Parsing
Tabellen werden zu Fließtext plattgedrückt, gescannte Seiten übersprungen und Kopfzeilen in jedem Chunk wiederholt.
Layout-bewusstes Parsing mit OCR, erhaltener Tabellenstruktur und korrekter Lesereihenfolge.
Unternehmens-KI, verankert in Ihrem Geschäftskontext.
Wir entwerfen und bauen die RAG-Systeme hinter Unternehmens-KI: Dokument-Pipelines für Millionen von Seiten, ein auf Ihren Korpus abgestimmtes Retrieval und berechtigungsbewusster Geschäftskontext hinter jeder Antwort und jedem Agenten.
74M+
Vektoren indiziert
112B+
Tokens verarbeitet
150K+
Unternehmen, die auf Cody aufbauen
87
Länder
Warum Unternehmens-KI enttäuscht
Selten liegt es am Modell. Fast immer am Kontext.
Die meisten festgefahrenen KI-Piloten lassen ein leistungsfähiges Modell auf den falschen Belegen laufen. Über die Antwortqualität wird vorher entschieden: dabei, wie Dokumente geparst, in Chunks zerlegt, indexiert, gefiltert und zu Kontext zusammengesetzt werden. Genau diese Schicht ist unsere Spezialität.
StufeWo es scheitertUnsere technische Lösung
Chunking
Ein Schnitt mit fester Größe trennt eine Richtlinienklausel von der Ausnahme, die ihre Bedeutung ändert.
Strukturbewusste Chunks, die Abschnitten folgen und ihren Dokument- und Überschriftenpfad mitführen.
Retrieval
Reine Vektorsuche übersieht Teilenummern, SKUs, Abkürzungen und exakte Richtliniennamen.
Hybrides Retrieval aus Keyword- und semantischer Suche, fusioniert und für Ihre Domäne neu gerankt.
Berechtigungen
Der Assistent zitiert ein Dokument, das die fragende Person nie öffnen durfte.
Berechtigungen aus den Quellsystemen werden in den Index synchronisiert und bei jeder Abfrage durchgesetzt.
Aktualität
Die Preisliste des letzten Quartals beantwortet selbstbewusst die Frage dieses Quartals.
Inkrementelle Synchronisierung, Versionierung und Gültigkeitsdaten halten den Index im Gleichschritt mit der maßgeblichen Quelle.
Evaluierung
Niemand kann sagen, ob die letzte Prompt- oder Modelländerung die Antworten besser oder schlechter gemacht hat.
Referenz-Fragensets und Regressionstests prüfen jede Änderung vor dem Release.
Referenzarchitektur
Anatomie eines produktiven RAG-Systems.
Jedes Projekt startet mit unserer Referenzarchitektur; anschließend wird jede Stufe auf Ihre Dokumente, Systeme, Sprachen und Ihr Risikoprofil abgestimmt. Nichts ist eine Blackbox: Zu jeder Antwort gibt es einen Trace, den Sie prüfen können.
- 01
Anbinden
Wissen dort erfassen, wo es bereits liegt, mit zeitgesteuerter und ereignisgesteuerter Synchronisierung für jede Quelle.
- Dateifreigaben und Laufwerke
- Wikis und Intranets
- Ticketsysteme und CRM
- Datenbanken und APIs
- 02
Parsen
PDFs, Scans, Präsentationen, Tabellenkalkulationen, E-Mails und Webseiten in sauberen, strukturierten Text umwandeln, ohne Tabellen oder Lesereihenfolge zu verlieren.
- Layoutanalyse
- OCR
- Tabellenextraktion
- Metadatenerfassung
- 03
Chunken und anreichern
Entlang der dokumenteigenen Struktur teilen, Titel und Abschnittspfade anhängen, Entitäten und Daten taggen und Beinahe-Duplikate entfernen, bevor irgendetwas eingebettet wird.
- Strukturbewusstes Chunking
- Parent-Child-Kontext
- Entitäten-Tagging
- Deduplizierung
- 04
Einbetten und indexieren
Embedding-Modelle nach Sprache und Domäne auswählen und die Vektoren zusammen mit Keyword-Feldern, Metadaten und Zugriffskontrolllisten indexieren.
- Dense + Sparse
- Metadatenfilter
- ACL-Felder
- Versionierte Indizes
- 05
Abrufen und neu ranken
Die Frage umformulieren und zerlegen, hybride Suche ausführen, nach Berechtigungen filtern und neu ranken, sodass nur die stärksten Belege übrig bleiben.
- Query-Umformulierung
- Hybride Suche
- Rank-Fusion
- Cross-Encoder-Reranking
- 06
Generieren und prüfen
Kontext innerhalb eines strikten Token-Budgets zusammenstellen, mit Quellenangaben antworten, jede Aussage gegen ihre Quelle prüfen und bei dünner Beleglage verzichten oder eskalieren.
- Token-Budgetierung
- Inline-Quellenangaben
- Aussagenprüfung
- Verzichten oder eskalieren
Retrieval-Trace
Eine Antwort, durchgängig
Beispiel922 ms
Dürfen unsere Servicetechniker das X200-Ventil im Rahmen des Servicevertrags 2025 austauschen?
ServicetechnikerEMEAServicestufe 2
Umformulieren und zerlegen
3 Teilabfragen
38 msHybride Suche
Keyword + Vektor · 240 Kandidaten
71 msCRM-Abfrage
Servicevertrag SA-2025-118
118 msBerechtigungsfilter
212 von 240 für diesen Nutzer sichtbar
5 msReranking
Cross-Encoder · Top 8 behalten
94 msKontext zusammenstellen
8 Passagen + 1 Datensatz · 3.840 Token
9 msGenerieren
belegte Antwort · 3 Quellenangaben
652 msAussagen prüfen
3 von 3 belegt
53 ms
Belegte Antwort
Ja. Klausel 7.2 des Vertrags von 2025 deckt den Ventiltausch vor Ort durch zertifizierte Techniker ab.1 Verwenden Sie die Drehmomentvorgabe TS-14 aus dem X200-Verfahren.2 Dokumentieren Sie den Teiletausch im Arbeitsauftrag.3
- 1Servicevertrag 2025 · S. 14
- 2X200-Wartungshandbuch · §4.3
- 3Außendienst-SOP v12 · S. 3
Durchgängig beobachtet. Jede Stufe wird nachverfolgt und gemessen, vom Retrieval-Recall und der Quellentreue bis zu Latenz und Kosten pro Antwort, damit Verbesserungen belegt statt nur angenommen sind.
Context Engineering
Dokumente sind nur der halbe Kontext.
Eine richtige Antwort hängt davon ab, wer fragt, was gerade gilt und was Ihr Unternehmen mit seinen eigenen Begriffen meint. Wir bringen all das in ein Kontextfenster, mit dem das Modell wirklich arbeiten kann.
Kontextfenster
Was das Modell für eine Antwort sieht
- Anweisungen und Richtlinien800
- Wer fragt150
- Gesprächsverlauf550
- Abgerufene Belege3.600
- Aktuelle Geschäftsdaten1.000
- Glossar und Entitäten300
- Reserviert für die Antwort1.600
Beispielhafte Aufteilung. Budgets werden je nach Modell, Sprache und Anwendungsfall abgestimmt, und jedes Token muss sich seinen Platz verdienen.
Wer fragt
Rolle, Team, Region und Berechtigungen bestimmen, was abgerufen werden darf und wie die Antwort formuliert sein sollte.
Was das Unternehmen weiß
Richtlinien, Handbücher, Verträge und frühere Lösungen, als Belege abgerufen und bis zur Textstelle zitiert.
Was gerade gilt
Aktuelle Datensätze aus CRM, ERP, Ticket- und Bestellsystemen, zum Zeitpunkt der Frage über Tools abgerufen, statt eingebettet zu werden und zu veralten.
Wie Ihr Unternehmen spricht
Glossare, Produktnamen, Abkürzungen und Entity Resolution, damit „X200“, „X-200 Pro“ und „das 200er-Ventil“ als dasselbe Teil erkannt werden.
Was nie passieren darf
Richtlinien, Ablehnungsregeln und Eskalationswege greifen, bevor das Modell auch nur ein Wort schreibt.
Gebaut für Skalierung
Gebaut für Millionen Dokumente, nicht für einen Demo-Ordner.
Ein Pilot mit 200 PDFs beweist sehr wenig. Produktion bedeutet kontinuierliche Datenaufnahme, Neuindexierung ohne Ausfallzeit sowie Latenz und Kosten, die planbar bleiben, während Korpus und Nutzung wachsen. Auf der Cody-Plattform indexieren wir bereits mehr als 74 Millionen Vektoren.
Inkrementelle Datenaufnahme
Die Änderungserkennung verarbeitet nur, was sich geändert hat, und Löschungen werden weitergegeben, damit zurückgezogene Inhalte nicht mehr antworten.
Neuindexierung ohne Ausfallzeit
Neues Embedding-Modell oder neue Chunking-Strategie? Wir bauen den neuen Index neben dem produktiven auf, evaluieren ihn und schalten dann den Traffic um.
Latenzbudgets
Jede Stufe hat ein Zeitbudget. Caching, paralleles Retrieval und Streaming halten Antworten schnell, auch wenn der Korpus wächst.
Kosten pro Antwort
Embedding-Dimensionen, Indexkomprimierung, Caching und Modell-Routing werden so abgestimmt, dass die Stückkosten auch bei hohem Volumen planbar bleiben.
Mehrsprachiges Retrieval
Sprachübergreifende Embeddings und sprachspezifische Keyword-Analyse, damit eine Frage auf Spanisch die auf Englisch verfasste Richtlinie findet.
Isolation und Datenresidenz
Getrennte Indizes oder gefilterte Namespaces je Geschäftsbereich, Region oder Kunde, abgestimmt auf Ihre Anforderungen an die Datenresidenz.
Gemessen und gesteuert
Vor dem Launch gemessen. Danach nachvollziehbar.
Qualität und Governance sind Engineering-Arbeit, keine Abschlussprüfung. Wir bauen das Evaluations-Framework und die Kontrollen zusammen mit dem System, damit die Verantwortlichen sehen, wie es arbeitet und warum es so geantwortet hat.
Evaluations-Framework inklusive
Evaluieren
Retrieval-Qualität
Recall@k, MRR und nDCG, gemessen an Referenz-Fragensets, die gemeinsam mit Ihren Fachexperten erstellt werden.
Evaluieren
Antwortqualität
Quellentreue, Zitiergenauigkeit und Vollständigkeit werden automatisch bewertet und an menschlichen Reviews kalibriert.
Evaluieren
Regressions-Gates
Jede Änderung an Prompts, Modellen, Chunking oder Indizes durchläuft die Testsuite erneut, bevor sie Nutzer erreicht.
Steuern
Berechtigungsbewusstes Retrieval
Zugriffsregeln aus jedem Quellsystem werden zum Abfragezeitpunkt durchgesetzt, mit einem Protokoll, was für wen abgerufen wurde.
Steuern
Durchgängige Nachvollziehbarkeit
Zu jeder Antwort werden Abfrage, Passagen, Index- und Prompt-Versionen sowie das Modell gespeichert, damit Prüfer genau rekonstruieren können, was passiert ist.
Steuern
Menschliche Überprüfung und Eskalation
Konfidenzschwellen leiten Fragen mit schwacher Beleglage an Menschen weiter, mit klar definiertem Fallback-Verhalten.
So arbeiten wir
Vom Korpus-Audit bis zur Produktion, Schritt für Schritt gemessen.
Jeder Schritt liefert prüfbare Ergebnisse: Korpusprofile, Retrieval-Baselines, Evaluationswerte und einen kalkulierten Produktionsplan.
01
Korpus auditieren
Wir analysieren Ihre Quellen nach Format, Volumen, Qualität, Duplikaten, Berechtigungen und Aktualität und legen die Governance-Grenzen fest, die das System einhalten muss.
02
Retrieval-Baseline
Mit Ihren Experten erstellen wir ein Referenz-Fragenset und messen, wie gut sich Ihre Inhalte abrufen lassen, bevor ein Modell auch nur eine Antwort schreibt.
03
Pilot mit echter Arbeit
Ein funktionierendes System auf einem repräsentativen Ausschnitt des Korpus, genutzt von echten Menschen, mit Traces und Evaluationswerten, die Sie prüfen können.
04
In Produktion skalieren
Vollständige Datenaufnahme, Monitoring, Kostenkontrolle und ein Betriebsmodell mit klarer Verantwortung für jeden Teil des Systems.
Lösungsdesign-Studie
Entdecken Sie die Lösungsdesign-StudieVerwandeln Sie den Ansatz in einen entscheidungsreifen Plan.
Wenn die Chance klar ist, das richtige System aber noch nicht, prüft eine klar abgegrenzte Lösungsdesign-Studie Ihre Dokumente, die Retrieval-Qualität, die Kontrollen und die Kosten, bevor Sie sich auf eine Umsetzung festlegen.
01
Korpus- und Retrieval-Bewertung
Quellenprofile, Retrieval-Baselines und die Lücken, die am meisten zählen.
02
Referenzarchitektur
Entscheidungen zu Parsing, Indexierung, Retrieval, Modellen, Integrationen und Deployment.
03
Funktionsnachweis mit Ihren Daten
Eine repräsentative Anwendung mit Traces und Evaluationswerten.
04
Kontroll- und Rolloutplan
Risiken, Eigentümer, Beweise, Kosten und ein praktischer Weg zur Produktion.
Aus unserer Forschung
Alle Artikel ansehenWir veröffentlichen, was wir lernen.
Ausführliche, herstellerneutrale Deep Dives zu den Teilen von RAG, die über die Antwortqualität entscheiden: Parsing, Embeddings, Vektordatenbanken und Kosten.
Dokument-Parsing
Was ist Docling? Ein praktischer Leitfaden zum Parsen von Dokumenten für RAG
Docling wandelt PDFs, Office-Dateien, Bilder, E-Mails und mehr in strukturierte Daten für die KI um. Erfahren Sie, wie es funktioniert, wo es in RAG passt und wie es im Vergleich zu anderen Dokumentparsern abschneidet.
Artikel lesenVektordatenbankenTop 8 Vektordatenbanken für RAG im Jahr 2026
Vergleichen Sie acht führende Vektordatenbanken für RAG nach Hybridsuche, Filterung, Bereitstellung, Mandantenfähigkeit und Produktionstauglichkeit – plus einem praktischen Auswahlrahmen.
Artikel lesenIndexierungskostenWie viel kostet es, eine Datenbank für RAG zu vektorisieren?
Erfahren Sie, was es wirklich kostet, eine Datenbank für RAG zu vektorisieren, von Einbettungen und Parsing bis hin zu Vektorspeicherung, Abfragen, Replikaten und Neuindizierung.
Artikel lesenParsing-ModelleCohere Parse v5.0: Warum besseres RAG mit besseren Dokumenten beginnt
Cohere Parse v5.0 verwandelt PDFs, Folien, Tabellen, Formulare und Bilder in RAG-fähiges Markdown. Hier erfahren Sie, was es anders macht, wo es passt und was seine Grenzen für die Unternehmenssuche bedeuten.
Artikel lesenSprechen Sie mit dem Unternehmensteam
Bringen Sie uns Ihre schwierigsten Dokumente.
Zeigen Sie uns den Korpus, die Systeme und die Fragen, auf die es ankommt. Wir sagen Ihnen, welche Genauigkeit realistisch ist, was es dafür braucht und ob eine Lösungsdesign-Studie der richtige erste Schritt ist.
Eine ehrliche Einschätzung Ihres Korpus und Ihrer Retrieval-Qualität
Eine Architektur, die sich an Ihren Systemen und Berechtigungen ausrichtet
Ein Pilot, gemessen an Ihren echten Fragen