Handbücher
Wissensgraphen
Graphen als Agenten-Gedächtnis: GraphRAG, Extraktion, Stores – und ein Graph-Layer über deinem eigenen Vault.
Profi
Lektionen
Lektion 1 · 7 Min.
Warum Wissensgraphen
Welche Fragen Vektor-RAG nicht beantwortet, wo ein Graph selbst versagt, warum Systeme heute beides kombinieren und wann sich ein Graph nicht lohnt.
Lektion 2 · 8 Min.
GraphRAG
Das Muster hinter GraphRAG in vier Indexschritten, was aus Microsofts Referenz wurde, welche Nachfolger es billiger machen und wann es sich lohnt.
Lektion 3 · 8 Min.
Graphen mit LLMs bauen
Die Pipeline, die aus Text einen brauchbaren Graphen macht – Schema zuerst, Extraktion mit Herkunft, inkrementelle Updates, Entity Resolution und kleine Schleifen.
Lektion 4 · 7 Min.
Graph-Stores
Wo ein Graph liegen kann – Wikilinks, NetworkX in Dateien, eingebettete Datenbanken, Server wie Neo4j und FalkorDB – und welcher Store zu welcher Lage passt.
Lektion 5 · 8 Min.
Werkzeuge
Der Überblick über Graph-Werkzeuge – Gedächtnis- und GraphRAG-Frameworks, Integrationen in LangChain und LlamaIndex, Visualisierer, Obsidian-Plugins – und wie du wählst.
Lektion 6 · 10 Min.
Build: Den Graphen extrahieren
Aus einem Ordner Markdown zwei Kantenlisten machen – die Wikilinks per Skript, die typisierten Beziehungen mit einem Prompt in Claude Code.
Lektion 7 · 8 Min.
Build: Den Graphen abfragen
Die beiden Kantenlisten in NetworkX laden und mit einem kleinen Python-Skript Nachbarn, Wege, Communities und typisierte Ketten zwischen zwei Seiten abfragen.
Lektion 8 · 9 Min.
Build: Den Graphen in den Loop holen
Den Graphen über einen Slash-Befehl und eine Zeile in CLAUDE.md an den Agenten geben, wöchentlich prüfen und erkennen, wann der Store zu klein wird.
Lektion 9 · 8 Min.
Ressourcen
Ausgewählte Paper, Kurse, Anleitungen und Repositories zu Wissensgraphen und GraphRAG, geprüft im November 2026, und ein Weg in drei Schritten.