01 · Vektor
Semantisch
Embeddings finden Passagen mit derselben Bedeutung – auch wenn sie kein einziges Wort gemeinsam haben.
360° GraphRAG · Knowledge Studio
MENTOR extrahiert alles, was dein Team schreibt, zerlegt es in Chunks, bettet es ein und verknüpft es zu einem lebendigen Wissensgraphen – und antwortet dann mit vollem 360°-Blick darauf, jede Aussage mit Quelle belegt.
01Was ist 360° GraphRAG
Klassisches RAG holt ein paar ähnliche Absätze. 360° GraphRAG betrachtet deine Bibliothek auf vier Arten zugleich – Bedeutung, Wortlaut, beteiligte Entitäten und die Themen drumherum – und führt alles zu einer fundierten Antwort mit Quellenangaben zusammen.
01 · Vektor
Embeddings finden Passagen mit derselben Bedeutung – auch wenn sie kein einziges Wort gemeinsam haben.
02 · Keyword
Exakte Begriffe, Codes und Namen werden ebenfalls gefunden und mit den semantischen Treffern zusammengeführt.
03 · Lokaler Graph
Entitäten aus der Frage bringen ihre Beziehungen, Quell-Chunks und Communitys mit.
04 · Global
Cluster verwandter Entitäten werden zusammengefasst – so bekommen breite Fragen Antworten aus der ganzen Bibliothek.
SemantischLexikalischLokalGlobaleine belegte Antwort
Zusammengeführt und neu gerankt, dann ausformuliert – mit nummerierten Quellenangaben zu den exakten Passagen.
02So funktioniert’s
Jedes Dokument durchläuft dieselbe robuste Pipeline auf deinem eigenen Server – und du kannst bei jedem Schritt zusehen.
Schritt 01
Zieh PDF, Word, PowerPoint, Excel, HTML, Markdown oder CSV hinein – oder füge eine URL ein. Die Originale bleiben in deinem eigenen Objektspeicher.
Schritt 02
Jedes Dokument landet in einer Warteschlange in deiner Datenbank. Worker holen es ab, verfolgen jeden Schritt, wiederholen ihn bei Fehlern und machen nach einem Neustart weiter.
Schritt 03
Text und Struktur werden herausgelöst und in Chunks in Token-Größe zerlegt, die ihre Seitenzahlen behalten.
Schritt 04
Jeder Chunk wird zu einem Vektor in PostgreSQL + pgvector – bereit für semantische und hybride Suche.
Schritt 05
Ein Modell liest aus jedem Chunk Entitäten und Beziehungen heraus; Dubletten verschmelzen zu einem Graphen für die ganze Bibliothek.
Schritt 06
Verwandte Entitäten werden auf zwei Ebenen geclustert; jede Community erhält eine ausformulierte Zusammenfassung und ihre wichtigsten Erkenntnisse.
Schritt 07
Fragen laufen durch alle Retrieval-Modi und kommen als eine Antwort zurück – mit nummerierten Quellenangaben.
03Quellen
Vorstandsunterlagen, Handbücher, Tabellen und Webseiten fließen alle in denselben Kern – extrahiert, verknüpft und bereit für deine Fragen.
Chunks behalten ihre Seitenzahlen – jede Quellenangabe öffnet sich auf der richtigen Seite.
Füge eine URL ein – MENTOR ruft sie serverseitig ab und reiht sie ein wie jeden anderen Upload.
Ändere Schema oder Modelle und verarbeite ein Dokument neu oder baue die Communitys neu auf – mit einem Klick.
04360°-Retrieval
Wähle einen Blickwinkel und sieh, wie MENTOR auf deine Bibliothek schaut – oder lass 360° alle auf einmal laufen und ihre Ergebnisse zusammenführen.
Frage
Wie stark ist Nimbus GA Lieferrisiken ausgesetzt?
Blickwinkel: 360°
Hybrid + Graph + Lokal + Global, zusammengeführt.
Ideal für: Alles – das ist der Standard.
Mit der Maus über einen Blickwinkel fahren oder ihn antippen · alle paar Sekunden laufen sie zu einer Antwort zusammen
05Live-Demo
Eine Beispielbibliothek – die Strategiepapiere eines fiktiven Unternehmens –, so wie MENTOR sie extrahiert. Fahr mit der Maus über den Graphen, um Verbindungen zu verfolgen, klick auf eine Entität, um sie dir genauer anzusehen, und wechsle zwischen Typen und Communitys. Die Beispieldokumente sind auf Englisch.
06Funktionen
Bibliotheken & Organisationen
Jede Bibliothek hat eigene Dokumente, ein eigenes Schema, einen eigenen Graphen und eigene Einstellungen – gebunden an eine Clerk-Organisation. Admins gestalten sie, Mitglieder erkunden und fragen.

Graph-Explorer
Nachbarn aufklappen, Pfade zwischen zwei Entitäten finden und nach Typ oder Community filtern – auf einem schnellen WebGL-Canvas.

Graph-Qualität
Beinahe-Dubletten, verwaiste Entitäten und schwache Verbindungen tauchen von selbst auf. Jeden Vorschlag mit einem Klick zusammenführen oder verwerfen.
Schema & Ontologie
Starte mit einer Vorlage oder lass MENTOR Entitäts- und Beziehungstypen aus deinen eigenen Dokumenten vorschlagen – und verfeinere sie dann.

Retrieval-Details
Jede Abfrage speichert ihre Passagen, Scores, Modi, Token und Latenz – auf Wunsch mit einer Qualitätsbewertung.

Admin & Warteschlangen
Warteschlangen und Jobs live verfolgen, Fehlgeschlagenes wiederholen, Poison-Nachrichten erneut einspielen, Modelle und Limits justieren – mit lückenlosem Audit-Trail.

07Anwendungsfälle
Strategie & Vorstandsunterlagen
Aus Jahren an Vorstandsunterlagen, Strategiepräsentationen und Risikoregistern wird ein Graph aus Entscheidungen, Verantwortlichen und Terminen.
Quellen
Fragen · 360°
Was hat der Vorstand in Q3 zu Nimbus beschlossen?
Im Vorstands-Review für Q3 wurde der Investment Case für Nimbus genehmigt 1 und die Diversifizierung der Zulieferer zur Priorität für Q4 erklärt 2.
08Sicherheit & Plattform
MENTOR läuft als ein einziger Stack mit Docker Compose auf einer Maschine, die du kontrollierst: Web-App, API, Worker, Datenbank, Objektspeicher und ein HTTPS-Proxy. Deine Dokumente werden nirgendwo sonst gespeichert.
Originaldateien liegen im Objektspeicher; Chunks, Vektoren, Entitäten und Community-Berichte in PostgreSQL – beides in Containern auf einer Maschine, die du selbst betreibst.
Clerk übernimmt Anmeldung und Organisationen. Jede Bibliothek, jede Abfrage und jeder Job wird gegen Organisation und Rolle des Aufrufers geprüft.
Eine Warteschlange in der Datenbank verfolgt jeden Schritt, wiederholt Fehlgeschlagenes, übersteht Neustarts und lässt Admins alles erneut einspielen, was hängen geblieben ist.
Admin-Änderungen landen in einem Audit-Log, und jede Antwort behält die Retrieval-Details, auf denen sie beruht.
09Häufige Fragen
Die Kurzfassung: wie MENTOR funktioniert, wo deine Daten liegen und warum jede Antwort ihre Quellen mitbringt.
Retrieval-Augmented Generation, die deine Bibliothek von allen Seiten betrachtet. Neben semantischer Suche (Vektor) und Keyword-Suche baut MENTOR einen Wissensgraphen aus den Entitäten und Beziehungen in deinen Dokumenten, clustert sie zu Communitys mit ausformulierten Zusammenfassungen und führt alles – Vektor, Hybrid, Graph, Lokal und Global – zu einer fundierten Antwort zusammen.
Mentor ist verteilte Intuition
Leg eine Bibliothek an, zieh einen Ordner hinein und stell in wenigen Minuten deine erste Frage – mit Quellenangaben.