WeeklyTalk #152
RAG und ReqIF: Source Connector als Daten-Hub für KI-Systeme
Der Fokus in dieser Folge liegt auf der technischen Implementierung und den Herausforderungen bei der Analyse formaler Spezifikationsdokumente durch KI-Systeme.
Der Fokus in dieser Folge liegt auf der technischen Implementierung und den Herausforderungen bei der Analyse formaler Spezifikationsdokumente (z.B. im ReqIF-Standard) durch KI-Systeme.
Wir stellen unseren Source Connector vor, der als Daten-Hub fungiert und ein RAG-System (Retrieval-Augmented Generation) mit den relevanten, strukturierten Quelldaten versorgt.
Abschließend beleuchten wir die entscheidenden Mehrwerte einer strukturierten Datenbasis gegenüber der alleinigen Verarbeitung von Fließtext für eine präzisere und zuverlässigere KI-Analyse.
00:00:00 - Einleitung: Herausforderungen bei der Analyse formaler Spezifikationen (ReqIF)
00:00:52 - Begriffsklärung: RAG vs. ReqIF
00:01:30 - ChatGPT vs. Unternehmens-KI: Warum internes Datenmanagement komplexer ist
00:02:45 - Architektur: Die Rolle des Source Connectors als Daten-Drehscheibe
00:03:48 - Die Pipeline: Wie Dokumente, Bilder und Tabellen für das LLM aufbereitet werden
00:05:13 - Eigenentwicklung vs. Standardlösungen (z.B. Microsoft Gateway)
00:06:40 - Strukturierte Daten vs. Freitext: Das Beispiel „Beipackzettel“
00:08:36 - Was ist ReqIF? Ursprung und Nutzen in der Industrie
00:09:52 - Technische Struktur eines ReqIF-Projekts (XML & Anhänge)
00:11:55 - Deep Dive: Wie ein RAG-System Fragen beantwortet und Dokumente zerteilt („Chunking“)
00:13:35 - Vorteile strukturierter Daten: Präzisere Antworten und Quellenangaben
00:15:40 - Verknüpfung von Anforderungen über verschiedene Dokumente hinweg
00:17:44 - Fazit und Anwendungsbereiche für ReqIF (Automotive, Medizintechnik, Software)
11. Dezember 2025