Topo-RAG revolutioniert die Suche in Text-Tabellen-Dokumenten

In Unternehmensdatenbanken sind Dokumente selten ausschließlich Text oder reine Zahlen. Sie verbinden narrative Inhalte mit komplexen Tabellenstrukturen, was herkömmliche Retrieval‑Augmented‑Generation‑Modelle (RAG) nur schwer erfassen können. Traditionell werden Tabellen in einfache Textstrings linearisiert, damit ein Embedding‑Modell die gesamte Struktur in einem Vektor zusammenfassen kann – ein Ansatz, der mathematisch nicht ausreicht.

Topo‑RAG präsentiert ein neues Framework, das die Topologie der Daten respektiert. Dabei wird der narrative Teil über klassische dichte Retriever abgewickelt, während tabellarische Strukturen mit einem Cell‑Aware Late Interaction‑Mechanismus verarbeitet werden, der die räumlichen Beziehungen der Zellen bewahrt. Diese Dual‑Architektur ermöglicht es, die Form und das Layout von Tabellen zu verstehen, anstatt sie lediglich zu vereinfachen.

Die Leistung von Topo‑RAG wurde auf dem synthetischen Enterprise‑Korpus SEC‑25 getestet, der reale Komplexität nachahmt. Im Vergleich zu herkömmlichen Linearisationstechniken erzielte das Modell eine Verbesserung von 18,4 % bei nDCG@10 für hybride Suchanfragen. Das Ergebnis zeigt, dass es nicht nur um bessere Suchergebnisse geht, sondern um ein tieferes Verständnis der Informationsstruktur.