Zum Inhalt springen
GraphRAG Compass
  • Grundlagen
  • Architekturen
  • Praxis
  • Business Cases
  • Lernpfad
  • Simulation
  • Landkarte
GraphRAG Compass

Öffentlicher Field Guide für GraphRAG, Knowledge Graphs, AI-Architekturen und bessere Entscheidungen in komplexen Wissenssystemen.

Erkunden

  • Grundlagen
  • Architekturen
  • Praxis
  • Business Cases
  • Simulation
  • Landkarte

Lernen

  • Lernpfad
  • Mini-Use-Case
  • GraphRAG Poster
  • Glossar

Über

  • About
  • LinkedIn

Discovery

  • llms.txt
  • llms-full.txt
  • sitemap.xml

Rechtliches

  • Impressum
  • Datenschutz

© 2026 Meierhoff Systems · GraphRAG Compass

Orientierung für Entscheidungen in Wissenssystemen

Landkarte · Graph Theory

Graph Theory für GraphRAG

Graph Theory erklärt die Grundformen, aus denen GraphRAG-Kontext besteht: Knoten, Kanten, Pfade, Nachbarschaften, Communities und strukturelle Signale. Die Seite bleibt bewusst anwendungsnah.

Knoten
Kanten
Pfade
Communities

Diese Seite ist die anwendungsnahe Lesebrille für GraphRAG-Architekturen.

Wofür das im Compass hilft

GraphRAG nutzt Graphstrukturen, um Kontext nach Ähnlichkeit und Beziehungen auszuwählen. Wer Knoten, Kanten, Pfade und Communities auseinanderhalten kann, versteht schneller, warum ein Graph manchmal hilft und manchmal nur mehr Komplexität erzeugt.

Die Grundfrage lautet: Welche Struktur liefert für diese Frage bessere Evidenz als eine reine Trefferliste?

Die Bausteine – ein Graph, sechs Lesarten

Wähle einen Begriff – derselbe Demo-Graph hebt genau diese Struktur hervor.

Beispiel: Vertrag A, Kunde Nordstern, Klausel 12, Datenschutz-Policy 2026.

Knoten

Knoten sind Dinge, über die das System sprechen kann: Personen, Dokumente, Claims, Systeme, Events oder Regeln.

Vertrag A, Kunde Nordstern, Klausel 12, Datenschutz-Policy 2026.

Kanten

Kanten beschreiben Beziehungen zwischen Knoten. Für GraphRAG ist entscheidend, ob diese Beziehung fachlich belastbar oder nur aus Text extrahiert ist.

Kunde -[:HAT_VERTRAG]-> Vertrag oder Chunk -[:ERWÄHNT]-> Organisation.

Pfade

Pfade verbinden mehrere Knoten über mehrere Schritte. Sie machen Multi-Hop-Fragen erklärbar.

Vertrag -> Klausel -> Datenverarbeitung -> Policy.

Nachbarschaft

Die Nachbarschaft eines Knotens liefert lokalen Kontext. Sie ist nützlich, kann aber schnell zu groß werden.

Alle Policies, Kontrollen und Nachweise rund um eine konkrete Klausel.

Communities

Communities sind dichte Teilbereiche im Graphen. Sie helfen bei Überblicksfragen über große Dokument- oder Wissensräume.

Ein Themencluster aus Reports, Claims und Organisationen zu Batterie-Lieferketten.

Zentralität

Zentralität zeigt, welche Knoten strukturell besonders wichtig sind. Für GraphRAG ist das ein Ranking-Signal, kein Wahrheitsbeweis.

Ein System, von dem viele andere Services abhängig sind.

Retrieval

Wie Graph Theory in Retrieval übersetzt wird

In einer GraphRAG-Pipeline werden Graphbegriffe zu Suchoperationen: Startknoten finden, Nachbarschaften erweitern, Pfade begrenzen, Communities zusammenfassen und relevante Beziehungen priorisieren.

StartknotenWelche Entität, Quelle oder Frageeinheit ist der Einstieg?
TraversalWelche Kanten dürfen verfolgt werden und wie tief?
SubgraphWelcher kleine Ausschnitt reicht als Antwortkontext?
RankingWelche Pfade, Quellen oder Communities sind wirklich relevant?

Typische Fehlinterpretationen

  • Viele Kanten machen noch keinen guten Graph. Beziehungstypen müssen zur Frage passen.
  • Ein kurzer Pfad ist nicht automatisch ein richtiger Pfad. Quellen, Gültigkeit und Bedeutung bleiben wichtig.
  • Graphalgorithmen liefern Signale, aber keine fachliche Entscheidung ohne Kontext.
  • Zu große Nachbarschaften können Retrieval verschlechtern, weil das LLM mit Graphrauschen überladen wird.