Ausgangssituation
Die Plastron GmbH möchte bestehende Lieferantendokumente effizienter auswerten und relevante Informationen für die Angebotslegung digital erfassen. RAG-Systeme (Retrieval-Augmented Generation) ermöglichen es, unstrukturierte Daten wie Dokumente, Tabellen und Abbildungen per natürlicher Sprache zu durchsuchen und gezielt Informationen zu extrahieren. Gerade bei sensiblen Unternehmensdaten sind lokale On-Premises-Lösungen interessant. Allerdings unterscheiden sich die verfügbaren Systeme deutlich hinsichtlich Leistungsfähigkeit, Ergebnisqualität, Hardwareanforderungen und Kosten.
Geplantes Vorgehen im Projekt
Gemeinsam mit dem Mittelstand-Digital Zentrum Chemnitz wurde zunächst ein konkreter Anwendungsfall für die Extraktion von Bereitstellungsdaten aus Lieferantendokumenten definiert. Anschließend wurden verschiedene RAG-Ansätze miteinander verglichen: zwei lokale On-Premises-Lösungen auf unterschiedlichen Hardware-Setups sowie eine cloudbasierte Variante. Anhand künstlich erstellter Materialdatenblätter und ausgewählter Realdaten von Plastron wurde untersucht, wie zuverlässig die Systeme Informationen extrahieren können. Ergänzend wurden relevante Stellhebel bei Datenaufbereitung, Einbettung und Generierung analysiert und in einem abschließenden Prompting-Workshop vertieft.
Nutzen der angestrebten Lösung
Das Projekt schafft eine fundierte Entscheidungsgrundlage für den Einsatz von KI-gestützter Datenextraktion und Datenhaltung. Plastron erhält einen Überblick darüber, welche RAG-Ansätze, Modelle und Hardware für den eigenen Anwendungsfall geeignet sind und mit welchen Kosten zu rechnen ist. Gleichzeitig wird deutlich, wie sich sensible Unternehmensdaten lokal verarbeiten lassen und welche Vorteile leistungsfähige Cloud-Modelle bieten. Damit entsteht eine Grundlage für die gezielte Auswahl und spätere Integration passender KI-Tools.
