Unternehmenswissen ist in der industriellen Praxis meist vorhanden – nur selten dort, wo es im entscheidenden Moment gebraucht wird. Retrieval-Augmented Generation (RAG) kann helfen, diese Lücke zu schliessen.
Symbolbild von Sergey Sergeev via Pexels (zVg von PSI)
Ein Projektleiter sucht nach einer Entscheidungsvorlage für die Anpassung eines Fertigungsprozesses. Die dafür relevanten Informationen sind im Unternehmen vorhanden, z. B. in Planungsdokumenten, Qualitätsrichtlinien, Projektberichten oder Wartungsprotokollen. Doch das Wissen liegt verteilt in unterschiedlichen Dateien und Systemen. Statt vorhandene Informationen direkt nutzen zu können, müssen Fachbereiche viel Zeit in die Suche investieren. Auch in ERP- und MES-nahen Umgebungen entsteht so ein Bruch zwischen verfügbarem Wissen und seiner praktischen Nutzung im Arbeitsalltag.
Schnelle Antworten in konkreten Arbeitssituationen
Ein Ansatz, diese Lücke zu schliessen, ist die Integration von Retrieval-Augmented Generation (RAG) in bestehende Unternehmensanwendungen. Dabei wird ein Large Language Model mit einer gezielten Dokumentensuche verbunden. Wie sich ein solcher Ansatz in der Praxis umsetzen lässt, zeigt etwa PSIpenta/QA2. Das System erschliesst definierte Dokumentenquellen für textbasierte Anfragen und bereitet relevante Inhalte kontextbezogen auf. So werden Informationen aus Prozessdokumentationen, Handbüchern, Protokollen oder Doku-Wikis für Anfragen in natürlicher Sprache erschlossen. Stellt ein Nutzer eine Frage, durchsucht das System die zuvor definierten Quellen, identifiziert passende Inhalte und bereitet sie als strukturierte, kontextbezogene Antwort auf.
Der Mehrwert einer solchen dialogbasierten Auskunft liegt nicht allein in der Geschwindigkeit. Für Unternehmen ist besonders wichtig, dass Antworten auf nachvollziehbaren Quellen basieren, mit direkten Verweisen auf die zugrunde liegenden Dokumente versehen sind und im jeweiligen Anwendungskontext bereitgestellt werden. So entstehen belastbare Ergebnisse, die sich unmittelbar in Arbeitsabläufe einordnen lassen.
Sensible Daten sicher in der eigenen Infrastruktur halten
Für industrielle Anwender ist ein solcher Ansatz besonders dort relevant, wo Entscheidungen schnell und auf einer belastbaren Informationsbasis getroffen werden müssen. In ERP- und MES-nahen Anwendungen, in denen klassische Funktionen bei komplexen, kontextabhängigen Fragestellungen an Grenzen stossen, eröffnet RAG einen direkteren Zugang zu relevantem Wissen. Nutzer müssen sich nicht mehr durch Menüs und Masken arbeiten, sondern können in der jeweiligen Arbeitssituation konkrete Fragen stellen und erhalten sofort strukturierte Antworten auf Basis vorhandener Dokumente. So wird unnötige Suchzeit reduziert und Unternehmenswissen im Moment der Entscheidung nutzbar.
Gerade im industriellen Umfeld ist aber nicht nur der schnelle Informationszugang relevant, sondern auch der kontrollierte Umgang mit sensiblen Daten. Wird die Architektur so ausgelegt, dass sich Funktionen flexibel zwischen lokalen Ressourcen und Cloud verteilen lassen, können sensible Informationen in der kundeneigenen Infrastruktur verbleiben. Das stärkt die Nachvollziehbarkeit ebenso wie die Datensouveränität.
Fazit
RAG erweitert ERP- und MES-Anwendungen nicht um einen technischen Selbstzweck, sondern um einen praktischen Zugang zu verteiltem Unternehmenswissen. Für industrielle Fachbereiche trägt das zu fundierteren Entscheidungen, schnellerer Orientierung und einem Arbeitsalltag bei, in dem vorhandenes Wissen systematischer genutzt werden kann.
Der Autor
Mathias Zimmermann ist Teamleiter Beratung bei PSI
PSI AG Schweiz | 9500 Wil | www.psi.de
Weitere Informationen und Beiträge bei PSI in der topsoft Marktübersicht