Wissensgraphen und GraphRAG erklärt: wann Beziehungen wichtiger sind als Ähnlichkeit

01

Was ist ein Wissensgraph, und worin unterscheidet er sich von einer Dokumentensammlung?

Ein Wissensgraph speichert Entitäten als Knoten und Beziehungen als benannte Kanten, zum Beispiel „Pumpe enthält Dichtung“. Eine Dokumentensammlung speichert Texte, in denen solche Beziehungen nur implizit vorkommen. Der Graph macht Verbindungen direkt abfragbar, auch über mehrere Schritte. Dafür muss jemand festlegen, welche Arten von Dingen und Beziehungen es gibt, und die Daten aktuell halten.

Ein Suchsystem über Dokumenten arbeitet mit Textabschnitten. Es findet die Stelle, an der steht, dass eine Dichtung von Lieferant A kommt, und eine andere Stelle, an der steht, dass Pumpe P200 diese Dichtung enthält. Die Frage „Welche Pumpen sind betroffen, wenn Lieferant A ausfällt?“ verlangt, beide Stellen zu verbinden. Ein Wissensgraph hält genau diese Verbindung als Datensatz fest.

Die Übersichtsarbeit von Hogan und anderen (ACM Computing Surveys, 2021) behandelt Wissensgraphen entlang von Datenmodellen, Abfragesprachen, Schema und Wissensextraktion und unterscheidet offene Graphen wie Wikidata von unternehmensinternen. Wie Wissensgraphen in das Gesamtbild des Wissensmanagements passen, ordnet Wissensmanagement mit KI ein.

02

RDF oder Property Graph: welches Graphmodell passt zu welchem Zweck?

RDF, das Graphmodell des W3C, beschreibt alles als Aussagen aus Subjekt, Prädikat und Objekt mit weltweit eindeutigen Bezeichnern und ist auf Austausch und Verknüpfung über Systemgrenzen angelegt. Property Graphs speichern Knoten und Kanten mit beliebigen Eigenschaften direkt und sind in vielen Graphdatenbanken verbreitet. RDF gewinnt bei Interoperabilität und formaler Semantik, Property Graphs bei einfacher Modellierung innerhalb einer Anwendung.

Die Spezifikation RDF 1.1 Concepts (W3C, 2014) definiert einen RDF-Graphen schlicht als Menge von Tripeln. Die Nachfolgeversion RDF 1.2 ergänzt Tripel, die selbst Objekt einer Aussage sein können. Damit lässt sich etwa festhalten, aus welchem Dokument eine Beziehung stammt, was Property Graphs über Kanteneigenschaften lösen. Für die Beispielfrage aus dem ersten Abschnitt sieht eine SPARQL-Abfrage so aus:

PREFIX ex: <https://example.org/>

SELECT ?produkt WHERE {
  ?produkt ex:enthaelt ?teil .
  ?teil ex:geliefertVon ex:LieferantA .
}

03

Was ist eine Ontologie, in Alltagssprache erklärt?

Eine Ontologie ist ein vereinbartes, maschinenlesbares Vokabular: Sie legt fest, welche Arten von Dingen es gibt, welche Beziehungen zwischen ihnen erlaubt sind und welche Regeln gelten, etwa dass eine Dichtung ein Bauteil ist. Sie sorgt dafür, dass Mensch und Maschine unter „geliefert von“ dasselbe verstehen. Nicht jeder Graph braucht eine ausgefeilte Ontologie; oft genügt eine einfachere Stufe.

Ein häufiger Fehler ist, mit der vollständigen Ontologie eines ganzen Unternehmens zu beginnen. Tragfähiger ist ein kleines Vokabular für die Fragen, die tatsächlich gestellt werden, das mit dem Bedarf wächst. SKOS eignet sich dafür, weil es Begriffe und Synonyme abbildet, ohne logische Regeln zu verlangen. SHACL wird wichtig, sobald ein Sprachmodell Daten liefert, denn Prüfregeln fangen Aussagen ab, die nicht in das Vokabular passen.

04

Wie entstehen Entitäten und Beziehungen aus unstrukturierten Texten?

Entitäten und Beziehungen entstehen in mehreren Schritten: Texte werden in Abschnitte zerlegt, ein Sprachmodell oder ein spezialisiertes Modell erkennt darin Dinge und Beziehungen, gleiche Dinge mit unterschiedlichen Namen werden zusammengeführt, und das Ergebnis wird gegen das Vokabular geprüft. Jede Aussage sollte ihre Quelle behalten, damit Fehler nachvollziehbar und korrigierbar bleiben.

1. Zerlegen

   Dokumente werden in Abschnitte geteilt (Chunking). Zu kleine Abschnitte zerreißen Beziehungen, zu große überfordern die Extraktion.

2. Entitäten erkennen

   Das Modell markiert Produkte, Personen, Orte, Normen oder Begriffe und ordnet sie Typen aus dem Vokabular zu.

3. Beziehungen extrahieren

   Aus Sätzen werden Aussagen wie „enthält“ oder „ersetzt“. Das GraphRAG-Paper (Microsoft Research, 2024) extrahiert zusätzlich Behauptungen zu Entitäten.

4. Nachfragen lassen

   Im GraphRAG-Verfahren erhält das Modell seine eigene Liste zurück mit der Aufforderung, übersehene Entitäten nachzutragen. Das erhöht die Ausbeute und die Zahl der Modellaufrufe.

5. Zusammenführen (Entity Resolution)

   „Lieferant A“, dieselbe Firma mit Rechtsformzusatz und ein Kürzel im Bestellsystem werden als dieselbe Entität erkannt. Hier entstehen die meisten stillen Fehler.

6. Prüfen und Herkunft speichern

   Prüfregeln verwerfen unpassende Aussagen; jede Aussage verweist auf Dokument und Abschnitt, aus dem sie stammt.

Typische Fehlerbilder sind erfundene Beziehungen, die im Text nur nahegelegt werden, verlorene Verneinungen („enthält keine Dichtung D17“), fehlende zeitliche Gültigkeit („bis 2023 geliefert von“) und doppelte Knoten durch Namensvarianten. Strukturierte Quellen wie Stücklisten oder Stammdaten liefern Beziehungen verlässlicher als jede Textextraktion und gehören, wo vorhanden, zuerst in den Graphen.

05

Wie funktioniert GraphRAG, das Verfahren von Microsoft Research?

GraphRAG baut mit einem Sprachmodell einen Entitätsgraphen aus den Quelltexten, gruppiert eng verbundene Entitäten hierarchisch zu Gemeinschaften und lässt für jede Gemeinschaft eine Zusammenfassung schreiben. Überblicksfragen beantwortet es, indem es Teilantworten aus diesen Zusammenfassungen erzeugt und zusammenführt. Fragen zu einzelnen Entitäten beantwortet es über deren Nachbarschaft im Graphen.

Das Paper „From Local to Global: A Graph RAG Approach to Query-Focused Summarization“ von Edge und anderen erschien im April 2024 bei arXiv, eine überarbeitete Fassung im Februar 2025. Es adressiert eine Schwäche klassischer Retrieval-Augmented Generation: Fragen wie „Was sind die Hauptthemen in diesen Unterlagen?“ sind keine Suche nach einer Stelle, sondern eine Zusammenfassung über den ganzen Bestand. Untersucht wurden solche Überblicksfragen an Datensätzen von rund einer Million Token (Microsoft Research, 2024).

Für die Gemeinschaften nutzt GraphRAG den Leiden-Algorithmus von Traag, Waltman und van Eck (Scientific Reports, 2019), der anders als sein Vorgänger Louvain nur zusammenhängende Gemeinschaften erzeugt, rekursiv bis zu kleinsten Teilgruppen. Bei einer globalen Frage entstehen parallel Teilantworten je Zusammenfassung, werden nach Nützlichkeit sortiert und bis zur Grenze des Kontextfensters zu einer Endantwort verdichtet.

Die Evaluation ließ ein Sprachmodell Antworten paarweise bewerten, nach Umfassendheit, Vielfalt, Befähigung des Lesers und Direktheit. GraphRAG lag bei Umfassendheit und Vielfalt vorn; klassisches Vektor-RAG lieferte die direkteren Antworten. Die Dokumentation des Open-Source-Projekts beschreibt heute mehrere Abfragearten: globale Suche über Gemeinschaftszusammenfassungen, lokale Suche über Nachbarn einer Entität, eine Mischform namens DRIFT und eine einfache Vektorsuche. Wie GraphRAG neben Zerlegung und RAG-Fusion einzuordnen ist, zeigt Query-Zerlegung und der Advanced-RAG-Werkzeugkasten.

KI-GENERIERTKI-GENERIERT

06

Wann schlägt ein Graph die Vektorsuche, und wann nicht?

Ein Graph schlägt die Vektorsuche bei Fragen, die Beziehungen über mehrere Schritte verfolgen, bei Aggregationen wie „wie viele“ oder „welche alle“ und bei Überblicksfragen über einen ganzen Bestand. Bei Fragen nach einer einzelnen Textstelle, bei stark wechselnden Dokumenten und bei kleinen Beständen ist Vektorsuche, ergänzt um Stichwortsuche, meist die bessere und einfachere Wahl.

Beide Verfahren lassen sich kombinieren; wie Volltext, Vektoren und hybride Suche funktionieren, erklärt Semantische Suche im Unternehmen.

07

Warum ist die Pflege der größte Kostentreiber eines Wissensgraphen?

Die Pflege treibt die Kosten, weil ein Graph mit jeder Änderung der Quellen nachgezogen werden muss: neue Entitäten extrahieren, Dubletten zusammenführen, veraltete Beziehungen entfernen, Vokabular anpassen. Bei GraphRAG kommen viele Modellaufrufe für Extraktion und Zusammenfassungen hinzu. Die Abfrage selbst ist selten das Problem; teuer wird, den Graphen richtig und aktuell zu halten.

Das GitHub-Repository von Microsoft GraphRAG weist ausdrücklich darauf hin, dass die Indexierung eine teure Operation sein kann, und empfiehlt, klein zu beginnen und die Prompts an die eigenen Daten anzupassen, weil die Standardeinstellungen nicht die besten Ergebnisse liefern. Microsoft Research hat im November 2024 mit LazyGraphRAG eine Variante vorgestellt, die Modellaufrufe von der Indexierung in die Abfrage verlagert; nach Angaben von Microsoft Research (2024) liegen die Indexierungskosten damit auf dem Niveau von Vektor-RAG und bei 0,1 Prozent derer von vollständigem GraphRAG.

Ein Graph kommt zu den laufenden Positionen eines RAG-Systems hinzu, siehe Was ein RAG-System im Betrieb wirklich kostet.

08

Welche W3C-Standards gehören zu Wissensgraphen, und wofür steht jeder?

Das W3C hat die Bausteine des semantischen Webs standardisiert: RDF als Datenmodell, SPARQL als Abfragesprache, OWL für Ontologien, SKOS für Thesauri und Taxonomien, SHACL für Prüfregeln und JSON-LD für die Einbettung in JSON. Für Property Graphs hat ISO/IEC mit GQL eine eigene Abfragesprache veröffentlicht. Die Standards sind stabil, was langfristige Datenhaltung erleichtert.

ISO/IEC 39075:2024 definiert mit GQL eine Datenbanksprache für Property Graphs, entwickelt im Normungsgremium ISO/IEC JTC 1/SC 32. JSON-LD ist oft der erste Berührungspunkt mit RDF, weil strukturierte Daten auf Webseiten damit ausgezeichnet werden. Ein Graph auf diesen Standards lässt sich exportieren und mit öffentlichen Vokabularen oder Wikidata verknüpfen, ohne Bindung an ein Produkt.

09

Welche Irrtümer über Wissensgraphen und GraphRAG halten sich hartnäckig?

Die hartnäckigsten Irrtümer sind, dass GraphRAG klassisches RAG grundsätzlich übertrifft, dass ein Sprachmodell einen Graphen fehlerfrei aus Dokumenten baut, dass am Anfang eine vollständige Ontologie stehen muss und dass ein Graph bestehende Systeme ersetzt. Jede dieser Annahmen führt zu Projekten, die mehr Aufwand erzeugen als Nutzen, obwohl der Ansatz an sich trägt.

10

Wie beginnt ein mittelständisches Unternehmen mit einem Wissensgraphen?

Ein tragfähiger Einstieg beginnt mit einer Handvoll Fragen, die heute nicht beantwortbar sind, einem eng umrissenen Bereich und strukturierten Quellen, die Beziehungen schon enthalten. Darauf folgen ein kleines Vokabular, ein Graph mit gespeicherter Herkunft und ein direkter Vergleich mit Vektorsuche anhand derselben Testfragen. Erst wenn der Graph messbar hilft, lohnt die Extraktion aus Texten.

Angenommen, ein Hersteller von Pumpen mit 250 Beschäftigten (ein erfundenes Beispiel) möchte beantworten, welche Produkte von einer Lieferantenänderung oder einer geänderten Werkstoffnorm betroffen sind. Stücklisten und Lieferantenstammdaten enthalten die Beziehungen bereits. Der erste Graph entsteht daraus ohne Sprachmodell; Prüfberichte folgen später über Extraktion.

1. Zehn bis zwanzig echte Fragen sammeln, die heute Rückfragen oder Handarbeit auslösen.
2. Prüfen, welche Beziehungen dafür nötig sind und wo sie strukturiert vorliegen.
3. Ein kleines Vokabular festlegen, mit Verantwortlichen für jede Klasse.
4. Graph aus strukturierten Quellen aufbauen, Herkunft je Aussage speichern.
5. Dieselben Testfragen gegen Graph und Vektorsuche laufen lassen und vergleichen.
6. Erst dann Extraktion aus Texten ergänzen, mit Prüfregeln und Stichproben.

Wenn ein KI-Agent den Graphen als Werkzeug abfragen soll, beschreibt KI-Agenten in der Wissensarbeit die Schleife aus Planen, Abfragen und Prüfen. Dass ein Graph auch Softwarewissen strukturiert, zeigt Graphify, das eine Codebasis lokal als abfragbaren Graphen aufbereitet.