Überblick zu Datenquellen, RAG und Quellenanbindung
Datenquellen sind die Basis für Retrieval-Augmented Generation (RAG) in MeinGPT. Inhalte aus angebundenen Quellen werden indexiert und stehen Deinen Assistenten als Wissen zur Verfügung. Du kannst eine Datenquelle aber auch direkt in einem Chat anhängen, wenn Du nur einmal etwas darin nachlesen möchtest.
Öffne Einstellungen → Datenquellen und klicke auf Datenquelle hinzufügen:
SharePoint / OneDrive
Dokumentbibliotheken und OneDrive.
Google Drive
Dateien aus Google Drive.
Confluence
Seiteninhalte aus Confluence.
Amazon S3
AWS S3 und S3-kompatible Speicher.
WebDAV
Nextcloud, ownCloud und andere WebDAV-Server.
Web-Crawler
Öffentliche oder interne Websites.
Jede dieser Quellen bindest Du direkt über Einstellungen → Datenquellen an, ohne eigene Hardware.
Dateien, die euer Netz nicht verlassen sollen?
Diese sechs Quellen laufen alle in der MeinGPT Cloud. Sollen Quelldateien und Suchindex stattdessen in eurem eigenen Netz bleiben, ist das der Outpost — ein separater Weg, kein Häkchen auf dieser Seite.
Für die meisten Teams ist die cloud-basierte Datenquelle die richtige Wahl.
| Eigenschaft | Wert |
|---|---|
| Hosting | MeinGPT Cloud (Hetzner, Deutschland) |
| Sync-Intervall | Alle 15 Minuten |
| Suchergebnisse pro Anfrage | Bis zu 12 Textstellen je Suche, höchstens 3 je Datei; der Assistent wählt die Anzahl, nicht einstellbar |
| Suchverfahren | Stichwortsuche und Bedeutungssuche (Embeddings, sortiert nach Relevanz), immer beide |
| Verfügbarkeit | Im Standardpaket enthalten |
| Speicherbudget | 300 GB pro Workspace (Rohdaten, alle Cloud-Datenpools zusammengerechnet) |
Cloud-Datenpools teilen sich ein Speicherbudget pro Workspace: standardmäßig 300 GB an rohen, importierten Daten - zusammengerechnet über alle Cloud-Datenpools des Workspaces. Ist das Budget ausgeschöpft, werden keine neuen Inhalte mehr indexiert, bis wieder Platz frei ist, etwa durch Entfernen nicht mehr benötigter Dateien. Den aktuellen Verbrauch siehst Du als Admin unter Einstellungen → Datenquellen.
Wenn Du SharePoint-Daten in MeinGPT nutzen willst, hast Du zwei Optionen: den nativen Microsoft 365 Connector oder eine Datenquelle mit SharePoint als Quelle. Beide haben ihre Stärken.
| Kriterium | Microsoft 365 Connector | Datenquelle mit SharePoint-Quelle |
|---|---|---|
| Suchverfahren | Direktzugriff in Echtzeit | Vorab-Index, Sync alle 15 Minuten |
| Berechtigungen | Respektiert SharePoint-Permissions automatisch (auf Nutzer-Ebene über OAuth) | Admin gibt die Datenquelle frei. SharePoint-Permissions je Datei nur mit der Workspace-Einstellung Berechtigungen aus der Quelle |
| Authentifizierung | Jeder Nutzer authentifiziert sich individuell | Zentral konfiguriert |
| Skalierung | Gut für gezielte Recherche in einzelnen Sites oder Ordnern | Skaliert auf große Datenmengen, mehrere Quellen kombinierbar |
| Quellen kombinieren | Nur SharePoint und OneDrive | Mehrere Quellen in einer Datenquelle (SharePoint, lokale Dateien, Drive, …) |
Faustregel:
Es gibt kein hartes Datenlimit. Aber je mehr Daten eine Datenquelle umfasst, desto stärker konkurrieren irrelevante Treffer mit den passenden. Empfehlung:
Achtung
Dieselbe Ordnerstruktur in mehreren Datenquellen bedeutet doppelte Indexierung. Es gibt keine plattformweite Deduplizierung über Datenquellen hinweg - verweisen zwei Datenquellen auf denselben oder überlappenden SharePoint-/OneDrive-Ordner, wird dieser Inhalt vollständig zweimal gecrawlt, gechunkt und eingebettet, mit entsprechend doppeltem Speicher- und Rechenaufwand. Ist ein Assistent an beide Datenquellen angebunden, kann dieselbe Datei zusätzlich doppelt in den Suchergebnissen einer einzelnen Anfrage auftauchen. Binde einen Ordner deshalb nur einmal als Datenquelle an und teile diese eine Datenquelle mit allen Assistenten, die darauf zugreifen sollen, statt pro Assistent eine eigene Datenquelle auf denselben Ordner anzulegen.
Die Kurzbeschreibung einer Datenquelle ist nicht nur Doku. Sie wird vom Modell genutzt, um zu entscheiden, ob eine Datenquelle für eine Anfrage relevant ist. Eine schlechte Beschreibung führt dazu, dass Datenquellen bei passenden Fragen nicht durchsucht werden.
Gut: "Enthält alle internen HR-Richtlinien, Prozessbeschreibungen und Onboarding-Dokumente."
Weniger gut: "HR-Dokumente."
In Assistenten-Instruktionen lohnt es sich, Datenquellen explizit anzusprechen. Zum Beispiel: "Starte jede Konversation damit, relevante Informationen aus der angebundenen Datenquelle abzurufen." Das macht die Nutzung der Datenquelle zuverlässiger.
Symptom: Assistent ignoriert einen verknüpften Datenpool. Antwortet ein Assistent trotz korrekt synchronisiertem und verknüpftem Datenpool aus allgemeinem Wissen statt aus dem Datenpool, ist eine fehlende Referenz im System-Prompt die häufigste Ursache — nicht ein Konfigurationsfehler am Datenpool selbst. Prüfe zuerst, ob die Anweisungen den Datenpool explizit erwähnen, bevor Du Sync-Status oder Berechtigungen untersuchst.
Suche & Antworten
Wie die Suche funktioniert, Freigabestufen, Quellenangaben, Wissenslandkarte und das 3-Stufen-Modell.
Formate & Zugriff
Unterstützte Dateiformate, E-Mails und Anhänge, Zugriffskontrolle.
Sync-Status & Fehlerbehebung
Verbindungsstatus prüfen, Sync-Fehler erkennen und beheben.
Wenn Du eine eigene On-Premise-Wissensinfrastruktur betreiben willst, etwa für regulierte Branchen oder besondere Sicherheitsanforderungen, kannst Du einen eigenen Outpost einsetzen. Quelldateien und Suchindex bleiben dort gespeichert; es gibt keine zentrale Dauerkopie. Bei einer Anfrage überträgt der Outpost jedoch genau die Inhalte, die Du pro Ordner am Outpost freigegeben hast: aufbereiteten Text und Metadaten oder zusätzlich eine Kopie der Originaldatei. In der MeinGPT-Weboberfläche gibt es dafür keine zweite Einstellung. Die temporäre Sandbox-Verarbeitung ist unter Suche & Antworten beschrieben.
Neben den sechs Cloud-Quellen oben und manuell hochgeladenen Dateien gibt es Ordner und Netzlaufwerke, die nur ein Outpost lesen kann. Die vollständige Übersicht mit der Cloud-vs-Outpost-Unterscheidung: Datenquellen.
Ein eigenes Muster mit S3-Übergabepunkt für Drittsysteme findest Du hier: