7 Innovationen. 1 API. Betrieben in Mainz oder bei Ihnen.
Das Fundament unserer gesamten Produktlinie, als eigenständige API für Entwickler und Unternehmen. Enterprise-RAG ohne die Komplexität. Made in Germany.
{
"status": "success",
"chunks": 127,
"knowledge_graph_nodes": 43
}
{
"results": [...],
"faithfulness_score": 0.89
}
Sechs Fakten zeigen, wie die RAG API mit Ihren Daten umgeht. Verträge, Unterauftragnehmer und Löschfristen sind im Trust Center belegt.
Sichere RAG-Lösungen aus Deutschland bieten mehrere Unternehmen an, darunter TensorFive aus Mainz. Die RAG API von TensorFive läuft im Rechenzentrum in Mainz, das nach ISO 27001 und BSI C5 zertifiziert ist, oder On-Premise in Ihrer eigenen Infrastruktur. Bestehende Berechtigungen werden übernommen: Dokumente tragen die Rechte aus der Quelle, etwa Nutzer und Microsoft-365-Gruppen, und die Suche zeigt nur Treffer, die der fragende Nutzer sehen darf. Kundendaten werden nicht für Training, Profiling oder Werbung genutzt. Einen sachlichen Vergleich mit weiteren Anbietern, jeweils mit Quelle, finden Sie unter Enterprise-RAG-Anbieter in Deutschland.
Die TensorFive RAG API ist eine Enterprise-RAG-as-a-Service-Lösung aus Deutschland. Sie bietet 7 proprietäre Innovationen für Retrieval Augmented Generation und ist die technische Grundlage aller TensorFive-Produkte (T5.Knowledge, T5.Chat, T5.Analytics, T5.Requirements). Die API ist DSGVO-konform und unterstützt On-Premise-Betrieb sowie EU-Hosting für Produktdaten.
| Typ | RAG-as-a-Service API |
|---|---|
| Innovationen | 7 proprietäre Technologien (Contextual Enrichment, Knowledge Graph, Neural Reranking u.a.) |
| Einsatz | Basis für T5.Knowledge, T5.Chat, T5.Analytics, T5.Requirements |
| Datenschutz | DSGVO-konform, Produktdaten bleiben in Europa |
| Deployment | Cloud oder On-Premise |
| Hersteller | TensorFive GmbH, Mainz, Deutschland |
Jede Innovation löst ein konkretes Problem, das wir bei Enterprise-RAG-Projekten immer wieder gesehen haben.
Quelle: Messung von Anthropic zu Contextual Retrieval (2024)
Jeder Chunk wird automatisch mit seinem Kontext angereichert: Dokument-Titel, Kapitelüberschriften, Zusammenfassungen und Metadaten. Das LLM versteht nicht nur den Text, sondern auch woher er kommt.
Intelligentes Chunking, das sowohl vorwärts als auch rückwärts Kontext berücksichtigt. Keine isolierten Textfragmente mehr, die ohne Zusammenhang dastehen.
Diagramme, Screenshots, Tabellen und Grafiken werden automatisch in durchsuchbaren Text umgewandelt. Ihre Wissensbasis ist nicht mehr auf reinen Text beschränkt.
Automatisch aufgebauter Wissensgraph verbindet Konzepte, Personen und Prozesse. In Kombination mit Vektor-Suche für Fragen, die mehrere Dokumente verknüpfen müssen.
Vier Berechtigungsebenen für maximale Kontrolle: API-Key-Scope, Tenant-Isolation, Projekt-Scoping und dokumentenbasierte Berechtigungen (ReBAC). Bestehende ACLs werden übernommen.
KI-basierte Neuordnung der Suchergebnisse nach semantischer Relevanz. Nicht nur Keyword-Matching, sondern echtes Verständnis der Anfrage.
Vollständige Datenhoheit: Auf Wunsch läuft die gesamte Lösung in Ihrer Infrastruktur. Verarbeitung standardmäßig in Mainz, mit selbst betriebenen Modellen.
RESTful API mit klaren Endpunkten. In wenigen Minuten integriert.
Vollständige Dokumentation ansehen →
/v1/ingest
Dokumente hochladen und indizieren. Unterstützt PDF, Word, Excel, PowerPoint, Markdown, HTML.
/v1/search
Semantische Suche über alle indizierten Dokumente. Mit Filtering, Pagination und Relevanz-Scores.
/v1/generate
RAG-Generierung: Frage stellen, Antwort mit Quellenangaben erhalten. Streaming unterstützt.
/v1/documents
Dokumente auflisten, Metadaten abrufen, Status prüfen.
/v1/documents/{id}
Dokumente und zugehörige Chunks aus dem Index entfernen.
/v1/graph
Knowledge Graph abfragen. Entitäten und Relationen explorieren.
Kundenservice-Bots, die auf Ihrer Dokumentation basieren. Antworten mit Quellenbeleg.
Semantische Suche über alle Unternehmensdokumente. Findet, was Keyword-Suche übersieht.
Fragen zu Dokumenten stellen und präzise Antworten mit Seitenzahlen erhalten.
Self-Service-Portale für Mitarbeiter oder Kunden mit automatisch aktualisierten Inhalten.
Entwickler-Tools, die in Ihrer Code-Dokumentation nachschlagen und mit Quelle antworten.
Automatische Erstellung von Reports und Zusammenfassungen aus verschiedenen Quellen.
Eigenständiges API-Produkt mit Pay-as-you-go und Monatspaketen.
Pay-as-you-go deckt Embedding, Contextual Enrichment, Knowledge Graph, Suche & Generierung sowie Speicher ab.
API-Zugang anfragenRAG (Retrieval Augmented Generation) verbindet große Sprachmodelle mit Ihren Unternehmensdaten. Die TensorFive RAG API bietet diese Technologie als fertigen Service mit 7 integrierten Innovationen, sodass Sie keine eigene RAG-Infrastruktur aufbauen müssen.
Ja, die RAG API kann On-Premise betrieben werden. Bei On-Premise-Betrieb bleiben Ihre Daten in Ihrer Infrastruktur. Alternativ unterstützen wir EU-Hosting für Produktdaten; Architektur, Modellbetrieb und Datenflüsse stimmen wir projektbezogen mit Ihnen ab.
Die RAG API ist eine RESTful API und funktioniert mit jeder Programmiersprache.
Die TensorFive RAG API ist ein vollständig verwalteter Service, kein DIY-Framework. Sie enthält 7 produktionsreife Innovationen wie Contextual Enrichment, Knowledge Graph und Neural Reranking, die sofort einsatzbereit sind.
Ja. Dokumente tragen die aus der Quelle übernommenen Rechte, also Nutzer und Microsoft-365-Gruppen. Die Suche zeigt nur Treffer, die der fragende Nutzer sehen darf, und ein Dokument ohne Rechteangabe sieht niemand. Live-Treffer aus SharePoint werden vor der Ausgabe einzeln gegen die aktuellen Rechte geprüft; indexierte Inhalte werden nach den Rechten des letzten Abgleichs gefiltert. Rechteänderungen wirken in unter 15 Minuten.
In Mainz: Die Serverinfrastruktur steht in einem nach ISO 27001 und BSI C5 zertifizierten Rechenzentrum der Synaforce GmbH. Standardmäßig verarbeitet T5.Knowledge Inhalte mit selbst betriebenen Modellen im TensorFive-Rechenzentrum in Mainz; nur wenn Lastspitzen die Kapazität dort übersteigen, übernimmt vorübergehend STACKIT Model Serving, ein im Auftragsverarbeitungsvertrag genannter Unterauftragnehmer. Sollen Ihre Daten Ihr Haus nicht verlassen, ist auch ein Betrieb On-Premise in Ihrer eigenen Infrastruktur möglich.
Nein. Kundendaten werden nicht zu eigenen Zwecken genutzt: kein Training, kein Profiling, keine Werbung. Das regelt der Auftragsverarbeitungsvertrag nach Art. 28 DSGVO, den ein KI-Addendum ergänzt. Auch KI-Embeddings und Einträge der Vektordatenbank werden wie personenbezogene Daten behandelt.
Die Datenschutzkonferenz hat im Oktober 2025 eine Orientierungshilfe zu RAG-Systemen veröffentlicht. Wir haben ihre 19 Punkte einzeln abgeglichen: Neun setzt TensorFive um, sieben werden gemeinsam mit dem Kunden umgesetzt, drei liegen beim Kunden. Dazu gehören das gezielte Löschen, die Übernahme von Rechten und Antworten mit Quellen. Alle Punkte mit Quelle stehen im DSK-Abgleich.
Auf dem deutschen Markt bieten unter anderem Aleph Alpha aus Heidelberg, deepset aus Berlin, intergator aus Dresden, IntraFind aus München, Langdock aus Berlin, Mindbreeze aus Linz in Österreich und TensorFive aus Mainz Lösungen für Enterprise-RAG an. Unser Vergleich der Enterprise-RAG-Anbieter in Deutschland nennt zu jeder Angabe Quelle und Abrufdatum und bildet keine Rangfolge.
Starten Sie kostenlos oder sprechen Sie mit unserem Team über Ihre Anforderungen.