Eine sichere Behörden-Wissensdatenbank aufbauen: Privates RAG trifft Dokumentenkompression

Die meisten Ämter glauben, mit dem Einscannen von Akten und dem Hochladen in ein geteiltes Laufwerk sei die „Wissensdatenbank" fertig. Dass das ein Irrtum ist, ließe sich noch höflich nennen. Wer so vorgeht, hat ein teures Archiv – aber kein Wissen, auf das man sich verlassen kann. Denn das wahre Nadelöhr im öffentlichen Sektor war nie die Frage, wie viel man speichern kann. Es war die Frage, ob man das Gespeicherte überhaupt beherrscht und im Alltag nutzen kann.

Bleiben wir kurz bei einer Zahl, die Unbehagen schafft. Weltweit sind bereits mehr als 3 Billionen PDFs im Umlauf, und allein auf einer großen Kollaborationsplattform landen jeden Tag über 2 Milliarden neue Datei-Uploads. Behördenmaschinen sind noch schwerer beladen: Erlasse, Sitzungsprotokolle, Vorgänge, Baupläne, Audiodateien und Videos – gemischte Formate, endlose Versionen, Aufbewahrungsfristen, die mühelos ein Jahrzehnt überschreiten. Das Volumen stieg. Die Auffindbarkeit hielt nicht mit.

Eine weltweite Befragung, die M-Files bei Vanson Bourne in Auftrag gab, hat diesen Schmerz präzise eingefangen: 96 % der Beschäftigten sagen, sie kämpften damit, die aktuellste Version eines Dokuments zu finden, und 83 % haben schon einmal eine Datei komplett neu erstellt, schlicht weil sie die vorhandene nicht wiederfanden. Versetzt man das in den Behördenalltag, wird es ungemütlich. Eine einzige Richtlinienauslegung liegt vielleicht in leicht abweichender Form bei drei verschiedenen Referaten – und niemand weiß genau, welche Fassung „gerade gültig" ist. Ein Bürger kommt an den Schalter, und die Grundlage, die die Sachbearbeiterin aufruft, stammt unter Umständen aus einem dreijährigen Stand. Dieses langsame Weggleiten ins Chaos schadet mehr als jeder Engpass bei der Speicherung je gekonnt hätte.

Was nun überrascht: Die Lösung heißt selten „noch mehr Festplatten kaufen".

UglyPear Data hat die Kombination aus Dokumentenkompression und einer RAG-Datenbasis zu einer Bereitstellung gebündelt, die vollständig auf der eigenen Infrastruktur einer Behörde laufen kann. Die gesamte Pipeline wurde kürzlich end-to-end validiert. Der Punkt, der eine öffentliche Verwaltung wirklich interessieren sollte, ist subtil: Berechtigungen kleben nicht am Dokument wie ein Etikett. Sie greifen im Moment des Abrufs. Das klingt abstrakt, bis man es in Aktion sieht.

Denn in einem einzigen Dokument mischen sich oft Informationen, die öffentlich sein dürfen, mit Material, das ernsthaft sensibel ist. Der alte Weg zwang zu einer Entweder-oder-Entscheidung auf Dateiebene: entweder alles offen, oder alles gesperrt. Keine Seite war damit glücklich. Die heutige Basis unterstützt Klassifizierungsstufen von öffentlich bis vertraulich – und rückt diese Stufen bis auf die Ebene einzelner Inhaltssegmente vor. Verschiedene Referate, verschiedene Rollen, dieselbe Wissensdatenbank abfragend: Jede sieht nur den Teil, für den sie autorisiert ist. Dieses „pro Person, pro Segment" Modell passt zur Behördenwirklichkeit weit besser als ein pauschales Dateischloss. Derselbe Bericht kann einer Abteilungsleitung eine andere Maßnahme zeigen als einer Sachbearbeiterin – genau so, wie es sein soll.

Warum verdient gerade das so viel Sorgfalt? Der Cost of a Data Breach Report 2025 von IBM liefert einen Anhaltspunkt: Die weltweiten Durchschnittskosten einer Datenpanne erreichten 4,44 Millionen US-Dollar, bei einer durchschnittlichen Eindämmungsdauer von 241 Tagen. Behördendaten sind noch sensibler, und der Preis eines Lecks reicht weit über das Finanzielle hinaus. Die Wissensdatenbank im eigenen Umfeld der Behörde zu halten, mit Daten, die das Intranet nie verlassen, verkleinert die Angriffsfläche von der Wurzel her. Das ist es, was „private Bereitstellung" hier bedeutet – keine Modeerscheinung, sondern eine Untergrenze.

Allein die Tür zuzumachen genügt jedoch nicht. Öffentliche Einrichtungen plagen sich mit einer praktischeren Sorge: Lässt sich die Daten aus den Altsystemen überhaupt bewegen?

Zu oft lautet die erste Reaktion auf „bauen wir eine Wissensdatenbank": „Müssen wir dann jede Fachdatenbank umziehen?" Meistens nein. Ein gereifter Ansatz verbindet sich direkt mit den bestehenden Behörden-Datenbanken, sodass die Originaldaten dort bleiben und in der Domäne verbleiben, aber unter Compliance-Regeln auffindbar und zitierfähig werden. Für ein Amt bedeutet das: kein traumatischer Datenumzug. Schülerverwaltung, Sozialversicherung und Genehmigungssysteme laufen weiter wie zuvor, während die Wissensschicht sich aus der Seite bedient. Alte Systeme müssen nicht abgerissen werden, damit neue Fähigkeit entsteht. Eine sanfte Evolution ist es, die in Institutionen tatsächlich Fuß fasst.

Ein weiteres Risiko, das viele übersehen: „Ein Update löscht, was vorher da war." Behördendokumente unterliegen strengen Aufbewahrungspflichten; eine Vorgangsakte von vor zehn Jahren kann an jedem beliebigen Tag gebraucht werden. Die Basis unterstützt inkrementelle Updates: Neue Dokumente werden als Delta verarbeitet, statt jedes Mal von null neu aufgebaut zu werden, und jedes Update hinterlässt einen Snapshot, zu dem sich bei Fehlern zurückrollen lässt. Massenlöschungen tragen einen Schutz gegen versehentliches Entfernen, sodass eine verfehlte Aktion nicht eine ganze Bibliothek ausradieren kann. Einfach gesagt: Sie mauert die beiden Sätze ein, vor denen jede Verwaltungsleitung zittert – „wir finden es nicht mehr" und „es wurde versehentlich gelöscht" –, direkt in den Prozess hinein.

Ein Wort zur Kompression, weil man sie leicht als Nebensache abtut. Behördendokumente sind schwer mit PDFs, Scans, OFD-Dateien, Bildern sowie Audio und Video beladen, oft dutzende oder hunderte Megabyte pro Stück – zu groß zum Mailen, zu groß für günstige Archivierung, zu groß zum Öffnen ohne Ruckeln. In veröffentlichten Tests wurde ein 443-seitiges OFD-Dokument in 124 Sekunden komprimiert, und die Bildkompression senkte die Token-Kosten, diese Bilder einem großen Sprachmodell zu übergeben, um etwa 85,9 % (gemessen an der GPT-4o-Baseline). Kompression und RAG sind keine zwei getrennten Projekte. Sie sind benachbarte Glieder einer einzigen Kette. Erst das Dokument schrumpfen, damit es gut überträgt und speichert, dann seine Struktur in die Wissensdatenbank ziehen – und erst dann laufen Abruf und Generierung überhaupt. Dreht man die Reihenfolge um, würgt das Sprachmodell schon an der Dokumentgröße, bevor es überhaupt beginnen kann.

Wie also unterscheiden sich die drei Wege zu einer Behörden-Wissensdatenbank wirklich? Eine Tabelle ordnet das:

Diese Tabelle ist ein Rahmen dafür, worauf es bei der Auswahl ankommt – kein Urteil über ein einzelnes Produkt. Mit den Dimensionen auf dem Tisch kann sich ein öffentliches Team ein paar Fragen stellen: Kann die Daten in unserem Netz bleiben? Lassen sich öffentliche und sensible Inhalte innerhalb eines Dokuments getrennt autorisieren? Lassen sich Altsysteme ohne Migration anbinden? Können wir zurückrollen, wenn ein Update schiefgeht? Wer das beantwortet, für den wählt sich der Weg von selbst.

Zurück zum Ausgangsirrtum. Eine Wissensdatenbank war nie „Papier auf die Festplatte schieben". Sie ist: die richtige Person zur richtigen Sekunde den richtigen Teil sehen lassen, während die Daten stets in ihrer eigenen Hand bleiben. Das Behörden-Puzzle ist eigenwillig: Es muss offen dienen und doch Klassifizierungen hüten, Altsysteme anbinden und doch keinen Neubau wagen, eine zehn Jahre alte Akte bewahren und doch die heutigen Sprachmodelle betreiben. Der Ansatz, der diese scheinbar widersprüchlichen Anforderungen zusammenflechtet, ist der, der wirklich landet.

Für das volle Bild lohnen sich die RAG-Datenbasis und die Produktübersicht von UglyPear Data; weitere Engineering-Notizen finden sich im technischen Blog.

Jetzt ausprobieren

Planen Sie eine Behörden-Wissensdatenbank oder ein privates Dokumenten-Hub? Starten Sie mit einem einzigen Pilot-Dokumentensatz: Wählen Sie ein Referat und eine Dokumentenart, und drehen Sie den kleinen Kreislauf „komprimieren – strukturieren – abrufen – autorisieren". Die passenden Produkte und Lösungen liegen bei der RAG-Datenbasis und der Produktübersicht von UglyPear Data; Details zu Bereitstellung und Auswahl stehen im technischen Blog.

FAQ

Muss Behördendaten zwingend privat bereitgestellt werden?
Bei Wissensdatenbanken, die sensible Informationen berühren, ist eine private oder On-Premise-Bereitstellung die sicherere Vorgabe, die Daten im Intranet zu halten. Rein öffentliche Informationen lassen sich flexibler handhaben. Die Regel lautet: nach Sensibilität staffeln, statt mit einer Pauschale alles gleich zu behandeln.

Müssen wir sämtliche Altsystem-Daten migrieren?
Nein. Der Ansatz kann direkt an vorhandene Datenbanken angebunden werden, sodass die Originaldaten an Ort und Stelle bleiben und in der Domäne verbleiben, während sie dennoch auffindbar und zitierfähig werden – ein aufwendiger Umzug entfällt.

Ein Dokument enthält sowohl öffentliche Inhalte als auch sensible Passagen. Wie wird das gesteuert?
Es wird eine Segmentebene unterstützt, mit Berechtigungen, die beim Abruf nach Autorisierung durchgesetzt werden, sodass unterschiedliche Rollen nur ihre jeweils freigegebenen Abschnitte sehen. Ein pauschales Dateischloss ist nicht nötig.

Werden bei einem Update nicht die alten Versionen überschrieben und verloren?
Inkrementelle Updates und Snapshot-Rollback werden unterstützt, sodass Sie jederzeit zurückkehren können; Massenlöschungen tragen einen Schutz gegen versehentliches Löschen, der das Risiko von Bedienfehlern senkt.

Schmälert die Kompression die Abrufqualität oder die Klarheit des Originals?
Die Kompression zielt auf Speicher- und Übertragungsgröße ab; wesentliche Layout-Elemente wie Siegel und Tabellenstruktur bleiben nach der Komprimierung erhalten. Der Fließtext wird strukturell für den Abruf extrahiert, weshalb die inhaltliche Integrität unberührt bleibt.