Hybrid Retrieval: Wie Rexfin die richtige Evidenz findet, bevor die KI antwortet

Stellen Sie einem Chat-Tool eine Frage zu einer Einreichung, muss irgendwo hinter dem flüssig formulierten Satz zuerst eine Suche stattfinden: die Handvoll Stellen finden, die die Antwort tatsächlich enthalten könnten – unter jeder Seite jedes hochgeladenen Dokuments. Läuft dieser Schritt schief – die richtige Zeile wird übersehen, oder das Modell bekommt zehn Seiten Beinahe-Treffer –, hilft danach keine noch so sorgfältige Formulierung mehr. Rexfin behandelt diese Suche als ein Problem, das es richtig zu lösen gilt, nicht als Umhüllung für irgendeine Suchbox, die mit der Datenbank mitgeliefert wurde.

Zwei Arten, danebenzuliegen – also beide nutzen

Stichwortsuche findet einen exakten Begriff zuverlässig – einen Posten-Namen, einen Kontocode, eine bestimmte Formulierung aus einer Fußnote –, übersieht aber eine Frage, die anders formuliert ist als die Einreichung. Semantische Suche erfasst die Umformulierung, gleicht etwa „Kassenbestand” mit einer Einreichung ab, die durchgehend nur „liquide Mittel” schreibt, kann aber für sich genommen auch etwas hervorbringen, das nur ähnlich klingt, ohne der richtige Fakt zu sein. Allein eingesetzt lässt jeder der beiden Ansätze Lücken, die der andere geschlossen hätte. Rexfin lässt beide gegen jede Einreichung laufen – einen lexikalischen Durchgang, der auf die tatsächlichen Wörter abgleicht, und einen dichten Durchgang, der über Vektorsuche auf Bedeutung abgleicht – und führt die beiden Ranglisten zu einer zusammen, bevor irgendetwas weiter durch die Pipeline läuft. Keiner der beiden Durchgänge hat für sich das letzte Wort; die Zusammenführung entscheidet, was als belastbare Evidenz gilt.

Kein Modell, das die Frage vorab errät

Manche Retrieval-Systeme lassen ein Sprachmodell zunächst eine hypothetische Antwort erfinden und suchen dann nach Stellen, die dieser Erfindung ähneln – ein Behelf für schwache Suche und eine neue Stelle, an der das System selbstbewusst danebenliegen kann, noch bevor der eigentliche Antwortschritt überhaupt begonnen hat. Rexfins Retrieval macht diesen Umweg nicht. Es sucht direkt auf Basis dessen, was tatsächlich gefragt wurde, gegen den tatsächlichen Text der Einreichung und dessen Embeddings. Ein Modell weniger in der Kette bedeutet eine Stelle weniger, an der eine erfundene Prämisse still steuert, was als Evidenz gilt.

Direkt neben den Fakten, nicht angeflanscht

Der lexikalische Index und der Vektorindex laufen beide innerhalb derselben Datenbank, die auch die zugrunde liegenden Fakten hält, statt von einem separaten Suchdienst abzuhängen, den man synchron zu den Einreichungen bei deren Erfassung halten müsste. Das ist wichtiger, als es klingt: Suchergebnisse bedeuten nur etwas, wenn sie tatsächlich auf Fakten zurückweisen. Liegt der Suchindex woanders und läuft aus dem Takt mit dem, was tatsächlich erfasst wurde, kann eine gefundene Stelle am Ende auf etwas verweisen, dem man nicht mehr vertraut – ein subtileres Problem, als bloß langsam zu sein.

Eine Auswahl, an der die Antwort-Engine nicht vorbeikommt

Was aus dem Retrieval herauskommt, ist kein Fließtext und keine Zusammenfassung – es ist eine geordnete Menge konkreter Abschnitte und Fakten, jeder rückverfolgbar bis zur genauen Seite. Diese Auswahl ist das gesamte Universum an Evidenz, aus dem die Antwort-Engine für diese Frage schöpfen darf. Das ist der Grund, warum sich die Plattform weiter unten in der Kette auf eine harte Regel festlegen kann: zitieren oder verweigern, niemals schätzen. Hat das Retrieval die richtige Stelle nicht gefunden, hat die Antwort-Engine nichts, womit sie sie belegen könnte, und die ehrliche Reaktion ist eine Verweigerung statt einer flüssig klingenden Vermutung. Dieselbe Auswahl macht es möglich, im Chat zu jeder Zahl genau die Seite zu zeigen, von der sie stammt – das Retrieval ist der Schritt, der diesen Verweis überhaupt erst verfügbar macht.

Geprüft, nicht nur vertraut

Das Retrieval steht vor den beiden Dingen, auf die es bei einer KI-Antwort am meisten ankommt: ob die Zahl stimmt, und ob sie mit etwas Echtem belegt ist. Deshalb bleibt es nach dem Bau nicht ungetestet. Es ist Teil dessen, was die Antwortqualitäts-Bewertung der Plattform bei jeder Änderung prüft – eine Änderung am Retrieval muss denselben benoteten Testsatz bestehen wie eine Änderung am Modell oder an den Prompts, und eine Version, die still anfängt, die richtige Evidenz zu verfehlen, wird dort abgefangen, bevor sie eine Antwort erreicht, nicht danach.

Warum das mehr zählt, als es scheint

Eine Suche wirkt wie Sanitärtechnik – unsichtbar, wenn sie funktioniert, und selten das Erste, wonach jemand fragt. Aber sie entscheidet, was die KI überhaupt zu sehen bekommt, bevor sie den Mund aufmacht. Läuft sie schief, kann die KI sich beim Zitieren von Quellen vorbildlich verhalten und trotzdem die falschen zitieren, weil die richtige Stelle nie in der Auswahl war. Rexfins Ansatz – lexikalische und semantische Suche kombiniert, kein umformulierendes Modell, dem man blind vertrauen muss, betrieben im selben Speicher wie die Fakten, die durchsucht werden – ist darauf angelegt, dass die KI, was auch immer sie am Ende sagt, dabei auf die richtige Seite geschaut hat. Sehen Sie den Themenüberblick für das Zusammenspiel mit dem Rest der Plattform, oder buchen Sie eine Demo, um live zu sehen, wie die richtige Fußnote in einer von Ihnen mitgebrachten Einreichung gefunden wird.