Evidenz finden
Dzen Chat durchsucht die indexierte Website und Dokumente nach den Fragmenten, die am besten zur Frage passen. Nicht die gesamte Wissensbasis wird an das Modell gesendet.
Technische Spezifikation von Dzen Chat
Eine Umsetzungsreferenz für Sicherheits-, Plattform- und Engineering-Teams: Was in Dzen Chat läuft, wie Wissen verarbeitet wird, wo Daten liegen und welche Kontrollen jede Antwort begrenzen.
Abrufgestützte Generierung (Retrieval-Augmented Generation): Antworten mit abgerufener Evidenz.
RAG steht für abrufgestützte Generierung (Retrieval-Augmented Generation). Bevor ein KI-Modell eine Antwort formuliert, ruft das System relevante Fragmente aus Ihrer freigegebenen Wissensbasis ab und fügt sie dem Arbeitskontext des Modells hinzu.
Begrenzten Kontext aufbauen
Die ausgewählten Quellen, der Gesprächsverlauf und die Antwortregel werden zu einem kontrollierten Kontext zusammengestellt. Ranking- und Relevanzregeln entscheiden, was nützlich genug für die Aufnahme ist.
Erklären, dann zitieren
Der gewählte KI-Anbieter formuliert aus diesem Kontext eine Antwort. Dzen Chat bewahrt die Quelldaten, damit die Oberfläche Besucher zum zugrunde liegenden Material zurückführen kann.
Verfolgen Sie die Daten durch das System.
Wählen Sie einen Ablauf, um zu sehen, was in dieser Phase geschieht. Die Oberfläche spiegelt die tatsächliche Trennung zwischen Hintergrundindexierung und der Live-Chat-Anfrage wider.
1QuellenWebsites · Dateien · Wissenssysteme · APIs
2Crawler & ExtraktorErkennung · Abruf · Extraktion · Aktualisierung bei Änderungen
3Index-PipelineSegmentieren · Duplikate entfernen · Embeddings erstellen
4WissensspeicherPostgreSQL · pgvector · Metadaten
Die Erstindexierung und Quellenaktualisierungen laufen in Hintergrund-Workern über Redis-Warteschlangen. Neue oder geänderte Inhalte lassen Besucher nicht auf einen Crawl oder die Erstellung eines Vektors warten.
1FrageSprach- und Anfrageprofil
2Drei Retrieval-PfadeVektor · Volltext · Graph
3Zusammenführen & neu sortierenRRF + Cross-Encoder + Relevanzregeln
4EvidenzmengeAusgewählte Auszüge und Quellenlinks
Die Retrieval-Schicht kombiniert komplementäre Signale: semantische Ähnlichkeit für unterschiedliche Formulierungen, Volltext für exakte Terminologie und Graph-Traversierung für Verbindungen zwischen Entitäten und Dokumenten.
1GesprächsverlaufKontext des jüngsten Dialogs
2Regeln & EvidenzAbdeckungsregeln · ausgewählte Auszüge
3KI-AnbieterStreaming-Generierung
4Antwort & ZitateQuellenlinks · Feedback · nächste Aktionen
Das Modell erhält einen begrenzten, vorbereiteten Kontext statt der gesamten Website. Die Antwort bleibt mit dem Quellmaterial verbunden, das sie informiert hat.
1NutzungChats · Nutzer · Nachrichten im Zeitverlauf
2GesprächsverlaufFragen · Dialogverlauf · Feedback
3AntwortqualitätQuellentreffer · Likes · Dislikes
4Arbeitsrelevante ErkenntnisseWiederkehrende Bedürfnisse · Lücken · nächste Aktionen
Administratoren können prüfen, was Menschen fragen, wie der Dienst genutzt wird und welche Antworten Feedback erhalten. So wird Chat-Aktivität zur Evidenz für bessere Inhalte, Wissensquellen und Support-Abläufe.
So wird ein Antwortkontext aufgebaut.
Für jede Frage kombiniert Dzen Chat den relevanten Gesprächsverlauf mit einer frischen Evidenzmenge aus der Wissensbasis. Ein Kontextbudget hält den Prompt fokussiert und bewahrt die Quelldaten für die Oberfläche.
Umfasst der Jahrestarif zusätzliche Teammitglieder?
Vektor + Volltext + Graph → Fusion → Reranking → 4 Quellen ausgewählt
Gesprächsverlauf + ausgewählte Evidenz + Antwortregel innerhalb eines begrenzten Kontexts
Er umfasst die Basiskapazität für das Team. Zusätzliche Plätze können in den Workspace-Einstellungen hinzugefügt werden.Preis- und Tarifverwaltung · Quelle zitiert
„Wo füge ich Plätze hinzu?“ · „Kann ich den Abrechnungsverantwortlichen ändern?“
Von Rohinhalten zu einem gepflegten Wissensindex.
Entdecken und abrufen
Quellen können Websites, Sitemaps, ausgewählte URLs, Dokumente, Wissenssysteme und eigene API-Konnektoren sein. Der Crawler erkennt geeignete Inhalte, folgt Quellenregeln, erfasst den Status und aktualisiert geändertes Material asynchron.
Nützliche Struktur extrahieren
HTML wird in nutzbare Inhalte umgewandelt; unterstützte Dokumente werden nicht nur anhand ihrer Dateiendung erkannt. Überschriften, Absätze, Tabellen und Metadaten werden in den Index übernommen.
Rauschen und Wiederholungen verwerfen
Wenig hilfreiche, übergroße und doppelte Inhalte werden nicht als neues Wissen behandelt. Content-Hashes, Page-Shingles und Chunk-Hashes helfen, wiederholte Vorlagen und doppelte Fragmente zu entfernen.
Mit Kontext segmentieren
Inhalte werden in abrufbare Fragmente mit Abschnittspfaden, Überschriften, Positionen, Entitäten und Dokumentmetadaten aufgeteilt — genug Kontext, um zu erklären, wohin eine Passage gehört.
Embeddings erstellen und speichern
Dedizierte Worker erzeugen Embeddings und speichern Fragmente, Vektoren und Metadaten in PostgreSQL mit pgvector. Unveränderte Fragmente können bestehende Embeddings wiederverwenden.
Beobachten und aktualisieren
Quellen-, Crawl- und Embedding-Status bleiben für Administratoren sichtbar. Aktualisierung und Neuindexierung bringen die Wissensschicht mit der Quelle fort.
Machen Sie Dzen Chat zu einem nativen Teil Ihres Produkts.
Der Administrationsbereich gibt Ihrem Team volle Kontrolle über das Widget: Farben, Auslöser, vorgeschlagene Fragen, Gesprächston, Begrüßungen und kontextuelle Einladungen. Gestalten Sie jedes Gespräch für Ihre Marke, Seiten und Zielgruppe.
Das richtige Gespräch aus dem Seitenkontext beginnen.
Konfigurieren Sie visuelle Sprache, Begrüßung, vorgeschlagene Fragen und Aktivierungsregeln des Widgets passend zur Website und Aufgabe des Besuchers.
LDAP & Active Directory für private Bereitstellungen.
Administratoren können sich über ein Unternehmensverzeichnis authentifizieren, mit optionalen Gruppenregeln, Service-Account-Abfrage und TLS-Einstellungen. Lokale Passwörter können für Verzeichnisnutzer eingeschränkt werden.
Suche nutzt Evidenz, nicht nur eine Bewertungsmethode.
Semantisches Retrieval
Frage und Wissensfragmente werden als Vektoren dargestellt. Dieser Pfad findet relevantes Material, wenn die Formulierung des Besuchers von der Formulierung der Quelle abweicht.
Lexikalisches Retrieval
Die Volltextsuche bewertet Titel, URL-Pfade, Überschriften, Entitätsbegriffe und Inhalte. Sie ist nützlich für Produktnamen, exakte Terminologie und wichtige Formulierungen.
Evidenzauswahl
Kandidatenlisten werden mit Reciprocal Rank Fusion zusammengeführt und anschließend durch einen Cross-Encoder und Relevanzregeln bewertet, bevor ein kompakter Kontext entsteht.
Graph-Retrieval: Beziehungen zwischen Wissensquellen nutzen.
Es folgt Verbindungen zwischen Entitäten und Dokumenten, um unterstützenden Kontext sichtbar zu machen, den ein einzelnes isoliertes Fragment übersehen könnte. Graph-Ergebnisse werden vor dem Ranking mit Vektor- und Volltextkandidaten kombiniert, sodass Antworten sowohl semantische Ähnlichkeit als auch die Struktur der Wissensbasis nutzen können.
Wählen Sie die KI-Anbindung, die zu Ihrer Umgebung passt.
Die Retrieval- und Wissensschicht bleibt unter der Kontrolle von Dzen Chat. Wählen Sie den Generierungsanbieter für Sprache, Richtlinien und Infrastrukturvorgaben des Kunden — einschließlich jedes Anbieters mit einer OpenAI-kompatiblen API.
- OpenAI
- GigaChat
YandexGPT
OpenRouter- OpenAI-compatible
Anthropic
Gemini
xAI
Mistral AI
NVIDIA NIM
Perplexity
Hugging Face
DeepSeek
Qwen
Baidu AI
Doubao
SAP AI
Cloudflare Workers AI
OpenAI-kompatibel
BYOM · Bring your own model: Das richtige Werkzeug für Ihre Anforderungen nutzen.
Bei einer privaten Bereitstellung kann Dzen Chat mit Ihrem eigenen Modell-Endpunkt oder unternehmensweiten KI-Gateway verbunden werden. Generierungsmodell, Zugangsdaten und Netzwerkroute bleiben im Unternehmensperimeter; Dzen Chat liefert Retrieval-Kontext, Orchestrierung und das Besuchererlebnis darum herum.
Geschützt vor unerwarteten Anfragen und unsicheren Ausgaben.
Guardrails begrenzen das Gespräch vor und nach der Generierung. Sie helfen, Antworten in freigegebenem Wissen zu verankern, im vorgesehenen Bereich zu halten und für Besucher sicher zu machen.
Fundierte Antworten.
Das Modell erhält eine begrenzte Evidenzmenge mit Zitier-IDs und darf nur die für diese Antwort bereitgestellten Quellen zitieren.
Bereichsgrenze.
Eine Prompt-Prüfung hält den Assistenten im konfigurierten Produkt-, Service-, Support- und Wissensbasisumfang.
Kontrollen für unsichere Anfragen.
Prüfungen auf personenbezogene Daten, Moderation, Prompt Injection und Jailbreaks können ungeeignete Eingaben vor der Generierung stoppen.
Ausgabeprüfung und Nachvollziehbarkeit.
Ausgabeprüfungen wenden dieselbe Sicherheitsgrenze an; blockierte Ereignisse und ihre Gründe bleiben zur Prüfung in der Projekthistorie erhalten.
Ein vollständiges RAG-System innerhalb Ihres Perimeters.
Dzen Chat kann in Ihrer eigenen Infrastruktur laufen: Öffentliches Widget, Administration, Index-Worker und Wissensspeicher bleiben innerhalb einer kontrollierten Netzwerkgrenze. Wir liefern die Bereitstellungstopologie und dimensionieren sie für Ihre Quellen und Ihren Traffic.
KUNDENNETZWERK · PRIVATE BEREITSTELLUNG
Ingress & Identität
Öffentliches Widget · Admin-Zugriff · LDAP / Active Directory
Dzen Chat Web
Widget-Auslieferung · Chat-API · Quellen- und Projektverwaltung
2 Replikate in der ReferenzumgebungIndex-Worker
Crawlen · Extrahieren · Duplikate entfernen · Segmentieren · Aktualisieren
2 Worker-Replikate in der ReferenzumgebungEmbedder & Reranker
Vektorerzeugung · Relevanzbewertung · Retrieval-Vorbereitung
Dedizierter Prozess mit separater KapazitätWissensdienste
Seiten · Fragmente · Vektoren · Dialogzustand
Warteschlangen · kurzlebige LaufzeitdatenSicherer Betrieb
Readiness- und Liveness-Prüfungen, interne Metriken und nach Rollen getrennte Dienste machen die Umgebung beobachtbar und wartbar.
Secrets bleiben privat
Zugangsdaten und Anbieter-Schlüssel werden als Bereitstellungs-Secrets geliefert, nicht im Anwendungsimage oder öffentlichen Widget gespeichert.
Die Arbeit skalieren, die sich verändert
Web-Traffic, Indexierungswarteschlangen und Embedding-Lasten skalieren unabhängig, wenn Wissensbasis und Nutzung wachsen.
Jede maßgebliche Quelle in der Antwort behalten.
Verbinden Sie die Systeme, die Ihr Team bereits nutzt. Eine signierte Update-API lässt einen Konnektor ein Änderungsereignis empfangen, die freigegebene Quelle aktualisieren und neues Wissen ohne manuelle Neuindexierung in Dzen Chat bringen.
Webhooks → gezielte Quellenaktualisierung → aktualisierter Retrieval-Index
Erstellen Sie No-Code-Aktualisierungsabläufe mit Zapier, Make oder n8n; für ein individuelles System konfigurieren wir einen Konnektor rund um dessen API oder Ereignisstrom.
- AUTOMATISIERUNGSBRÜCKEN
Zapier
Make
n8n- Any webhook
- WISSEN & ZUSAMMENARBEIT
Notion
Google Drive- Amazon S3
- SharePoint
Confluence
Dropbox
Box- OneDrive
- Slack
- Microsoft Teams
- SUPPORT, PRODUKT & INHALTE
Zendesk
Intercom- Freshdesk
HubSpot- Salesforce
Jira
Linear
Contentful
Strapi
Sanity
WordPress
Webflow
Shopify
ReadMe
GitBook
Docusaurus- Custom CMS
- CODE & DOKUMENTATION
GitHub
GitLab
Bitbucket
Bringen Sie Ihre Wissensquellen mit. Wir planen die passende Umgebung.
Wir bewerten Quellenlandschaft, Sprachanforderungen, Richtlinien für KI-Anbieter, erwartete Last und Bereitstellungsgrenze, bevor wir eine Dzen-Chat-Umsetzung vorschlagen.