Modulares RAG-Framework
Generisches, auf KMU-Bedarfe zugeschnittenes Framework für Retrieval-Augmented-Generation-Systeme mit nachvollziehbaren, quellenbasierten Antworten.
RAISE
KI-gestützte Wissensverarbeitung für den Mittelstand
Automatisierte Datenerschließung
Erschließung unstrukturierter Unternehmensdaten aus Dokumenten, Berichten und technischen Unterlagen, ohne Training eigener Modelle.
Praxisnahe KI-Anwendungen
Einsatz in Kundenservice, Wissensmanagement, Angebotserstellung und Compliance mit klaren Qualitätskriterien.
Automatisiertes Benchmarking
Erfahrungsbasierte Identifikation und Optimierung geeigneter Systemkonfigurationen für unterschiedliche Anwendungsfälle.
Über das Projekt
Künstliche Intelligenz bietet kleinen und mittleren Unternehmen (KMU) große Chancen, ihre Prozesse effizienter zu gestalten und neue digitale Services zu entwickeln. In der Praxis scheitert der Einsatz moderner KI-Technologien jedoch häufig an hohen technischen Einstiegshürden, fehlender Expertise oder mangelnder Transparenz der Systeme.
Hier setzt das EFRE-geförderte Forschungsprojekt RAISE (Retrieval-Augmented Innovation and SME Enablement) an, das seit dem 1. Januar 2026 läuft. Ziel des Projekts ist die Entwicklung eines generischen, modularen Frameworks für Retrieval-Augmented-Generation-(RAG)-Systeme, das speziell auf die Bedarfe von KMU zugeschnitten ist. RAG-Systeme kombinieren große Sprachmodelle mit dem gezielten Zugriff auf vertrauenswürdige Unternehmensdokumente und ermöglichen so faktenbasierte, nachvollziehbare KI-Anwendungen – ohne aufwendiges Training eigener Modelle.
Im Mittelpunkt von RAISE steht die automatisierte Erschließung unstrukturierter Unternehmensdaten, etwa aus Dokumenten, Berichten oder technischen Unterlagen. Dadurch werden praxisnahe KI-Anwendungen in Bereichen wie Kundenservice, Wissensmanagement, Angebotserstellung oder Compliance möglich. Ein erfahrungsbasierter Ansatz sowie ein automatisiertes Benchmarking helfen dabei, für unterschiedliche Anwendungsfälle geeignete Systemkonfigurationen zu identifizieren und kontinuierlich zu optimieren.
Förderung
Ansprechpartner
Dr. Lisa Grewenig
Mirko Lenz