{"id":6443,"date":"2026-08-26T09:04:18","date_gmt":"2026-08-26T07:04:18","guid":{"rendered":"https:\/\/engineering-automation.de\/?p=6443"},"modified":"2026-08-26T09:26:43","modified_gmt":"2026-08-26T07:26:43","slug":"learn2rag-entwicklung-einer-skalierbaren-rag-plattform-fuer-kmu","status":"publish","type":"post","link":"https:\/\/engineering-automation.de\/en\/learn2rag-entwicklung-einer-skalierbaren-rag-plattform-fuer-kmu\/","title":{"rendered":"Learn2RAG \u2013 Entwicklung einer skalierbaren RAG-Plattform f\u00fcr KMU"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Referenzprojekt<\/span><\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Learn2RAG<\/span><\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t<\/div>\n\t\t
\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"Logo\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Learn2RAG \u2013 Entwicklung einer skalierbaren RAG-Plattform f\u00fcr KMU<\/h1>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
\n\t\t\t<\/polygon><\/rect><\/svg>\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Im Projekt Learn2RAG wird eine modulare Plattform zur Unterst\u00fctzung von kleinen und mittleren Unternehmen (KMU) beim Einsatz von Retrieval-Augmented Generation (RAG) entwickelt. Ziel ist es, den Zugang zu generativer KI zu vereinfachen und Unternehmenswissen effizient nutzbar zu machen. Dabei werden insbesondere Herausforderungen wie heterogene Datenquellen, fehlende KI-Expertise sowie hoher Integrationsaufwand adressiert<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Learn2RAG \u2013 Entwicklung einer skalierbaren RAG-Plattform f\u00fcr KMU<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Referenzbeschreibung<\/span><\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Ausgangssituation
<\/strong>Viele KMU m\u00f6chten generative KI f\u00fcr Wissensarbeit, Dokumentation und informationsintensive Prozesse einsetzen, sto\u00dfen aber in der Praxis auf typische H\u00fcrden: Antworten klassischer LLM-Anwendungen sind ohne Unternehmenskontext oft unpr\u00e4zise, veraltet oder nicht nachvollziehbar. Gleichzeitig fehlen in vielen Unternehmen Zeit, Fachpersonal und methodisches Know-how, um geeignete RAG-Architekturen auszuw\u00e4hlen, zu konfigurieren und sicher in die eigene Datenlandschaft zu integrieren.<\/p>

Anwendungsfall \/ verbesserter Prozess
<\/strong>Learn2RAG adressiert genau diese L\u00fccke. Im Fokus stehen wissensintensive Prozesse in KMU, z. B. internes Wissensmanagement, Dokumentation im Qualit\u00e4tsmanagement, Zugriff auf verteilte Dokumente und die strukturierte Nutzung unternehmensinterner Informationen in Engineering- und Servicekontexten. Verbessert werden soll vor allem der bislang manuelle, zeitaufw\u00e4ndige Such- und Aufbereitungsprozess \u00fcber unterschiedliche Datenquellen hinweg.<\/p>

Umsetzung
<\/strong>Im Projekt werden Anforderungen aus Industrie-Interviews, Workshops und sp\u00e4teren Anwendungsf\u00e4llen erhoben und in mehreren Entwicklungsstufen in eine RAG-Plattform \u00fcberf\u00fchrt: Basisversion, erster Plattformprototyp und finaler Prototyp. Technisch entwickelt Learn2RAG eine automatisierte RAG-Pipeline, die passende Komponenten f\u00fcr Retrieval, Indexierung, Speicherung und Generierung auf Basis weniger Trainingsdaten und der jeweiligen Anwendung ausw\u00e4hlt und zusammenstellt. Die L\u00f6sung ist containerbasiert, Open Source und so ausgelegt, dass sie innerhalb der Unternehmensinfrastruktur betrieben werden kann.<\/p>

Nutzen f\u00fcr Kunden \/ Anwender
<\/strong>F\u00fcr Unternehmen entsteht ein direkter Mehrwert durch schnelleren Zugriff auf relevantes Wissen, bessere Nachvollziehbarkeit von KI-Antworten, geringere Halluzinationsrisiken und eine deutlich niedrigere Einstiegsh\u00fcrde in den Einsatz von RAG. Besonders wichtig aus Kundensicht ist, dass Informationen aus verschiedenen Quellen kontextbezogen zusammengef\u00fchrt werden k\u00f6nnen, ohne dass daf\u00fcr tiefes Spezialwissen zu RAG-Architekturen n\u00f6tig ist. Zudem verbleiben sensible Unternehmensdaten in der eigenen Infrastruktur.<\/p>

Ergebnisse \/ entwickelte Artefakte
<\/strong>Im Projekt entstehen ein Vorgehen zur Anforderungserhebung, Anforderungen an Basisversion und Plattformprototypen, ein Reifegradmodell f\u00fcr KMU, ein Vorgehen zur Einf\u00fchrung von RAG-L\u00f6sungen in KMU, mehrere Plattformprototypen sowie Disseminations- und Schulungsmaterialien. Bereits ver\u00f6ffentlicht wurden u. a. Deliverables zu Anforderungen, Projektkommunikation und zur Onlinepr\u00e4senz. Parallel wird die L\u00f6sung in realit\u00e4tsnahen KMU-Anwendungsf\u00e4llen vorbereitet, evaluiert und schrittweise weiterentwickelt.<\/p>

Inhaltlicher Bezug zu Engineering Automation
<\/strong>Learn2RAG zahlt unmittelbar auf Engineering Automation ein, weil das Projekt den Zugang zu verteilt vorliegendem Engineering-Wissen automatisiert, kontextbezogen aufbereitet und f\u00fcr Fachanwender nutzbar macht. Statt Informationen manuell aus Richtlinien, Dokumentationen, Wissensspeichern oder Prozessdokumenten zusammenzusuchen, werden relevante Inhalte automatisiert identifiziert, verkn\u00fcpft und f\u00fcr Entscheidungen oder Folgeprozesse bereitgestellt. Damit unterst\u00fctzt das Projekt die digitale Transformation wissensintensiver Engineering- und Unterst\u00fctzungsprozesse.<\/p>

Bezug zum Leistungsangebot des Leistungszentrums
<\/strong>Das Projekt adressiert die Kernfelder des Leistungszentrums Engineering Automation: datenbasierte Engineering-Unterst\u00fctzung, Digitalisierung von Wissens- und Entwicklungsprozessen, Transfer von Forschung in die industrielle Anwendung sowie die Bef\u00e4higung von Unternehmen, neue digitale Technologien strukturiert einzuf\u00fchren. Learn2RAG verbindet anwendungsnahe KI-Forschung mit konkretem Nutzen f\u00fcr Unternehmen und demonstriert, wie moderne KI-Methoden in Engineering- und Organisationskontexten wirksam eingesetzt werden k\u00f6nnen.<\/p><\/td><\/tr><\/tbody><\/table>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t