide Indizes, mischt die Rankings über Reciprocal Rank Fusion und zeigt eine Ergebnisliste, die dem Nutzer erspart, zwei verschiedene Sucharten zu bedienen.
Der Chat gegen Ihren Bestand nutzt Retrieval-Augmented Generation: Er zieht die relevantesten Passagen aus Ihrem Corpus, kontextualisiert das LLM damit und antwortet mit Zitatzeigern in die Quelltexte. Jede Aussage lässt sich zurückverfolgen auf die Zeilen, aus denen sie stammt.
„Was hat sich in Klausel 7 zwischen den letzten drei Vertragsständen geändert und was bedeutet das?“ — RecordTailor kann diese Frage beantworten, weil Dokumente wie in Git branchen und die Historie erhalten bleibt. Kein anderes DMS am Markt kann das.
Personen, Unternehmen, Verträge und Fristen werden bei der Klassifikation extrahiert und miteinander verknüpft. Vom Vertrag zum Ansprechpartner zum letzten Angebot — ein Klick, keine Handarbeit.
Embeddings werden mit einem lokalen Modell (Ollama-Default) erzeugt; alternativ pro Tenant ein Provider Ihrer Wahl. Sie liegen als Vektoren in pgvector — kein externer Vektor-Store, keine Datenwanderung, keine Cross-Tenant-Sichtbarkeit dank Row-Level-Security.
Der Chat operiert im RAG-Modus — er darf nur beantworten, wozu er im Corpus einen Beleg findet, und muss jede Aussage mit einer Fundstelle unterlegen. Fehlen Belege, sagt er das. Vollständig ausschließen lässt sich Halluzination bei generativen Modellen nie; das Zitat-Prinzip macht sie aber sichtbar und überprüfbar.
Default ist ein lokales Ollama-Modell. Pro Tenant lässt sich der Embedding-Provider konfigurieren (lokales Modell, OpenAI-kompatibler Endpoint, eigener Endpoint). Der Embedding-Namespace ist pro Tenant getrennt, sodass Modellwechsel und Re-Indexierung ohne Ausfall möglich sind.
pgvector skaliert bis in den zweistelligen Millionenbereich pro Tenant. Wir stimmen HNSW-Parameter im Sizing ab. Für sehr große Bestände empfehlen wir GPU-Betrieb für die Antwort-Generierung, sonst wird die reine Retrieval-Latenz zum Engpass.
Nein. Entitäten und Beziehungen liegen in Postgres neben den Dokumenten — kein zusätzliches Betriebsteil, keine Sync-Probleme. Der Graph wird beim Ingest über die KI-Extraktion aufgebaut und beim Löschen/Erasing mitgeführt.
30 Minuten. Sie schicken ein anonymisiertes Beispiel — wir zeigen live, was RecordTailor damit macht.
Demo anfragen
RecordTailor