Handbücher · Wissensgraphen
Ressourcen
Lernziele
- Du wählst für eine Frage zu Wissensgraphen das passende Paper, den passenden Kurs oder das passende Repository.
- Du gehst die drei Schritte vom Schwellentest bis zur Wahl des Stores in der richtigen Reihenfolge.
Diese Liste ist eine Auswahl. Jeder Link war im November 2026 erreichbar. Die Einordnungen hinter den Einträgen sind unsere Einschätzung.
Paper
- From Local to Global: A Graph RAG Approach to Query-Focused Summarization (Darren Edge u. a., April 2024) ist das GraphRAG-Paper von Microsoft. Lies es für die Problemstellung genauso wie für das Verfahren. Die Lektion GraphRAG ist die kurze Fassung.
- HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models (Bernal Jiménez Gutiérrez u. a., NeurIPS 2024) verbindet einen Wissensgraphen mit Personalized PageRank für Multi-Hop-Frage · engl. multi-hop questionEine Frage, deren Antwort Fakten aus mehreren Dokumenten verknüpft. Kein einzelner Textabschnitt enthält sie.Im Glossar-Abfragen. Es kommt formal am nächsten an einen Agenten heran, der von einer Seite aus den Links folgt.
- From RAG to Memory: Non-Parametric Continual Learning for Large Language Models (ICML 2025) stellt HippoRAG 2 vor. Frühere Verfahren mit Graphen fielen bei einfachen Faktenfragen hinter normales RAG · engl. retrieval-augmented generationEin Verfahren, bei dem Dokumente in Abschnitte zerlegt und als Embeddings gespeichert werden. Zu jeder Frage holt das System die ähnlichsten Abschnitte, und das Modell antwortet aus ihnen.Im Glossar zurück. HippoRAG 2 übertrifft normales RAG laut den Autoren bei Faktenfragen und bei Fragen, die Zusammenhänge verlangen.
- LightRAG: Simple and Fast Retrieval-Augmented Generation (Oktober 2024) kombiniert Graph und Vektoren in einer Suche auf zwei Ebenen, einer für einzelne Entitäten und einer für übergreifende Themen. Nach unserer Einschätzung haben viele Systeme von 2026 diese Bauweise übernommen.
- Zep: A Temporal Knowledge Graph Architecture for Agent Memory (Januar 2025) beschreibt Graphiti, den Graphen hinter Zep. Es erklärt am besten, warum das Gedächtnis eines Agenten Zeit an den Kanten braucht.
- When to use Graphs in RAG (Juni 2025) vergleicht nüchtern, wann Graph-Retrieval hilft und wann es nur Aufwand ist, mit einem eigenen Benchmark. Die Autoren gehen von Berichten aus, nach denen GraphRAG bei vielen realen Aufgaben schlechter abschneidet als normales RAG. Lies es nach den begeisterten Papern oben als Gegengewicht.
Anleitungen und Kurse
- Knowledge Graphs for RAG ist ein Kurzkurs von DeepLearning.AI mit Andreas Kollegger: neun Videolektionen, gut zwei Stunden, mit Cypher und Neo4j. Während der Beta der Lernplattform ist er kostenlos (Stand: Nov. 2026).
- GraphRAG: Knowledge Graphs for Generative AI ist ein Lernpfad der Neo4j GraphAcademy aus mehreren Kursen. Alle Kurse dort sind kostenlos und im eigenen Tempo zu bearbeiten. Der Lernpfad geht tiefer als der Kurzkurs und setzt etwas Python und Cypher voraus.
- Building Knowledge Graphs with LLM Graph Transformer (Tomaz Bratanic, November 2024) zeigt die Extraktion mit festem Schema über
allowed_nodesundallowed_relationships. Nach unserer Einschätzung ist das für die Praxis der nützlichste einzelne Artikel zum Thema. Der Artikel importiert noch auslangchain_experimental. Heute liegt die Klasse inlangchain-neo4j, siehe Werkzeuge. - Implementing ‘From local to global’ GraphRAG with Neo4j and LangChain (Neo4j, Juli 2024) baut die ganze Pipeline Schritt für Schritt nach. So siehst du die Kosten konkret.
- LazyGraphRAG (Microsoft Research, November 2024) verschiebt die Kosten der Indexierung in die Abfrage.
Repositories zum Lesen
Lies Graphiti, wenn du sehen willst, wie zeitliche Kanten und Entity Resolution · engl. entity resolutionDas Zusammenführen von Einträgen, die dieselbe Entität meinen, etwa „J. Smith“ und „John Smith“. Ohne sie zerfällt ein Graph in Dubletten.Im Glossar sauber gelöst sind. LightRAG ist eine kompakte Pipeline von Anfang bis Ende, die du im Kopf behalten kannst. microsoft/graphrag ist die Referenzimplementierung und erhält nur noch Wartung. Die aktuelle Übersicht steht in Werkzeuge.
Was liest du wofür?
Ordne jedes Vorhaben der passenden Ressource zu.
Noch offen (4)
- Dein Agent soll wissen, was er im März über ein Projekt geglaubt hat.
- Dein Team will GraphRAG einführen, und du suchst Belege, wann es sich nicht lohnt.
- Das Modell erfindet bei der Extraktion ständig neue Beziehungstypen.
- Du willst eine ganze Pipeline aus Graph und Vektoren Zeile für Zeile verstehen.
Zep-Paper (0)
When to use Graphs in RAG (0)
Artikel von Tomaz Bratanic (0)
LightRAG-Repository (0)
Hier anfangen
Drei Schritte
0 von 3 erledigt
Den ersten Schritt erklärt Warum Wissensgraphen, den dritten Graph-Stores. Wer schon einen Vault hat, kann den zweiten Schritt auch mit dem eigenen Build aus Den Graphen extrahieren gehen.
Prüf dich selbst
Denkfrage
Warum steht „When to use Graphs in RAG“ in dieser Liste, obwohl es GraphRAG eher bremst?
Die anderen Paper stellen Verfahren vor, die ihre Autoren verbessern wollen. Ein vergleichender Benchmark zeigt dagegen, bei welchen Aufgaben der Graph hilft und bei welchen normales RAG reicht. Das brauchst du für die Entscheidung, ob sich ein Graph für deinen Bestand lohnt.
Prüf dich selbst
Quellen
- From Local to Global: A Graph RAG Approach to Query-Focused Summarization
- HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models
NeurIPS 2024.
- From RAG to Memory: Non-Parametric Continual Learning for Large Language Models
HippoRAG 2, ICML 2025.
- LightRAG: Simple and Fast Retrieval-Augmented Generation
- Zep: A Temporal Knowledge Graph Architecture for Agent Memory
- When to use Graphs in RAG: A Comprehensive Analysis for Graph Retrieval-Augmented Generation
- Knowledge Graphs for RAG
- GraphRAG: Knowledge Graphs for Generative AI
- Building Knowledge Graphs with LLM Graph Transformer
- Implementing ‘From local to global’ GraphRAG with Neo4j and LangChain
- LazyGraphRAG: Setting a new standard for quality and cost
- Graphiti
- LightRAG
- microsoft/graphrag
Referenzimplementierung im Wartungsmodus.