Abstract
Die vorliegende Masterarbeit befasst sich mit der Planung und Implementierungeines Retrieval-Augmented Generation (RAG)-Systems im Unternehmenskontext. Ziel
war es, einen Prototypen zu entwickeln, der als Proof of Concept dient und Einblicke
in die Integration von RAG-Systemen in bestehende Infrastrukturen gibt. Durch die
Kombination von Large Language Models (LLMs) und organisationsspezifischen Dokumenten sollen RAG-Systeme moderne Such- und Antwortmöglichkeiten in Form von
Chatbots bereitstellen.
Die besondere Schwerpunktsetzung liegt auf folgenden Themenbereichen:
der technischen Umsetzung mittels Microsoft Azure,
der Datenintegration und -aufbereitung,
sowie der Qualitätssicherung durch automatisierte Testframeworks wie RAGAS.
Die Arbeit zeigt Herausforderungen bei der Integration in bestehende IT-Landschaften auf, darunter Netzwerksicherheit, Berechtigungssysteme und Datenaktualität. Zudem werden weiterführende Möglichkeiten aufgezeigt, um die Antwortqualität zu steigern. Die Ergebnisse legen dar, wie RAG-Systeme effizient evaluiert und optimiert werden können, um eine hohe Genauigkeit und Nutzerfreundlichkeit sicherzustellen.
Der entwickelte Prototyp dient als Grundlage für zukünftige Projekte und stellt
konkrete Empfehlungen für die erfolgreiche Implementierung von RAG-Systemen bereit. Ein Ausblick beschreibt Potenziale zur Erweiterung, beispielsweise die Einbindung
von Aktionen in Quellsystemen.
| Datum der Bewilligung | 2025 |
|---|---|
| Originalsprache | Deutsch (Österreich) |
| Betreuer/-in | Andreas Stöckl (Betreuer*in) |
Studiengang
- Information Engineering und -Management
Zitieren
- Standard