🧠 OpenRAG
OpenRAG ist eine RAG-Plattform, die die Inhalte eines Unternehmens bereinigt und strukturiert, diese auf unserem eigenen Server indiziert und sie über eine einzige, berechtigte Schnittstelle für externe KI-Systeme in natürlicher Sprache abfragbar macht.
Vektoren werden nicht veröffentlicht; der ZUGRIFF wird geöffnet.
Dies ist eine Produkteinführung, keine Liste von Versprechungen. Im Folgenden sind die Teile, die heute funktionieren, und die Teile, die noch auf der Roadmap stehen, separat gekennzeichnet. Für Roadmap-Elemente werden keine Termine zugesagt; sobald sie abgeschlossen sind, werden sie in den Abschnitt „Heute funktionierend“ verschoben.
Das Kernprinzip
Das gesamte Design von OpenRAG basiert auf einem einzigen Satz: Vektoren werden nicht veröffentlicht, der Zugriff wird geöffnet. Was nach außen gegeben wird, ist keine Kopie des Inhalts, sondern das Recht, Fragen dazu zu stellen.
Ein Vektor ist eine Engine, kein Produkt
Ein Vektor ist spezifisch für das Modell, das ihn erzeugt hat; eine andere KI kann ihn nicht ohne weiteres verwenden. Er erhöht außerdem die Textmenge um ein Vielfaches. Aus diesem Grund werden Vektoren niemals ausgehändigt.
Was geöffnet wird, ist der Abfragezugriff
Eine Frage kommt an; eine Antwort und die Quellpassagen, auf denen sie basiert, gehen zurück. Der vollständige Inhalt wird niemals kopiert, verteilt oder heruntergeladen.
Die Erlaubnis gehört dem Unternehmen
Das Unternehmen entscheidet, welche Inhalte extern abfragbar werden; die Teilnahme ist optional. Die Berechtigungs- und Einwilligungs-Layer sind auf der Roadmap.
Wie es funktioniert — Zielarchitektur
Die Bereinigung, Strukturierung, Indizierung und Suchverknüpfungen dieses Ablaufs funktionieren heute. Self-Hosting von Embedding mit Re-Ranking und die einzige Tür zur Außenwelt stehen noch auf der Roadmap; jeder Schritt unten gibt an, welcher der Fall ist.
Quellen werden gesammelt
xloji-Websites, hochgeladene Dokumente und gecrawltes Webseiten sind die Inhaltsquellen. (Ein WordPress-Plugin und eine öffentliche Ingestion-API stehen auf der Roadmap.)
Es wird bereinigt und strukturiert
Unübersichtliche Inhalte werden bereinigt, in sinnvolle Abschnitte unterteilt und in eine Form gebracht, die RAG verwenden kann. Dieser Schritt funktioniert heute.
Es wird indiziert und durchsucht
Abschnitte werden in Vektoren umgewandelt und in pgvector geschrieben; sie werden über einen HNSW-Index und eine hybride Suche (Keyword + Vektor) gefunden. Dieser Schritt funktioniert heute; das Hinzufügen der Re-Ranking-Verknüpfung steht auf der Roadmap.
Es wird über eine einzige Tür erreicht
Externe KI-Systeme fragen in natürlicher Sprache über eine einzige, berechtigte Schnittstelle; Antworten und Quellpassagen kommen zurück, nicht die Vektoren selbst. Diese Tür existiert noch nicht; sie steht auf der Roadmap.
Teile, die heute funktionierenLive
Die folgenden Komponenten laufen heute auf der Plattform und werden bereits von den KI-Tools auf xloji.com verwendet.
pgvector + HNSW-Index
Inhaltsabschnitte werden als Vektoren in der Datenbank gespeichert und mit einem HNSW-Index über Cosinus-Ähnlichkeit durchsucht.
Hybride Suche
Keyword-Suche und Vektorsuche laufen parallel; die beiden Ergebnislisten werden zu einem einzigen Ranking zusammengeführt. Dies findet sowohl exakte Begriffstreffer als auch semantisch ähnliche Passagen.
Multi-Tenant-Isolation
Jedes Unternehmen, jede Website und jeder Autor hat seinen eigenen RAG. Eine Abfrage läuft nur gegen den Index seines eigenen Mandanten; Daten werden niemals über Mandanten hinweg vermischt.
Dokumentenbereinigung und RAG-Strukturierung
Hochgeladene Dokumente werden bereinigt, in Abschnitte unterteilt und für RAG strukturiert. Das Data Structuring Tool auf der Plattform ist die nutzerseitige Schnittstelle dieser Pipeline.
Web-Crawling
Die Seiten einer Website werden gecrawlt, ihr Inhalt extrahiert und durch dieselbe Bereinigungs- und Indizierungspipeline geleitet.
Öffentlicher RAG-Feed in benutzerdefinierten KI-Tools
Ein von Ihnen erstelltes benutzerdefiniertes KI-Tool kann aus einer öffentlichen RAG-Quelle gespeist werden; das Tool begründet seine Antworten in dieser Wissensbasis.
Datei- und Medienspeicher
Dateien und Medien werden in einem Objektspeicher gespeichert — nicht im Vektorspeicher. Der RAG-Eintrag verweist zurück auf die ursprüngliche Datei.
Einbettung und Neusortierung auf unseren eigenen Servern
Einbettung und Neusortierung werden nun auf unseren eigenen Servern in einem separaten Dienst ausgeführt. Texte werden in Vektoren umgewandelt, ohne den Server zu verlassen, und Kandidatenergebnisse durch einen lokalen Neusortierer geleitet, um die Genauigkeit zu verbessern.
Abfrageumformulierung
Eine vage oder unvollständige Frage wird bereinigt, bevor die Suche ausgeführt wird. Benutzer müssen nicht die "richtige" Frage formulieren; das System macht die Abfrage suchbereit.
Text aus Bildern, Audio und Video
Textextraktion aus Bildern und Transkription von Audio und Video werden mit lokalen Tools auf dem Server ausgeführt, und der resultierende Text gelangt in die gleiche Bereinigungs- und Indexierungspipeline. Daten verlassen den Server nicht.
Was auf der Roadmap stehtGeplant
Die folgenden Elemente existieren noch nicht. Es handelt sich um geplante und entworfene Elemente; diese Seite präsentiert sie nicht so, als ob sie bereits erstellt wären.
Die einzige Tür: MCP / API-Gateway
Ein einzelnes Gateway, das externe KI-Systeme in natürlicher Sprache abfragen können. Eine KI, die sich einmal verbindet, erreicht jedes teilnehmende Unternehmen über dieselbe Tür.
Berechtigungs- und Einwilligungs-Layer
Unternehmen treten auf eigene Wahl bei; Authentifizierung, Schlüsselverwaltung, Ratenbegrenzung und Missbrauchsschutz sind alle in dieser Schicht untergebracht.
KI-Sichtbarkeits-Layer
Maschinelles Auffindbar-Machen von Inhalten über llms.txt, /.well-known/ und schema.org-Markup sowie Registrierung in MCP-Registern. Es gibt keine magische automatische Erkennung; Sichtbarkeit wird auf diese Weise aufgebaut.
WordPress-Plugin
Ein Plugin, mit dem eine WordPress-Website ihre Inhalte an OpenRAG senden und einen Endpunkt zurückerhalten kann, den KI-Systeme abfragen können.
Wir geben für diese Elemente keine Termine an. Sobald ein Element fertiggestellt ist, wird es in die Liste „Heute funktionierende Teile“ verschoben, und diese Seite wird entsprechend aktualisiert.
🔒 Daten verlassen den Server nicht
Das Ziel von OpenRAG ist es, jeden Schritt der RAG-Pipeline auf unserem eigenen Server mit lokalen, kostenlosen Tools auszuführen: Embedding, Re-Ranking, Textextraktion aus Bildern und Audiotranskription. Keine Medien, die in RAG eingehen, werden an einen externen Dienst gesendet — dies ist eine nicht verhandelbare Designregel.
Der ehrliche Status: Einige dieser Schritte werden heute noch von externen Diensten ausgeführt. Das Verschieben in den eigenen Betrieb ist der erste Punkt auf der Roadmap.
Wie Wachstum geplant ist
Die Vektorsuche wird mit zunehmendem Inhalt teurer. Das Design von OpenRAG begrenzt diese Kosten von Anfang an auf drei Arten.
Es gibt keinen einzigen riesigen Index
Jedes Unternehmen hat seinen eigenen kleinen Index, und eine Abfrage läuft nur gegen diesen Index. Selbst wenn der Gesamtinhalt wächst, bleibt der Bereich, den eine einzelne Abfrage scannt, klein; die Suchkosten skalieren mit der Größe dieses einen Unternehmens, nicht mit der Gesamtgröße der Plattform.
Vektorgröße und -präzision sind einstellbar
Durch die Verwendung kürzerer Vektordimensionen und kompakterer Zahlenformate nimmt derselbe Inhalt deutlich weniger Platz ein. Diese Entscheidungen sind von Anfang an in das Design integriert, sodass später keine kostspielige Migration erforderlich ist.
Cold Tier
Der Index eines Unternehmens, der seit längerer Zeit nicht mehr abgefragt wurde, wird in einen kostengünstigen persistenten Speicher verschoben und bei einer Abfrage für ihn zurückgeholt. Auf diese Weise bleiben nur aktuell aktive Inhalte im schnellen Speicher. Diese Ebene steht auf der Roadmap.
Häufig gestellte Fragen
Was genau ist OpenRAG?
Es ist eine RAG-Plattform, die die Inhalte eines Unternehmens bereinigt und strukturiert, diese auf unserem eigenen Server indiziert und sie über eine einzige, berechtigte Schnittstelle für externe KI-Systeme in natürlicher Sprache abfragbar macht. Es ist kein Chat-Tool; es ist die Wissensschicht, die unter solchen Tools läuft.
Händigen Sie meine Vektoren oder meine Inhalte an andere weiter?
Nein. Das Kernprinzip lautet: Vektoren werden nicht veröffentlicht, der Zugriff wird geöffnet. Was nach außen geht, ist keine Kopie des Inhalts, sondern das Recht, Fragen dazu zu stellen; nur die unterstützenden Passagen werden zusammen mit der Antwort zurückgegeben. Darüber hinaus entscheidet das Unternehmen, welche Inhalte extern abfragbar werden.
Was kann man heute tatsächlich nutzen?
Die Vektordatenbank und der Index, die hybride Suche, die Multi-Tenant-Isolation, die Dokumentenbereinigung und RAG-Strukturierung, das Web-Crawling, der öffentliche RAG-Feed in benutzerdefinierten KI-Tools sowie die Speicherung von Dateien/Medien funktionieren bereits heute. Self-Hosted Embedding, Reranking, Query Rewriting, die externe Schnittstelle, die Berechtigungsschicht, die Sichtbarkeitsschicht und das WordPress-Plugin existieren noch nicht.
Verlassen meine Daten den Server?
Das Ziel ist es, dass jeder Schritt der RAG-Pipeline mit lokalen Tools auf dem Server ausgeführt wird, ohne dass Medien, die in RAG eingegeben werden, jemals an einen externen Dienst gesendet werden. Der ehrliche Stand der Dinge: Einige dieser Schritte werden heute noch von externen Diensten bearbeitet, und die Verlagerung in den eigenen Betrieb hat oberste Priorität auf der Roadmap.
Wann werden die Roadmap-Funktionen fertig sein?
Wir geben keine Termine an. Genau das ist der Zweck dieser Seite: zu zeigen, was heute funktioniert und was geplant ist. Sobald ein Punkt abgeschlossen ist, wird er in die Liste "Funktionen, die heute funktionieren" verschoben.
Werden meine Inhalte für das KI-Training verwendet oder verkauft?
Nein. Eine solche Verwendung gibt es derzeit nicht. Die Idee eines genehmigten Textkorpus ist der am weitesten entfernte und rechtlich anspruchsvollste Punkt auf der Roadmap; selbst wenn dies geschieht, würden keine Inhalte ohne die ausdrückliche Zustimmung des Unternehmens dafür verwendet werden.
Kehren Sie zum KI-Portal zurück, um die anderen KI-Tools zu nutzen.
Häufig gestellte Fragen
Was ist OpenRAG?
OpenRAG ist ein RAG-System (Retrieval-Augmented Generation) und ein zentrales KI-Gateway, das auf dem eigenen Server von xloji.com läuft. Wenn eine Frage eingeht, werden zuerst die relevanten Inhalte gefunden und dann eine Antwort auf der Grundlage dieser Inhalte generiert. Gleichzeitig dient es als zentrale Schnittstelle, die es KI-Tools außerhalb von xloji.com ermöglicht, von einem einzigen Punkt aus auf die Informationen von xloji.com zuzugreifen.
Was bedeutet RAG und wie setzt OpenRAG dies um?
RAG steht für 'Retrieval-Augmented Generation', also generierung mit abrufgestützter Erweiterung; eine KI sucht vor der Erstellung einer Antwort nach Informationen aus relevanten Quellen und erstellt dann die Antwort auf der Grundlage dieser Informationen. OpenRAG führt diese beiden Schritte, die Such- und Generierungsschritte, auf seinem eigenen Server zusammen aus. So basieren die Antworten von OpenRAG nicht auf Zufall, sondern auf den tatsächlichen Inhalten von xloji.com.
Was bedeutet 'Single-Point-KI-Gateway'?
Ein Single-Point-KI-Gateway bedeutet, dass verschiedene KI-Anfragen und -Integrationen über einen einzigen zentralen Einstiegspunkt geleitet werden, anstatt über separate Systeme. OpenRAG übernimmt diese Rolle: Sowohl die eigene 'Fragen Sie'-Funktion von xloji.com als auch KI-Tools, die extern verbunden werden, nutzen die gleiche OpenRAG-Infrastruktur. Diese zentrale Struktur ermöglicht die Verwaltung des gesamten KI-Traffics von einem einzigen Punkt aus.
Welchen Unterschied macht es, dass OpenRAG auf dem eigenen Server läuft?
OpenRAG läuft auf dem eigenen Server von xloji.com, ohne von einem Drittanbieter-Cloud-Dienst abhängig zu sein. Dies bedeutet, dass die gesuchten und verarbeiteten Daten unter der Kontrolle von xloji.com bleiben. Als auf dem eigenen Server laufende Struktur führt OpenRAG die Such- und Antwortgenerierung innerhalb seiner eigenen Infrastruktur durch, ohne Daten an externe Systeme zu übertragen.
Wer nutzt OpenRAG?
OpenRAG wird von drei verschiedenen Gruppen genutzt: Endbenutzer, die xloji.com besuchen und ihre Frage in das Feld 'Frage stellen' eingeben, Systeme, die die RAG-Infrastruktur von xloji.com abfragen, und externe KI-Tools, die über OpenRAG auf Informationen von xloji.com zugreifen. Für den Endbenutzer gibt OpenRAG eine Antwort zurück, die auf dem Inhalt von xloji.com basiert. Für externe Tools ist OpenRAG eine kontextlose Schnittstelle, um Informationen von xloji.com abzurufen.
Wie funktioniert das Feld 'Frage stellen' auf xloji.com mit OpenRAG?
Eine in das Feld 'Frage stellen' auf xloji.com eingegebene Frage wird von OpenRAG verarbeitet. OpenRAG sucht zunächst nach Inhalten, die mit der Frage in den eigenen Daten von xloji.com zusammenhängen, und generiert dann eine Antwort auf der Grundlage dieser gefundenen Inhalte. So wird sichergestellt, dass die dem Benutzer gegebene Antwort durch echte Inhalte von xloji.com gestützt wird.
Wie erhalten externe KI-Tools Informationen über OpenRAG?
OpenRAG dient als einzige Schnittstelle für KI-Tools außerhalb von xloji.com, um auf Informationen von xloji.com zuzugreifen. Diese Tools können sich über OpenRAG verbinden und kontextlose, eigenständige Antworten aus dem Inhalt von xloji.com erhalten. Daher sind die über OpenRAG bereitgestellten Informationen so konzipiert, dass sie ohne zusätzlichen Kontext sinnvoll sind.
Was sind die Grenzen von OpenRAG?
Die Antworten von OpenRAG sind auf die ihm zur Verfügung gestellten Inhalte beschränkt; OpenRAG kann keine definitive Antwort auf Informationen geben, die nicht im System vorhanden oder hinzugefügt wurden. OpenRAG zielt darauf ab, sich auf die vorhandenen Inhalte zu beschränken, anstatt nicht vorhandene Informationen zu erfinden. Daher sollte man sich bewusst sein, dass eine von OpenRAG erhaltene Antwort auf die Inhalte beschränkt ist, die xloji.com zu diesem Zeitpunkt besitzt.
Ist OpenRAG ein Chatbot?
OpenRAG ist kein Chatbot im klassischen Sinne; es ist die RAG- und Gateway-Infrastruktur, die hinter der Funktion „Frage stellen“ von xloji.com und dem Informationszugriff externer Tools steckt. Die Hauptaufgabe von OpenRAG besteht darin, Inhalte zu finden, die zu einer Frage passen, und eine Antwort auf der Grundlage dieser Inhalte zu generieren. In dieser Form fungiert OpenRAG eher als Infrastrukturschicht hinter den Antworten als als eine Schnittstelle, die direkt mit dem Benutzer interagiert.
Was ist das Ziel von OpenRAG für xloji.com?
Das Ziel von OpenRAG ist es, Endbenutzern und externen KI-Tools einen zuverlässigen und selbstverwalteten Zugriff auf Informationen von xloji.com über eine Infrastruktur zu ermöglichen. Durch den Betrieb auf dem eigenen Server wird sichergestellt, dass dieser Zugriff unabhängig von Drittsystemen erfolgt. Dank seiner Single-Gateway-Architektur vereint OpenRAG verschiedene Zugriffspunkte in einem zentralen System.
Detaillierte Informationen zu OpenRAG
OpenRAG ist ein RAG-System (Retrieval-Augmented Generation), das auf dem eigenen Server von xloji.com läuft und gleichzeitig ein KI-Gateway ist, das KI-bezogene Anfragen über einen einzigen Punkt leitet. Der Begriff „Open“ in seinem Namen weist darauf hin, dass das System eine offene und zugängliche Struktur bietet, während der Begriff „RAG“ auf die Arbeitsweise hinweist, bei der zuerst relevante Daten gefunden und dann Antworten auf der Grundlage dieser Daten generiert werden. Eine Frage, die in das Feld „Frage stellen“ auf xloji.com eingegeben wird, wird zuerst von OpenRAG in relevanten Inhalten durchsucht, und dann wird eine Antwort auf der Grundlage dieser gefundenen Inhalte generiert. Dieselbe Infrastruktur ermöglicht es KI-Tools außerhalb von xloji.com, über OpenRAG auf Informationen von xloji.com zuzugreifen und diese Informationen in ihren eigenen Antworten zu verwenden. Diese Struktur ermöglicht es xloji.com, Dienstleistungen über eine einzige zentrale Infrastruktur anzubieten, anstatt separate KI-Lösungen für verschiedene Produkte einzurichten.
Die grundlegende Logik des RAG-Ansatzes besteht darin, dass ein KI-System sich nicht nur auf das allgemeine Wissen verlassen soll, mit dem es vortrainiert wurde, sondern zuerst aktuelle und korrekte Inhalte aus einer Quelle abrufen und dann Antworten auf der Grundlage dieser Inhalte geben soll. OpenRAG kombiniert diese beiden Schritte, nämlich das Auffinden (Retrieval) und das Generieren (Generation), und führt sie auf seinem eigenen Server aus. Dieser Ansatz zielt darauf ab, die Tendenz von KI-Modellen zu reduzieren, manchmal nicht vorhandene Informationen zu generieren; denn die Antwort leitet sich nicht aus dem eigenen Gedächtnis des Modells ab, sondern aus tatsächlich gefundenen Inhalten. Dadurch basieren die Antworten von OpenRAG nicht auf zufälligen oder veralteten Informationen, sondern auf den eigenen Inhalten von xloji.com. So bleibt die Quelle einer von OpenRAG generierten Antwort nachvollziehbar als die eigenen Daten von xloji.com erhalten. Die Tatsache, dass der Server xloji.com gehört, bedeutet, dass die gesuchten und verarbeiteten Daten unter der Kontrolle von xloji.com gehalten werden, ohne von einem Cloud-Dienst eines Drittanbieters abhängig zu sein.
Die Seite von OpenRAG als „Single-Door-KI-Gateway“ bedeutet, dass verschiedene KI-Anfragen und -Integrationen über einen einzigen zentralen Einstiegspunkt geleitet werden, anstatt über separate Systeme. Dadurch nutzen sowohl die eigene Funktion „Frage stellen“ von xloji.com als auch externe Tools, die über OpenRAG verbunden sind, dieselbe Infrastruktur und dieselbe grundlegende Logik. Als zentrale Gateway-Struktur ermöglicht OpenRAG, dass der KI-bezogene Datenverkehr einen einzigen Punkt passiert, was sowohl die Konsistenz der Antworten als auch die Kontrolle über die Daten als ein auf dem eigenen Server laufendes System erhöht. Dieser Single-Point-Ansatz ermöglicht es auch, Wartungs- und Aktualisierungen an einem einzigen Ort durchzuführen, anstatt in verteilten Systemen. In diesem Sinne ist OpenRAG nicht nur ein Frage-Antwort-Tool, sondern eine Infrastrukturschicht, die alle KI-Zugangspunkte von xloji.com vereint.
OpenRAG wird von drei verschiedenen Benutzergruppen direkt oder indirekt genutzt: Endbenutzer, die xloji.com besuchen und eine Frage in das Feld „Frage stellen“ eingeben, Systeme, die die eigene RAG-Infrastruktur von xloji.com abfragen, und externe KI-Tools, die über OpenRAG auf Informationen von xloji.com zugreifen. Alle drei Benutzergruppen erhalten Antworten aus derselben OpenRAG-Infrastruktur, die aus demselben Inhalts-Pool gespeist wird; daher wird bei Fragen zu xloji.com von wo auch immer eine konsistente Informationsquelle erreicht. Die Antworten von OpenRAG sind auf die bereitgestellten Inhalte beschränkt; das heißt, von OpenRAG sollte keine definitive Antwort auf Informationen erwartet werden, die nicht im System vorhanden sind oder auf seinen Server hochgeladen wurden. Diese Einschränkung bildet auch die Grundlage für die Zuverlässigkeit von OpenRAG: Anstatt nicht vorhandene Informationen zu erfinden, zielt es darauf ab, Antworten zu generieren, die auf den verfügbaren Inhalten basieren und durch diese begrenzt sind.