3 Min. Lesezeit
REACH-konforme KI: Architekturentwurf für ein RAG-System in der Chemieindustrie
Sprachmodelle können in regulierten Branchen viel Recherchearbeit abnehmen, aber nur, wenn ihre Antworten verlässlich sind. Dieser Beitrag zeigt, wie ein RAG-System aufgebaut sein muss, um Fragen zur europäischen Chemikalienverordnung REACH präzise und nachvollziehbar zu beantworten.
Das Problem: plausible, aber falsche Antworten
Ein Beispiel aus der Praxis: Ein internationales Chemieunternehmen bereitet sich auf eine Prüfung vor. Eine Mitarbeiterin sucht die geltenden Kennzeichnungsvorschriften für eine Substanz in Deutschland. Der eingesetzte KI-Assistent antwortet überzeugend, vermischt aber US-amerikanische und europäische Vorgaben.
Die Folge sind Unsicherheit, zusätzliche Prüfarbeit und im schlimmsten Fall Verstöße gegen geltendes Recht. Allgemeine Sprachmodelle erzeugen Texte, die schlüssig klingen, ohne ihre Richtigkeit zu garantieren. In einem Umfeld, in dem Fehler Sicherheit und Rechtskonformität betreffen, reicht das nicht aus.
Der Ansatz: Retrieval-Augmented Generation
Retrieval-Augmented Generation verbindet ein Sprachmodell mit einer geprüften Wissensbasis. Statt sich allein auf Trainingsdaten zu stützen, ruft das System zu jeder Frage die relevanten Dokumente ab und formuliert die Antwort auf dieser Grundlage. Jede Aussage lässt sich damit auf eine Quelle zurückführen.
Für REACH genügt ein Standardaufbau jedoch nicht, denn:
- Vorschriften unterscheiden sich je nach Land und Rechtsraum.
- Stoffe, Gemische und Erzeugnisse stehen in hierarchischen Beziehungen zueinander.
- Fachbegriffe sind präzise definiert und werden im allgemeinen Sprachgebrauch oft anders verwendet.
Die Architektur im Überblick
1. Dokumente mit Metadaten anreichern
Jedes Dokument erhält strukturierte Metadaten, etwa Rechtsraum, Land, Dokumenttyp und Gültigkeitszeitraum. So lassen sich Suchergebnisse gezielt auf die relevante Rechtslage eingrenzen.
2. Fragen gezielt interpretieren
Ein vorgeschalteter Abfrage-Agent erkennt, auf welchen Rechtsraum und welchen Zeitpunkt sich eine Frage bezieht, und übersetzt sie in eine präzise Suchanfrage mit passenden Filtern.
3. Zusammenhänge im Wissensgraphen abbilden
Beziehungen zwischen Stoffen, Gemischen und Vorschriften werden zusätzlich in einem Wissensgraphen gespeichert. Damit lässt sich nachvollziehbar beantworten, aus welchen Stoffen ein Gemisch besteht und welche Regeln für einen bestimmten Stoff gelten.
4. Modelle auf die Fachsprache abstimmen
Such- und Sprachmodelle werden auf chemische und regulatorische Fachtexte abgestimmt. Das reduziert Missverständnisse bei präzise definierten Begriffen.
Zusammen entsteht ein System, das Informationen nicht nur findet, sondern im richtigen rechtlichen und fachlichen Kontext einordnet.
Menschliche Expertise bleibt entscheidend
Auch die beste Architektur ersetzt keine fachliche Verantwortung. Expertinnen und Experten aus Regulatory Affairs sind fester Bestandteil des Systems:
- Sie prüfen Antworten stichprobenartig und bei kritischen Fragen vollständig.
- Sie pflegen einen Referenzdatensatz mit geprüften Fragen und Antworten, an dem die Qualität gemessen wird.
- Ihr Feedback fließt in die Weiterentwicklung von Suche, Metadaten und Modellen ein.
Vorgehen in drei Phasen
- Datengrundlage schaffen: Dokumente erfassen, bereinigen und mit Metadaten versehen.
- System aufbauen: Suche, Abfrage-Agent und Wissensgraph entwickeln und integrieren.
- Erproben und verbessern: Das System im Arbeitsalltag testen, anhand des Referenzdatensatzes bewerten und mit Feedback aus der Fachabteilung optimieren.
Fazit
Ein sorgfältig aufgebautes RAG-System unterstützt Unternehmen in der Chemieindustrie dabei, regulatorische Fragen schneller, präziser und nachvollziehbar zu beantworten. Entscheidend sind eine saubere Datenbasis, eine Architektur, die den Rechtsraum berücksichtigt, und die kontinuierliche Einbindung fachlicher Expertise.
Wir begleiten solche Vorhaben von der Architektur bis zum produktiven Betrieb. Mehr dazu erfahren Sie auf unseren Seiten zu RAG-Systemen, Team as a Service und Softwareentwicklung.
Fachbeiträge aus der Praxis
Open-Source-CRM: elf Systeme im Vergleich
Kostenlos ist nur die Lizenz. Der Beitrag vergleicht SuiteCRM, Twenty, EspoCRM, Odoo und sieben weitere Systeme nach Architektur, Lizenzrecht und Kosten .
Intelligente Compliance: KI als strategisches Imperativ für die Chemie Branche
In Branchen, in denen Fehler Millionen kosten können, sind KI-Halluzinationen inakzeptabel. Erfahren Sie, wie ein speziell entwickeltes RAG-System regulatorische Risiken minimiert, die Einhaltung komplexer Vorschriften wie REACH sicherstellt und Complianc
Legacy-Modernisierung: Der strategische Weg
Veraltete IT-Systeme stellen eine wachsende Belastung dar, die Agilität hemmt und Innovationen blockiert. Doch gibt es Ansätze zur Modernisierung. Dieser Beitrag stellt einen inkrementellen Ansatz zur Modernisierung vor.
Ein Blick hinter Command & Control
„Command and Control“ steht für klare Hierarchien und direkte Entscheidungswege. Doch in einer zunehmend dynamischen Welt stellt sich die Frage: Ist dieser Führungsstil noch zeitgemäß oder ein Auslaufmodell mit Risiko?
Team Topologies: Teams richtig strukturieren
Mit „Team Topologies“ gestalten Unternehmen ihre Teams gezielt für Flow, Fokus und Flexibilität. Erfahre Sie, wie die richtige Struktur nicht nur die Kommunikation verbessert, sondern auch die Produktivität steigert.
Systemantics: Wenn Systeme funktionieren
Systeme verhalten sich oft anders als geplant – manchmal sogar absurd. „Systemantics“ zeigt auf kluge und praktische Weise, warum Systeme scheitern und was wir daraus für die Praxis lernen können.