← Zurück zu Atomizer Back to Atomizer Technik Technology

Was unter der Haube passiert. What happens under the hood.

Auf der Landingpage zählt das Ergebnis. Hier finden Sie die technische Tiefe: Unterschied zu KI-Chat und RAG, Wissensstruktur und Weiterverwendung.

The landing page focuses on the result. Here you find the technical depth: AI chat and RAG comparison, knowledge structures and reuse.

Der Unterschied The difference

Drei Wege, Dokumente mit KI zu nutzen.
Nur einer baut daraus Wissen. Three ways to use documents with AI.
Only one turns them into knowledge.

Ein KI-Chat liest, was gerade in den Kontext passt. Ein RAG-System sucht wahrscheinlich passende Textstellen. Der Atomizer macht daraus typisierte, belegbare und verbundene Wissensobjekte. An AI chat reads what currently fits into its context. A RAG system retrieves text passages that are likely to match. The Atomizer creates typed, traceable and connected knowledge objects.

KI-Chat mit Upload AI chat with uploads

Sieht nur, was in das aktuelle Kontextfenster passt Only sees what fits into the current context window

Große Bestände müssen ausgewählt oder gekürzt werden Large document sets must be selected or shortened

Antworten können ohne belastbare Fundstelle entstehen Answers may be produced without a reliable source location

Der Arbeitskontext endet mit Sitzung oder Upload The working context ends with the session or upload

Versionen und Beziehungen bleiben unmodelliert Versions and relationships remain unmodelled

Klassisches RAG-System Traditional RAG system

Sucht ähnliche Textausschnitte per Wahrscheinlichkeitsranking Retrieves similar text passages using probabilistic ranking

Die Top-k-Auswahl kann relevante Stellen übersehen The top-k selection can miss relevant passages

Liefert Chunks – nicht automatisch das richtige Objekt Returns chunks – not automatically the correct object

Abfragesicherheit hängt vom Retrieval-Treffer ab Query reliability depends on the retrieval result

Skaliert besser, bildet Wissen aber nicht vollständig ab Scales better, but does not fully model the knowledge itself

BrunoSan Atomizer

Zerlegt Dokumente in typisierte Wissensatome Transforms documents into typed knowledge atoms

Verknüpft Aussage, Quelle und Originalstelle Connects each statement to its source and original passage

Kennt Objekte, Relationen und Versionen Understands objects, relationships and versions

Erhöht die Abfragesicherheit durch Typen und Belege Improves query reliability through types and evidence

Bleibt dauerhaft durchsuchbar und wiederverwendbar Remains permanently searchable and reusable

Nach dem UploadAfter the upload

Nicht nur finden.
Weiterarbeiten.Do more than find it.
Keep working with it.

Aus Dokumenten entsteht keine tote Ausgabedatei, sondern eine wiederverwendbare Wissensbasis.

Your documents do not become a dead output file, but a reusable knowledge base.

BefragenQuery

Fragen Sie in normaler Sprache. Antworten kommen mit Quellstelle, Widersprüchen und sichtbarer Unsicherheit.

Ask in plain language. Answers include source passages, contradictions and visible uncertainty.

MCP-Anbindung auf AnfrageMCP integration on request

Nutzen Sie Ihre Atome direkt in kompatiblen KI-Assistenten und Werkzeugen — ohne eine eigene API-Integration zu bauen.

Use your atoms directly in compatible AI assistants and tools — without building a custom API integration.

Behalten & exportierenKeep & export

Exportieren Sie strukturierte Ergebnisse als JSON. Ihre Datenstruktur bleibt nutzbar — ohne künstlichen Lock-in.

Export structured results as JSON. Your data structure remains usable — without artificial lock-in.