Agentic Image RAG

Ein Bild im Chat hochladen, eine Frage stellen und eine Antwort erhalten. Die visuelle Verarbeitung von Grafiken, Fotos und Zeichnungen gehört inzwischen zu den vertrauten Einsatzmöglichkeiten von KI. Für eine einzelne Fragestellung ist das praktisch. Im Unternehmensalltag reicht es jedoch häufig nicht aus.

Was passiert, wenn ein Kollege dieselbe Zeichnung benötigt? Wenn ein Schadensbild Wochen später erneut beurteilt werden soll? Oder wenn ein Projektteam regelmäßig mit denselben Plänen arbeitet?

Ein Anhang kann zwar im ursprünglichen Chat erhalten bleiben. Damit wird er aber noch nicht automatisch zu einer gemeinsamen Wissensquelle, die auch in anderen Gesprächen und für andere berechtigte Nutzer verfügbar ist. Oft muss die passende Datei erneut gesucht, geteilt und hochgeladen werden.

Mit dem Image-Tab in AITEZA werden visuelle Inhalte deshalb nicht nur in einzelnen Chats verwendet. Sie werden dauerhaft im Datenraum hinterlegt und können bei späteren Anfragen wieder als Informationsquelle dienen.

Der neue Grafiken-Tab in den Datenraum-Einstellungen schafft erstmals einen dedizierten Bereich für visuelle Inhalte als permanente Wissensbasis.

Vom einzelnen Upload zur gemeinsamen Wissensbasis

Unternehmenswissen besteht nicht nur aus Text. Es steckt auch in technischen Zeichnungen, Produktfotos, Diagrammen und Screenshots. Bei einer Schadensdokumentation kann die Aufnahme eines Bauteils genauso wichtig sein wie der zugehörige Bericht. In einem Projektplan vermittelt die Anordnung von Elementen Informationen, die sich aus Beschriftungen allein nicht erschließen lassen.

Der Image-Tab gibt diesen Inhalten einen eigenen Platz in den Datenraum-Einstellungen. Einmal hinterlegt, stehen sie berechtigten Nutzern für die Arbeit mit AITEZA zur Verfügung. Sie müssen nicht für jede neue Konversation erneut angehängt werden.

Damit hängt ihre Nutzbarkeit weniger davon ab, wer die Datei ursprünglich hochgeladen hat oder in welchem Chat sie besprochen wurde. Das Team arbeitet mit einer gemeinsamen visuellen Informationsgrundlage.

Warum Texterkennung allein nicht genügt

OCR, also die automatische Texterkennung, macht Schrift in Bildern und gescannten Unterlagen maschinenlesbar. Das ist hilfreich, wenn beispielsweise Beschriftungen, Artikelnummern oder Textpassagen benötigt werden.

Eine Grafik enthält jedoch häufig mehr als die darin lesbaren Wörter und Zahlen. Die Position einer Maßangabe, eine Verbindung zwischen Bauteilen oder die farbliche Kennzeichnung in einem Diagramm kann für das Verständnis entscheidend sein. Bei einer rein textbasierten Verarbeitung bleiben solche Zusammenhänge unter Umständen unvollständig erhalten.

Im Image-Tab stellt AITEZA dem multimodalen Modell das Bild selbst als visuelle Quelle bereit. Die Analyse ist dadurch nicht auf zuvor extrahierten Text beschränkt. Das Modell kann auch Anordnungen, Formen und weitere sichtbare Merkmale berücksichtigen.

Beim Upload bleibt die Grafik als Originaldatei im Datenraum gespeichert und steht bei jeder späteren Anfrage als visuelle Quelle zur Verfügung.

Texterkennung und visuelle Analyse sind dabei keine Gegensätze. Sie erschließen unterschiedliche Aspekte derselben Information. Welche Verarbeitung sinnvoll ist, hängt von der Quelle und der konkreten Frage ab.

Wie Agentic Image RAG funktioniert

Hinter der Funktion steht ein Ansatz, den wir als Agentic Image RAG bezeichnen. RAG steht für Retrieval-Augmented Generation. Dabei werden Informationen aus einer Wissensbasis abgerufen und dem Modell für die Beantwortung einer Frage bereitgestellt.

Bei Agentic Image RAG gehören auch Bilder zu diesen Quellen. Der KI-Agent entscheidet anhand der Fragestellung, ob er eine Grafik oder Zeichnung benötigt, und ruft sie bei Bedarf aus dem Datenraum ab.

Der Ablauf umfasst drei Schritte:

Retrieval: Der Agent ruft eine für die Frage relevante Grafik aus dem Datenraum ab. Augmentation: Das Bild wird dem multimodalen Modell als zusätzliche visuelle Informationsquelle bereitgestellt. Generation: Das Modell formuliert seine Antwort unter Berücksichtigung des Bildinhalts. Der Unterschied zu einem manuell angehängten Bild liegt damit nicht allein in der visuellen Verarbeitung. Entscheidend ist die Verbindung mit einer dauerhaft verfügbaren Wissensbasis, aus der der Agent passende Inhalte für neue Fragen abrufen kann.

Wo das im Arbeitsalltag hilft

Besonders nützlich ist dieser Ansatz überall dort, wo mehrere Menschen wiederholt auf dieselben visuellen Informationen angewiesen sind.

Technische Zeichnungen und Pläne: Ein Team kann hinterlegte Zeichnungen für Fragen zu dargestellten Bauteilen, Beschriftungen oder Anordnungen heranziehen. Die visuelle Quelle muss nicht bei jeder Rückfrage neu bereitgestellt werden. Qualitätssicherung und Schadensdokumentation: Produktfotos und Schadensbilder bleiben für spätere Fragen verfügbar. Sichtbare Auffälligkeiten können gemeinsam mit der schriftlichen Dokumentation betrachtet werden, statt vom zugehörigen Projektwissen getrennt zu bleiben. Support und Softwaredokumentation: Screenshots können als Referenz dienen, um Fragen zu einer dargestellten Oberfläche oder einer sichtbaren Fehlermeldung zu bearbeiten. Sie dokumentieren dabei einen bestimmten Stand, nicht automatisch den aktuellen Zustand einer Anwendung. Projektarbeit und Vor-Ort-Dokumentation: Fotos aus Begehungen oder Einsätzen werden auch für berechtigte Kollegen zugänglich, die nicht selbst vor Ort waren. Neue Fragen können anhand derselben hinterlegten Aufnahmen bearbeitet werden. Der gemeinsame Vorteil ist weniger wiederholte Dateisuche und erneutes Hochladen. Visuelle Informationen lassen sich über einzelne Gespräche hinaus verwenden.

Dauerhaft verfügbar ist nicht automatisch aktuell

Eine gemeinsame Wissensbasis ist nur dann hilfreich, wenn ihre Inhalte richtig eingeordnet werden können. Zu welcher Anlage gehört das Foto? Welchen Revisionsstand zeigt die Zeichnung? Wann wurde der Screenshot aufgenommen?

Für die praktische Nutzung sind deshalb eindeutige Dateinamen und eine nachvollziehbare Zuordnung zu Projekten, Produkten oder Bauteilen sinnvoll. Datum und Versionsstand sollten dort dokumentiert sein, wo sie für das Verständnis gebraucht werden, etwa im Dateinamen oder in der begleitenden Dokumentation.

Die dauerhafte Speicherung ersetzt keine Versionierung und garantiert für sich allein auch keine lückenlose Nachverfolgung. Sie schafft zunächst die Voraussetzung dafür, visuelle Quellen später erneut nutzen zu können.

Text und Bilder ergänzen sich

In AITEZA bleiben Dokumente im Dateien-Tab, in dem die textorientierte Dokumentenverarbeitung und gegebenenfalls OCR ihren Platz haben. Grafiken und Zeichnungen erhalten mit dem Image-Tab einen eigenen Bereich für die visuelle Nutzung.

So muss eine Zeichnung nicht auf ihren extrahierten Text reduziert werden. Gleichzeitig verlieren die schriftlichen Unterlagen nicht an Bedeutung. Ein Bericht kann erläutern, unter welchen Bedingungen ein Schaden entstanden ist. Das Foto zeigt die sichtbare Ausprägung. Für eine hilfreiche Antwort können beide Perspektiven wichtig sein.

Auch die Grenzen der Bildanalyse bleiben zu berücksichtigen. Kleine Beschriftungen, geringe Auflösung oder komplexe Zeichnungen können die Auswertung erschweren. Bei sicherheitsrelevanten Bewertungen, exakten Maßprüfungen oder technischen Freigaben bleibt eine fachliche Prüfung erforderlich.

Visuelles Wissen über den einzelnen Chat hinaus nutzen

Der Image-Tab erweitert AITEZA um eine Möglichkeit, Bilder nicht nur punktuell auszuwerten, sondern als wiederverwendbare Informationsquellen bereitzustellen.

Technische Zeichnungen, Fotos und Screenshots werden damit zu einem festen Teil der Wissensbasis. Berechtigte Nutzer können in neuen Gesprächen darauf zurückgreifen, ohne die Dateien jedes Mal selbst bereitstellen zu müssen.

Der Mehrwert liegt nicht darin, dass KI ein Bild einmal betrachten kann. Er entsteht dadurch, dass die darin enthaltenen Informationen auch bei der nächsten Frage und für andere Teammitglieder nutzbar bleiben.

Mehr erfahren

Erfahren Sie, wie AITEZA Ihr Team bei der täglichen Arbeit mit Dokumenten und visuellen Informationen unterstützen kann. Buchen Sie einen Termin für eine Produktvorstellung. Lassen Sie sich davon begeistern wie AITEZA auch Ihre Arbeit erleichtert.