Der Autor identifiziert „Semantic Clobbering“ als eine Einschränkung bei rein vektorsuchbasiertem RAG, die die Abruflogik korrumpiert. Als Paradigmenwechsel schlagen sie Graph-RAG vor, das Wissensgraphen für den strukturierten Informationsabruf nutzt und Multi-Hop-Reasoning ermöglicht.
Der Artikel beschreibt die Entwicklung des Abrufsystems von 2asy.ai, das von einer einfachen Vektorsuche zu einem domänenübergreifenden Ontologie-Graph-RAG überging. Dieser Umbau zielt darauf ab, die Grenzen der Ähnlichkeitssuche zu überwinden und komplexe kausale Beziehungen in Zollnachrichten besser zu verstehen.
Die eigentliche Herausforderung bei Graph RAG ist nicht die Datenextraktion, sondern die Normalisierung, um die Navigierbarkeit des Graphen zu gewährleisten. Der Autor entdeckte dies beim Aufbau eines Wissensgraphen für 2asy.ai, bei dem inkonsistente Benennungen von Entitäten und Beziehungstypen den Graphen trotz erfolgreicher Extraktion unbrauchbar machten.