WeeklyTalk #152
RAG und ReqIF: Der Source Connector als Daten-Hub für KI-Systeme
Der Fokus in dieser Folge liegt auf der technischen Implementierung und den Herausforderungen bei der Analyse formaler Spezifikationsdokumente durch KI-Systeme.
Der Fokus in dieser Folge liegt auf der technischen Implementierung und den Herausforderungen bei der Analyse formaler Spezifikationsdokumente (z.B. im ReqIF-Standard) durch KI-Systeme.
Wir stellen unseren Source Connector vor, der als Daten-Hub fungiert und ein RAG-System (Retrieval-Augmented Generation) mit den relevanten, strukturierten Quelldaten versorgt.
Abschließend beleuchten wir die entscheidenden Mehrwerte einer strukturierten Datenbasis gegenüber der alleinigen Verarbeitung von Fließtext für eine präzisere und zuverlässigere KI-Analyse.
Kapitelmarken
00:00 – Einleitung: Herausforderungen bei der Analyse formaler Spezifikationen (ReqIF)
00:52 – Begriffsklärung: RAG vs. ReqIF
01:30 – ChatGPT vs. Unternehmens-KI: Warum internes Datenmanagement komplexer ist
02:45 – Architektur: Die Rolle des Source Connectors als Daten-Drehscheibe
03:48 – Die Pipeline: Wie Dokumente, Bilder und Tabellen für das LLM aufbereitet werden
05:13 – Eigenentwicklung vs. Standardlösungen (z.B. Microsoft Gateway)
06:40 – Strukturierte Daten vs. Freitext: Das Beispiel „Beipackzettel“
08:36 – Was ist ReqIF? Ursprung und Nutzen in der Industrie
09:52 – Technische Struktur eines ReqIF-Projekts (XML & Anhänge)
11:55 – Deep Dive: Wie ein RAG-System Fragen beantwortet und Dokumente zerteilt („Chunking“)
13:35 – Vorteile strukturierter Daten: Präzisere Antworten und Quellenangaben
15:40 – Verknüpfung von Anforderungen über verschiedene Dokumente hinweg
17:44 – Fazit und Anwendungsbereiche für ReqIF (Automotive, Medizintechnik, Software)
Hinweis zur Bedienung: Ein einmaliger Klick auf das Play-Symbol aktiviert sowohl die interaktive Kapitelnavigation als auch den Ton des Videos.
11. Dezember 2025