Loading content
Agentic GraphRAG übergibt die Auswahl und Koordination von Retrieval-Werkzeugen an einen KI-Agenten. Abhängig von der Frage kann der Agent beispielsweise Vektorsuche, Text-to-Cypher oder weitere Graphabfragen einsetzen, Zwischenergebnisse bewerten und den Suchweg anpassen. Das Muster eignet sich für heterogene und mehrstufige Fragen, erhöht jedoch Anforderun…
Nutze diesen Steckbrief, um den Baustein kurz zu verstehen, ihn im Modell einzuordnen und verwandte Bausteine zu öffnen.
Theoretisches Gebilde: erklärt einen Begriff, ein Prinzip oder ein Denkmodell.
Was Zusammenhänge ordnet, verbindet oder entscheidbar macht.
Agentic GraphRAG ist ein Retrieval-Muster, bei dem ein KI-Agent das nächste Suchwerkzeug auswählt, Zwischenergebnisse bewertet und die Antwort schrittweise zusammensetzt.
Das Muster entsteht aus GraphRAG-Systemen, die nicht mit einem festen Retriever auskommen, sondern zwischen mehreren Abrufen wechseln müssen. Die Neo4j-GraphRAG-Dokumentation beschreibt dafür austauschbare Retriever wie VectorRetriever, Text2CypherRetriever, HybridRetriever und ToolsRetriever sowie eigene Implementierungen. So kann ein Agent je nach Frage passende Zugriffe, Zwischenprüfung und Kurskorrektur koordinieren.
Stell dir Agentic GraphRAG als Leitstand mit Rückkopplung vor. Der Agent liest die Frage, wählt ein Werkzeug, prüft das Ergebnis und entscheidet dann, ob noch ein weiterer Abruf nötig ist. Vector Search, Graphabfragen und Text-to-Cypher sind dabei unterschiedliche Wege in denselben Kontrollkreis. Die Antwort entsteht erst, wenn genug belastbarer Kontext zusammengetragen wurde.
Der Agent entscheidet, welcher Abrufschritt als Nächstes ausgeführt wird.
Mehrere Suchverfahren werden in einer kontrollierten Abfolge kombiniert.
Semantische Ähnlichkeit findet passende Text- oder Dokumentpassagen.
Natürliche Sprache wird in Graphabfragen übersetzt, um Beziehungen direkt zu nutzen.
Der Graph liefert verknüpfte Fakten und Beziehungskontext für mehrstufige Fragen.
Sinnvoll ist das Muster bei heterogenen, mehrstufigen Fragen, wenn nicht klar ist, ob Textsuche, Graphabfrage oder beides die bessere Quelle ist. Es hilft auch, wenn die Antwortqualität von Zwischenauswahl und Kontextanreicherung abhängt. Der Preis sind mehr Latenz, höhere Kosten und ein größerer Bedarf an Begrenzung, Beobachtbarkeit und Fehlerkontrolle; ohne klare Regeln kann der Agent unnötig umherirren.
Wo dieser Baustein im Themenmodell verortet ist.
Keine Strukturpfade verfügbar.
Erkunde, wie dieser Wissensbaustein mit Konzepten, Methoden, Technologien und Tools verbunden ist.
Diese Quellen belegen den Begriff und seine fachliche Bedeutung.
Alle direkten Verbindungen des aktuellen Wissensbausteins in einer kompakten, textuellen Darstellung.
Diese Einordnung zeigt, in welchem Kontext der Baustein typischerweise relevant wird, wie anspruchsvoll er ist und welche Wirkung er im Modell hat.
Die Ebene innerhalb der Organisation (Unternehmen, Domäne, Team), auf der der AssetBlock angewendet wird.