Fachwissen für digitale Entscheidungen

Wie schnell erscheinen geänderte Dokumente im RAG-System?

Kurzantwort

So schnell, wie das System neu einliest: Wird ein Dokument beim Speichern sofort verarbeitet, ist die Änderung nach Sekunden bis wenigen Minuten sichtbar. Bei einem stündlichen Abgleich dauert es bis zu 60 Minuten, bei einem nächtlichen Lauf bis zu 24 Stunden.

Was beim Aktualisieren passiert

Ein RAG-System beantwortet Fragen nicht aus den Originaldateien, sondern aus einem Suchindex. Ändert sich ein Dokument, muss es neu in Abschnitte zerlegt, in Vektoren umgerechnet – beim Modell nomic-embed-text 768 Zahlen je Abschnitt – und im Index ersetzt werden. Bis das geschehen ist, antwortet die KI mit dem alten Stand.

Drei übliche Verfahren

Verfahren	Längste Wartezeit	Aufwand
Beim Speichern (ereignisgesteuert)	Sekunden bis wenige Minuten	Anbindung an das Ablagesystem nötig
Stündlicher Abgleich	bis zu 60 Minuten	einfach, vergleicht das Änderungsdatum
Nächtlicher Lauf	bis zu 24 Stunden	am einfachsten, belastet den Server nachts

Wovon die Dauer außerdem abhängt

Dokumentgröße: Ein langes Handbuch hat hunderte Abschnitte, eine Preisliste nur wenige.
Auslastung: Einlesen und Beantworten teilen sich auf einem eigenen KI-Server dieselbe Grafikkarte.
Gelöschte Dokumente: Sie müssen ausdrücklich aus dem Index entfernt werden. Sonst zitiert die KI weiter aus einer Fassung, die es nicht mehr gibt.

Empfehlung

Preislisten, Richtlinien und Verträge beim Speichern neu einlesen.
Archive und selten geänderte Bestände nachts abgleichen.
In jeder Antwort den Stand der verwendeten Quelle anzeigen, damit Nutzer eine veraltete Angabe erkennen.

Kernfakten

Beim Speichern: Sekunden bis wenige Minuten
Stündlicher Abgleich: bis zu 60 Minuten
Nächtlicher Lauf: bis zu 24 Stunden

Unser Angebot zum Thema

KI-Lösungen auch DSGVO-konform auf Ihren eigenen Servern – etwa mit Open-Source-Modellen wie Llama oder Mistral.

Private KI und eigene KI-Server

Passende Beiträge

Quellen

Alle externen Angaben nachvollziehbar belegt.

01
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks Lewis et al. / arXiv
02
nomic-embed-text-v1.5 Nomic AI / Hugging Face