LightRAG Überblick und Eckdaten (Oktober 2026)

LightRAG ist ein Open-Source-RAG-System, das Entitäten und Beziehungen aus Dokumenten in einen Wissensgraphen überführt und Fragen über Graph und Vektorsuche beantwortet. Es richtet sich an Entwickler, die Zusammenhänge über viele Dokumente hinweg abfragen wollen.

LightRAG stammt aus dem Data Intelligence Lab der Universität Hongkong und wurde auf der Konferenz EMNLP 2025 vorgestellt. Es steht unter der MIT-Lizenz und hatte am 28. September 2026 rund 39.900 Sterne auf GitHub, mit Commits vom selben Tag. Als Speicher dienen unter anderem PostgreSQL, MongoDB, Neo4j und OpenSearch. Über eine Weboberfläche fügen Nutzer Dokumente ein, stellen Fragen und sehen den Graphen. Neuere Versionen brachten vier Chunking-Strategien, getrennte Modelleinstellungen für Extraktion und Abfrage, das Löschen von Dokumenten samt Neuaufbau des Graphen sowie Evaluierung mit RAGAS und Tracing mit Langfuse.

• Baut einen Wissensgraphen aufEin Sprachmodell liest jedes Dokument und hält Entitäten und ihre Beziehungen in einem Graphen fest. Teams erhalten eine strukturierte Übersicht über Personen, Produkte oder Begriffe, die in ihren Dateien vorkommen.
• Beantwortet dokumentübergreifende FragenAbfragen verbinden Graphsuche und Vektorsuche, ein Reranker sortiert die Treffer bei gemischten Abfragen. Fragen, die Fakten aus mehreren Dokumenten brauchen, werden vollständiger beantwortet als mit reiner Vektorsuche.
• Verarbeitet Tabellen, Bilder und FormelnSeit der Zusammenführung mit RAG-Anything im Mai 2026 lassen sich multimodale Inhalte über MinerU oder Docling einlesen. Berichte mit Tabellen und Abbildungen werden so Teil der durchsuchbaren Wissensbasis.
• Nennt die QuellenAntworten können Quellenangaben enthalten, die API liefert den abgerufenen Kontext mit. Prüfende verfolgen eine Aussage bis zum Dokument zurück und messen die Qualität des Abrufs.

• Nutzt einen Wissensgraphen als Kern des Abrufs, das hilft bei Fragen nach Beziehungen zwischen Entitäten.
• Erlaubt verschiedene Sprachmodelle für Extraktion, Abfrage, Schlagworte und Bildverständnis, die Kosten lassen sich je Schritt steuern.
• Gepflegt von einem Universitätslabor unter MIT-Lizenz, ohne kommerzielle Ausgabe.

Forschungsprojekt des Data Intelligence Lab der Universität Hongkong ohne Länderschwerpunkt, als Open Source weltweit nutzbar.

Beim Aufbau des Graphen läuft jedes Dokument durch ein Sprachmodell. Die Kosten der Indexierung steigen daher mit der Textmenge, testen Sie zuerst mit einer Stichprobe. Wählen Sie einen Modellanbieter, dessen Datenbedingungen zu Ihren Dokumenten passen, oder betreiben Sie offene Modelle lokal. Einen Supportvertrag gibt es nicht, planen Sie Wartung und Speicher selbst ein.

Noch keine Bewertung. Erzählen Sie als Erste:r, wie Ihr Team es nutzt.

Jede Bewertung zeigt ihre Prüfstufe. Wir lesen jede vor der Veröffentlichung. So prüfen wir Bewertungen