Vorwissen und RAG bei Agenten
Mit Vorwissen (RAG – Retrieval Augmented Generation) gibst du einem Agenten dauerhaftes Fachwissen: Handbücher, Richtlinien, Produktinfos oder Webseiten-Inhalte. Bei jeder Anfrage sucht Uella automatisch die passendsten Textabschnitte und reichert damit die Antwort an.
Das ist nicht dasselbe wie Memory & Personalisierung: Memory merkt sich deine Präferenzen über Chats hinweg. Vorwissen gehört zum Agenten und gilt für alle Nutzer dieses Agenten (z. B. im Team).
So funktioniert es (kurz)
- Du lädst Quellen hoch (Datei, Webseite oder aus der Library).
- Uella zerlegt den Text in Chunks und erzeugt Embeddings (Vektoren).
- Bei einer neuen Frage wird die Frage ebenfalls eingebettet.
- Die ähnlichsten Textstücke (aktuell die Top 3) werden dem Modell als Kontext mitgegeben.
Du musst RAG nicht manuell „einschalten“ – sobald Vorwissen hinterlegt ist, wird es bei Flow-Ausführungen genutzt.
Vorwissen pflegen
Öffne die Agent-Einstellungen (Agent Builder / Zahnrad beim Agenten). Im Bereich Vorwissen stehen dir vier Wege offen:
| Symbol | Funktion |
|---|---|
| Upload | Lokale Dateien hochladen |
| Zahnrad | Embedding-Modell wählen (siehe unten) |
| Link | Öffentliche Webseite per URL einlesen |
| Library | Bereits gespeicherte Library-Dateien auswählen |
Wichtig: Agent zuerst speichern
Bei einem neuen, noch nicht gespeicherten Agenten ist Vorwissen gesperrt. Speichere den Agenten einmal, danach kannst du Quellen hinzufügen.
Unterstützte Dateiformate
- Text:
.txt,.jsonund vergleichbare Textdateien - PDF: Text wird extrahiert und eingebettet
- Word:
.docx(Textextraktion)
Aus der Library können zusätzlich Formate wie Markdown oder CSV genutzt werden, sofern sie als Text lesbar sind.
Webseiten
Gib eine URL ein (mit oder ohne https://). Uella lädt den sichtbaren Seitentext, chunkiert ihn und speichert ihn wie eine Datei. In der Liste erscheint der Eintrag mit dem Tag Web.
Hinweis: Login-geschützte Seiten, reine JavaScript-Apps ohne statischen Text oder sehr grosse Seiten liefern oft wenig brauchbaren Inhalt.
Aus der Library
Dateien, die du zentral in der Library ablegst, kannst du per Library-Icon dem Agenten-Vorwissen zuordnen — ohne erneuten Upload von deinem Rechner. Details: Dateien und Library.
Quellen entfernen
In der Liste unter Vorwissen kannst du Einträge löschen. Dabei werden die zugehörigen Embeddings für diesen Agenten mit entfernt.
Retrieval testen
Unter den Upload-Buttons liegt Retrieval testen. Eine Frage eingeben, Prüfen: Uella zeigt die Top-Chunks mit Score und Text — dieselbe Suche, die der Agent zur Laufzeit nutzt.
Damit siehst du, warum der Agent etwas «nicht wusste»: kein Vorwissen, falsches Dokument, oder die Frage trifft die Chunks nicht. Score nahe 1 ist ähnlicher; sehr niedrige Werte sind praktisch Zufallstreffer.
Embedding-Modell (Zahnrad)
Über das Zahnrad neben den Upload-Buttons wählst du, mit welchem Ollama-Modell die Vektoren erzeugt werden:
- Deutsch / Mehrsprachig (Standard) —
bge-m3, empfohlen für deutschsprachige und gemischte Inhalte. Im Personal-Wizard und unter Einstellungen → Lokale KI wird dieses Modell bei erreichbarem Ollama still nachgeladen (Status «Vorwissen»). - EmbeddingGemma 2 (optional) —
embeddinggemma-2, leichtes mehrsprachiges Text-Embedding. Es wird nicht automatisch geladen. Unter Einstellungen → Lokale KI → Modell hinzufügen → Vorwissen nachembeddinggemma-2suchen und laden, danach im Zahnrad wählen. Bild, Audio und Video bleiben hier aussen vor; Vorwissen indexiert weiter nur Text. - Englisch (BGE Base en v1.5) — Legacy-Option für ältere Agenten mit englischem Vorwissen
Achtung beim Wechsel: Ein anderes Modell erzeugt andere Vektoren (EmbeddingGemma 2 zum Beispiel 768 statt 1024 Dimensionen). Die App bettet vorhandenes Vorwissen neu ein und warnt davor. Bei einem Fehler bleiben das bisherige Modell und die bisherigen Vektoren erhalten. Das neue Modell muss schon installiert sein.
Unterschied: Vorwissen, Memory und Chat-Anhang
| Vorwissen (RAG) | Memory | Datei im Chat | |
|---|---|---|---|
| Wo | Agent-Einstellungen | „Merke dir: …“ / Erinnerungen-Tab | Upload im Eingabefeld |
| Gilt für | Diesen Agenten | Dein Konto (pro Agent optional) | Diesen Chat-Lauf |
| Inhalt | Dokumente, URLs, Library | Präferenzen, kurze Fakten | Einmalige Analyse |
Vorwissen und Memory können parallel aktiv sein; der Schalter User-Erinnerungen aktivieren steuert nur Memory, nicht Vorwissen.
Best Practices
- Qualität vor Menge: Lieber wenige, aktuelle und gut strukturierte Dokumente als ein riesiges PDF-Mischmasch.
- Themen pro Agent: Ein Support-Agent mit FAQ-PDF, ein Vertrags-Agent mit Musterverträgen — so bleibt die Suche präziser.
- Konkrete Fragen stellen: „Was steht in Abschnitt 4.2 zur Kündigungsfrist?“ funktioniert besser als „Was steht in der Datei?“
- Nach Updates neu einspielen: Geänderte PDFs oder Webseiten erneut hochladen, damit die Chunks stimmen.
- Keine Secrets: Keine Passwörter, API-Keys oder unnötig sensible personenbezogene Daten ins Vorwissen legen.
Typische Anwendungen
- Interner Helpdesk-Agent mit Handbuch-PDF und Prozessbeschreibungen
- Vertriebs-Agent mit Produktblättern und Preislisten
- Onboarding-Agent mit Wiki-Seiten (URL) und Checklisten aus der Library
Org-Agenten
Bei Organisations-Agenten können normale Mitglieder die Einstellungen oft nur lesen (Vorwissen-Upload und Löschen gesperrt). Org-Admins können Vorwissen für den gemeinsamen Agenten pflegen.
Wenn Vorwissen nicht greift
- Ist unter Vorwissen mindestens eine Quelle gelistet?
- Passt die Frage zum Inhalt (andere Begriffe als im Dokument)?
- Wurde kürzlich das Embedding-Modell gewechselt ohne Neu-Upload?
- Enthält die Quelle überhaupt extrahierbaren Text (gescannte PDFs ohne OCR, leere Webseiten)?
- Teste mit einer spezifischen Frage zu einem bekannten Satz im Dokument.
Für persönliche Stil- und Sprachwünsche nutze Memory & Personalisierung. Für einmalige Dateien im laufenden Chat: Dateien und Library.