FACHBEITRAG · 24. MAI 2026
KI mit eigenen Dokumenten: Warum ein Suchindex keine Zugriffsrechte ersetzt
INSIGHT · 24. MAY 2026
AI with your own documents: Why a search index does not replace access controls
Eine KI-Anwendung kann Antworten durch passende Ausschnitte aus internen Dokumenten ergänzen. Dieses Muster wird als Retrieval-Augmented Generation, kurz RAG, bezeichnet. Dabei müssen Berechtigungen schon vor der Übergabe von Inhalten an das Modell wirksam sein.
Suche und Antworterzeugung sind getrennte Schritte
Zuerst wird nach relevanten Inhalten gesucht. Anschließend erhält das Sprachmodell ausgewählte Textstellen als Kontext für seine Antwort. Ein Dokument kann dafür in mehrere kleinere Abschnitte zerlegt und in einem Suchindex abgelegt werden.
Die Berechtigung der ursprünglichen Datei wird dadurch nicht in jeder technischen Umsetzung automatisch durchgesetzt. Auch Teilabschnitte, Metadaten und zwischengespeicherte Ergebnisse müssen dem passenden Schutz unterliegen. Ein verborgener Dateilink allein schützt den bereits übernommenen Inhalt nicht.
Berechtigungen bei jeder Anfrage berücksichtigen
Die Anwendung braucht eine verlässlich festgestellte Nutzeridentität und eine passende Prüfung der zugänglichen Dokumente. Sicherheitsfilter dürfen nicht aus einer frei vom Nutzer veränderbaren Eingabe abgeleitet werden. Bei Änderungen von Gruppenmitgliedschaften oder Dateirechten müssen die relevanten Datenstände aktualisiert werden.
Ein fiktiver Testfall: Zwei Personen stellen dieselbe Frage. Eine darf das zugrunde liegende Dokument lesen, die andere nicht. Die zweite Antwort darf vertrauliche Inhalte weder im Text noch über Zusammenfassungen oder Vorschläge offenlegen.
Auch Qualität und Aktualität prüfen
Eine formal erlaubte Quelle kann fachlich veraltet sein. Version, Gültigkeit und widersprüchliche Dokumente sind deshalb zusätzliche Prüfpunkte. RAG kann eine Antwort besser begründen, garantiert aber weder ihre Richtigkeit noch die Einhaltung von Zugriffsregeln ohne eine entsprechend gestaltete Anwendung.
An AI application can enrich answers with relevant excerpts from internal documents. This pattern is called Retrieval-Augmented Generation, or RAG. Permissions must be effective before content is passed to the model.
Retrieval and answer generation are separate steps
First, the application searches for relevant content. The language model then receives selected passages as context for its answer. A document may be divided into smaller chunks and stored in a search index for this purpose.
The original file permissions are not automatically enforced in every technical implementation. Chunks, metadata and cached results must also receive appropriate protection. Hiding a file link alone does not protect content that has already been copied.
Consider permissions on every request
The application needs a reliably established user identity and an appropriate check of accessible documents. Security filters must not be derived from input that the user can freely change. Relevant data must be updated when group memberships or file permissions change.
A fictional test case: Two people ask the same question. One may read the underlying document; the other may not. The second answer must not disclose confidential content, either directly or through summaries or suggestions.
Check quality and currency as well
A formally permitted source may be out of date in substance. Version, validity and conflicting documents are therefore additional checks. RAG can provide a stronger basis for an answer, but it guarantees neither correctness nor compliance with access rules without an appropriately designed application.