---
title: "Datenquellen & RAG"
description: "Überblick zu Datenquellen, RAG und Quellenanbindung"
canonical_url: "https://meingpt.com/docs/integrations/data-pools-rag"
language: de
---

# Datenquellen & RAG

# Datenquellen (RAG)

Datenquellen sind die Basis für Retrieval-Augmented Generation (RAG) in meinGPT. Inhalte aus angebundenen Quellen werden indexiert und stehen Deinen Assistenten als Wissen zur Verfügung. Du kannst eine Datenquelle aber auch direkt in einem Chat anhängen, wenn Du nur einmal etwas darin nachlesen möchtest.

## Datenquelle hinzufügen

Öffne **Einstellungen → Datenquellen** und klicke auf **Datenquelle hinzufügen**:

### [SharePoint / OneDrive](/docs/integrations/sources/sharepoint)

Dokumentbibliotheken und OneDrive.

### [Google Drive](/docs/integrations/sources/google-drive)

Dateien aus Google Drive.

### [Confluence](/docs/integrations/sources/confluence)

Seiten und Anhänge aus Confluence.

### [Amazon S3](/docs/integrations/sources/s3)

AWS S3 und S3-kompatible Speicher.

### [WebDAV](/docs/integrations/sources/webdav)

Nextcloud, ownCloud und andere WebDAV-Server.

### [Web-Crawler](/docs/integrations/sources/webcrawler)

Öffentliche oder interne Websites.

**Dateien, die euer Netz nicht verlassen sollen?**

Diese sechs Quellen laufen alle in der meinGPT Cloud. Sollen Quelldateien
und Suchindex stattdessen in eurem eigenen Netz bleiben, ist das der
[Outpost](/docs/admin-guide/outposts) — ein separater Weg, kein Häkchen auf
dieser Seite.

## Quellenangaben in Antworten

Antworten aus einer Datenquelle enthalten nummerierte Quellenangaben als anklickbare Badges neben dem Text. Ein Klick öffnet eine Vorschau mit Titel, Fundstelle und Ausschnitt des jeweiligen Ursprungsdokuments - je nach Freigabe der Datenquelle zusätzlich mit einer Option, die Originaldatei zu öffnen oder herunterzuladen.

**Quellenangabe erscheint nicht anklickbar?** Das ist kein bekanntes, gewolltes Verhalten. Wende Dich mit einem Link zum betroffenen Chat an [support@meingpt.com](mailto:support@meingpt.com), damit wir das gezielt prüfen können.

## Wie die Suche funktioniert

Kunden-Wissensbestände sind oft groß. Hunderte oder tausende Gigabyte an Word-, PDF- und anderen Dateien sind keine Seltenheit. Jede Suchanfrage durch alle Dateien zu schicken wäre viel zu langsam. Deshalb wird vorab ein Suchindex aufgebaut. Funktioniert ähnlich wie Google, nur eben für Deine internen Dokumente.

Die initiale Indexierung kann je nach Datenmenge Stunden bis Tage dauern. Word-, PDF- und ähnliche Formate sind binär aufgebaut, der Text muss erst extrahiert werden. Dieser einmalige Aufwand zahlt sich danach in schnellen Suchergebnissen aus.

**Du musst darauf aber nicht warten.** Der Index wird in zwei Stufen aufgebaut: zuerst die Stichwortsuche, danach die Bedeutungssuche. Eine Datei ist deshalb schon durchsuchbar, sobald ihre Stichwortsuche steht — die Bedeutungssuche kommt im Hintergrund nach, Datei für Datei. Wie weit beide sind, siehst Du unter [Indexierungsfortschritt](#indexierungsfortschritt).

Eigenschaften der Suche:

- **Stichwortsuche:** Findet genau die Begriffe, die Du eingibst — Aktenzeichen, Artikelnummern, Eigennamen. Sie wird zuerst aufgebaut und steht immer zur Verfügung.
- **Semantisch:** Dokumente werden in mathematische Repräsentationen umgewandelt (sogenannte Embeddings), die den inhaltlichen Sinn erfassen, nicht nur einzelne Wörter. Pro Datenquelle abschaltbar.
- **Sortierung nach Relevanz:** Treffer werden nach inhaltlicher Passung sortiert, nicht nach Häufigkeit eines Suchbegriffs. Ein Dokument, das thematisch zur Frage passt, kann höher ranken als eines mit dem exakten Schlüsselwort.
- **Anzahl der Treffer:** Standardmäßig werden die zehn relevantesten Quellen zurückgegeben. Die Anzahl ist in den Einstellungen konfigurierbar.
- **Dateinamen-Suche:** Neben dem Inhalt kann auch gezielt nach Dateinamen gesucht werden, etwa "Zeig mir Datei XY".

**Kein Filtern nach eigenen Metadatenfeldern.** Datenquellen durchsuchen Dateiinhalte (semantisch) und Dateinamen. Zusätzlich lässt sich nach eingebauten Dateieigenschaften filtern: Pfad, Dateiendung, MIME-Typ, Erstellungs-/Änderungsdatum. Eigene Metadatenfelder aus Quellsystemen werden **nicht** als eigene, filterbare Felder übernommen — sie stehen der KI höchstens als Text im Dokumentinhalt zur Verfügung und sind damit nur über die semantische Suche auffindbar, nicht zuverlässig filterbar.

### Sucheinstellungen pro Datenquelle

Jede Datenquelle hat ein eigenes Panel **Sucheinstellungen** (Datenquelle öffnen → **Sucheinstellungen**) mit vier Reglern:

- **Bedeutungssuche** — findet zusätzlich, was sinngemäß passt, aber anders formuliert ist. Standardmäßig an. Aus lohnt sich, wenn Du ohnehin nach exakten Begriffen suchst und der Bestand groß ist: die Indexierung ist dann deutlich schneller fertig und günstiger.
- **Anzahl der Suchergebnisse** — wie viele Chunks pro Suche an das Modell übergeben werden (Standard 10).
- **Re-Ranking aktivieren** — fügt der anfänglichen semantischen Suche einen zweiten Relevanz-Sortierdurchlauf hinzu.
- **Such-Agent** *(experimentell)* — leitet Suchen für diese Datenquelle über einen spezialisierten Retrieval-Subagenten, der mehrere interne Anfragen stellt und diese je nach Bedarf verfeinert oder verbreitert, statt einen einzelnen direkten Suchaufruf auszuführen.

Diese Einstellungen gelten **pro Datenquelle**, nicht pro Assistent — sie wirken unabhängig davon, ob die Datenquelle direkt in einem Chat oder über einen Assistenten genutzt wird.

**Die Bedeutungssuche später auszuschalten löscht nichts.** Es stoppt nur, dass neue Dateien eingebettet werden — was bereits eingebettet ist, bleibt durchsuchbar. Wieder einschalten baut die Bedeutungssuche ab dem nächsten Sync-Lauf nach und nach auf.

### Indexierungsfortschritt

Oben auf der Detailseite einer Datenquelle steht **Indexierung** mit einem Balken je Stufe:

- **Stichwortsuche** — wie viele Dateien bereits durchsuchbar sind. Sobald hier die ersten Dateien stehen, ist die Datenquelle nutzbar.
- **Bedeutungssuche** — wie weit die Embeddings nachgezogen sind. Ist die Bedeutungssuche für diese Quelle aus, steht das hier statt eines Balkens.

Darunter siehst Du, wie viele Dateien nicht im Index gelandet sind: fehlgeschlagene und solche, die wegen eines nicht unterstützten Dateityps übersprungen wurden.

Kann die Plattform den Fortschritt gerade nicht abfragen, zeigt der Bereich stattdessen die Meldung **„Indexierungsstand nicht abrufbar"** — bei einer Cloud-Datenquelle (CloudVault), weil der CloudVault diese Statusabfrage nicht beantwortet hat, bei einer Outpost-Datenquelle, weil der [Outpost](/docs/integrations/vault) offline oder nicht erreichbar ist.

**Direkt nach dem Anlegen ist das normal**

Diese Meldung kann erscheinen, bevor Du überhaupt eine erste Datei hochgeladen oder synchronisiert hast. Sie sagt nur, dass diese eine Statusabfrage fehlgeschlagen ist — nicht, dass etwas blockiert ist. Hochladen, Verbinden und eine bereits laufende Indexierung sind davon unabhängig und funktionieren weiter. Verschwindet die Meldung nicht nach wenigen Minuten von selbst, wende Dich an den meinGPT-Support.

## Wissenslandkarte

Jede Cloud-Datenquelle hat einen eigenen Tab **Wissenslandkarte** (Datenquelle öffnen → **Wissenslandkarte**). Er zeigt, wie die Dokumente in diesem Pool tatsächlich genutzt werden - nicht manuell kuratiert, sondern berechnet aus den letzten 30 Tagen echter Suchen:

- **Ordner-Aktivität:** Die Ordner, in die der Assistent am häufigsten zurückkehrt.
- **Wissenslandkarte-Graph:** Ein Netzwerk der am häufigsten gemeinsam abgerufenen Dokumente. Ein Klick auf ein Dokument zeigt seine Abrufzahl und verbundene Dokumente.

**Der Tab braucht vorherige Suchaktivität.** Solange in diesem Pool noch nicht gesucht wurde, zeigt der Tab einen Hinweis, dass Wissen indexiert wird - das ist kein Fehler. Der erste Snapshot erscheint meist innerhalb weniger Minuten, nachdem eine Suche in diesem Pool stattgefunden hat.

## Eckdaten der Cloud-Datenquelle

Für die meisten Teams ist die cloud-basierte Datenquelle die richtige Wahl.

| Eigenschaft | Wert |
| --- | --- |
| Hosting | meinGPT Cloud (Hetzner, Deutschland) |
| Sync-Intervall | Alle 15 Minuten |
| Suchergebnisse pro Anfrage | Standardmäßig 10, einstellbar |
| Suchverfahren | Stichwortsuche und Bedeutungssuche (Embeddings, sortiert nach Relevanz); Bedeutungssuche pro Datenquelle abschaltbar |
| Verfügbarkeit | Im Standardpaket enthalten |

## Verbindungsstatus

Jede Datenquelle zeigt einen Statuspunkt für den aktuellen Verbindungszustand:

| Status | Bedeutung |
| --- | --- |
| 🟢 Bereit | Verbunden, wird regelmäßig synchronisiert. |
| 🟠 Nicht bereit | Verbindung besteht, die letzte Synchronisierung war aber fehlerhaft oder unvollständig. |
| 🔴 Nicht erreichbar | Die Quelle konnte bei der letzten Prüfung nicht erreicht werden. |
| ⚪ Unbekannt | Status wurde noch nicht ermittelt (z. B. direkt nach dem Anlegen). |

Häufige Ursachen für **Nicht erreichbar** bei einer einzelnen Datenquelle:

- Der Zugriffstoken der Quelle (z. B. SharePoint, Google Drive, Confluence) ist abgelaufen oder wurde widerrufen
- Berechtigungen im Quellsystem wurden entzogen
- Netzwerk- oder Firewall-Änderungen auf Seiten des Quellsystems

Zeigen alle Deiner Datenquellen gleichzeitig "Nicht erreichbar" — auch solche mit völlig unterschiedlichen Quellsystemen (z. B. SharePoint, Google Drive und Confluence gleichzeitig) — deutet das in der Regel nicht auf ein Problem mit den einzelnen Quellen hin, sondern auf eine temporäre Störung auf Plattformseite. Wende Dich in diesem Fall an den meinGPT-Support, statt einzelne Quellen neu zu verbinden.

## Synchronisierung überwachen und Fehler beheben

Jeder Daten-Pool synchronisiert automatisch alle 15 Minuten. Schlägt eine Synchronisierung fehl, siehst und behebst Du das direkt in meinGPT.

### Automatische Warn-E-Mail

Admins bekommen automatisch eine E-Mail, wenn es mit einem Daten-Pool ein Problem gibt:

- **Synchronisierung fehlgeschlagen** – ein Daten-Pool ist mehrfach in Folge nicht synchronisiert. Neue oder geänderte Dokumente werden bis zur Behebung nicht indexiert.
- **Verbindung zur Datenquelle verloren** – eine OAuth-Verbindung (z. B. SharePoint) kann ihren Zugriffstoken nicht mehr erneuern.
- **Viele Fehler bei der Synchronisierung** – ein ungewöhnlich großer Anteil der Dateien einer Synchronisierung ist fehlgeschlagen.

Jede E-Mail verlinkt direkt auf die betroffene Datenquelle in den Einstellungen. Du kannst diese Benachrichtigungen unter **Einstellungen → Benachrichtigungen → Datentresor-Benachrichtigungen** einzeln ein- oder ausschalten.

### Sync-Status prüfen

1. Öffne **Einstellungen → Datenquellen**
2. Klicke auf den betroffenen Daten-Pool
3. Der Tab **Synchronisierungsprotokolle** hat zwei Unterreiter: **Durchläufe** zeigt die letzten Synchronisierungsläufe als Zahlen-Übersicht, **Protokolle** zeigt die Fehlermeldung zu jeder einzelnen Datei

Im Unterreiter **Durchläufe** hat jede Zeile drei Zahlenspalten:

| Spalte | Bedeutung |
| --- | --- |
| Found | Wie viele Dateien dieser Lauf in der Quelle gefunden hat - die vollständige Auflistung des konfigurierten Bereichs, nicht nur neue oder geänderte Dateien |
| Ingested | Wie viele dieser gefundenen Dateien in diesem Lauf tatsächlich verarbeitet und in den Index übernommen wurden |
| Errored | Wie viele Dateien in diesem Lauf fehlgeschlagen sind |

**Diese drei Zahlen gelten nur für den jeweiligen Lauf**, nicht kumulativ für den gesamten Daten-Pool - sie starten bei jedem neuen Sync-Lauf wieder bei 0. Zwei aufeinanderfolgende Läufe können deshalb sehr unterschiedliche Werte zeigen, ohne dass das auf einen Fehler hindeutet. Die Gesamtzahl aller aktuell indexierten Dateien findest Du stattdessen oben auf der Detailseite unter [Indexierungsfortschritt](#indexierungsfortschritt).

Steht die **Errored**-Zahl über 0, wechsle in den Unterreiter **Protokolle**, filtere dort nach **Status** = `error` und öffne die betroffene Zeile - die Spalte **Message** enthält die konkrete Fehlermeldung zu genau dieser Datei, zum Beispiel einen Hinweis auf ein nicht verarbeitbares Metadatenfeld. Diese Meldung ist der Ausgangspunkt für die Fehlersuche; wende Dich mit dem genauen Wortlaut an [support@meingpt.com](mailto:support@meingpt.com), wenn daraus nicht klar wird, was zu tun ist.

### Synchronisierung manuell neu anstoßen

1. Öffne den betroffenen Daten-Pool unter **Einstellungen → Datenquellen**
2. Klicke auf **Synchronisieren**, um sofort einen neuen Lauf zu starten

Bei jedem Sync-Lauf – egal ob automatisch oder manuell angestoßen – werden auch Einträge für Dateien entfernt, die in der verknüpften Quelle gelöscht wurden. Ein manueller Re-Sync ist daher der richtige Weg, um veraltete Indexeinträge loszuwerden, ohne die Datenquelle neu anlegen zu müssen. In seltenen Fällen kann eine einzelne Löschung beim Abgleich übersehen werden und bleibt dann auch nach einem erneuten Sync bestehen – wende Dich in diesem Fall an den meinGPT-Support, damit wir uns die betroffene Datenquelle gezielt ansehen können.

### Verbindung neu authentifizieren (OAuth-Quellen)

1. Öffne den betroffenen Daten-Pool unter **Einstellungen → Datenquellen**
2. Klicke auf **Neu verbinden** und authentifiziere Dich erneut
3. Deine bestehenden Quelleneinstellungen bleiben dabei unverändert — es wird nur die Autorisierung erneuert

Hilft das nicht, wende Dich an [support@meingpt.com](mailto:support@meingpt.com).

### „Kann nicht verifiziert werden" beim erstmaligen Einrichten

Diese Meldung kann schon beim ersten Verbinden einer OAuth-Quelle erscheinen, bevor überhaupt ein Sync gelaufen ist - meist weil das Microsoft- oder Google-Anmeldefenster ohne gültigen Autorisierungscode geschlossen wurde. Bei SharePoint ist die häufigste Ursache eine fehlende Admin-Freigabe für die meinGPT-Anwendung in Eurem Microsoft-Tenant; Details und weitere Ursachen: [SharePoint/OneDrive-Fehlerbehebung](/docs/integrations/sources/sharepoint#fehlerbehebung).

## Dateiformate

Gut unterstützt sind alle Formate, die primär aus Text bestehen:

- Office-Dokumente: DOCX, PPTX, ODT (OpenDocument Text)
- Tabellen: XLSX und XLS (mit Einschränkungen, siehe unten) sowie CSV
- PDF
- E-Mail-Dateien: EML und MSG (siehe „E-Mails und Anhänge“ unten)
- TXT, Markdown, RTF, EPUB, HTML

**Was beim Sync übersprungen wird**

- **Nicht gelistete Dateiendungen.** Nur die oben genannten Formate werden inhaltlich durchsuchbar gemacht. Dateien mit anderen Endungen (zum Beispiel `.json`) nimmt der Sync **nicht** in den Datenpool auf - sie erscheinen weder in der Dateiliste noch als Fehlermeldung in den Synchronisierungsprotokollen. Fehlt eine erwartete Datei, prüfe zuerst ihre Endung gegen die Liste oben.
- **Verschlüsselte oder rechtegeschützte PDFs.** Ist eine PDF-Datei mit einem Passwort verschlüsselt oder hat ein Rechteschutz-Profil (DRM), kann meinGPT ihren Inhalt nicht auslesen und nicht durchsuchbar machen. Entferne den Passwortschutz bzw. exportiere das Dokument ohne DRM-Beschränkung, bevor Du es in den Datenpool aufnimmst.
- **Excel-Tabellen sind ein Sonderfall.** Beim Aufteilen in durchsuchbare Abschnitte (sogenanntes Chunking) geht der Tabellenkontext verloren - eine einzelne Datenzeile ohne ihre Spaltenheader ergibt oft keinen Sinn mehr. Für Berechnungen, Auswertungen und Visualisierungen aus Excel-Dateien nutze stattdessen die [Code-Sandbox](/docs/platform/code-sandbox), die die Originaldatei direkt verarbeitet.

**OneNote-Workaround.** OneNote-Dateien werden derzeit nicht direkt indexiert, weil das Format proprietär ist. Workaround: OneNote-Inhalte regelmäßig automatisiert exportieren, etwa via [Make](/docs/integrations/make-integration) oder [n8n](/docs/integrations/n8n), als PDF oder Text. Die exportierten Dateien lassen sich dann ganz normal als Quelle anbinden.

**OneNote-Notizbücher erscheinen nicht im Sync-Status - auch nicht als „übersprungen“.** Anders als andere nicht unterstützte Dateitypen tauchen OneNote-Notizbücher und -Abschnitte weder in der Dateiliste noch in den Fehlermeldungen der Synchronisierungsprotokolle **noch** in der Anzahl der wegen unbekannten Dateityps übersprungenen Dateien auf (siehe [Indexierungsfortschritt](#indexierungsfortschritt)). Enthält die verbundene SharePoint-Quelle noch andere unterstützte Dateien, werden diese normal indexiert - der Sync-Status zeigt dann z. B. „1 indiziert - Keine Fehler“, obwohl das OneNote-Notizbuch selbst nicht im Index gelandet ist. Ein fehlerfreier Sync-Status ist deshalb **kein** Nachweis dafür, dass OneNote-Inhalte durchsuchbar sind. Prüfe stattdessen die Dateiliste der Datenquelle gezielt auf die erwarteten Dateien, oder nutze den oben beschriebenen Export-Workaround.

## E-Mails und Anhänge

E-Mail-Dateien in den Formaten **EML** (offener Standard) und **MSG** (Outlook) kannst Du direkt in einen Datenpool legen. Betreff, Absender, Empfänger und der Nachrichtentext werden ausgelesen und durchsuchbar gemacht. Beide Formate werden gleichwertig unterstützt - eine vorherige Umwandlung von MSG nach EML ist **nicht** nötig.

**Anhänge in E-Mail-Dateien sind ein Sonderfall.** Bei kleineren E-Mails wird der Inhalt von Anhängen (z. B. ein PDF) mitgelesen und indexiert. Bei größeren E-Mails werden Anhänge aus Performance-Gründen auf ihren Dateinamen reduziert - ihr Inhalt ist dann **nicht** durchsuchbar. Wenn ein PDF-Anhang genauso zuverlässig indexiert werden soll wie ein PDF, das direkt im Datenpool liegt, lege den Anhang zusätzlich als eigene Datei in den Datenpool.

## Zugriffskontrolle

Ein neu angelegter Datenpool ist zunächst **privat für die Ersteller:in** - niemand sonst hat automatisch Zugriff, auch nicht über einen verknüpften Assistenten. Um andere Zugriff zu geben, teilst Du den Datenpool gezielt: mit einzelnen Nutzer:innen, einem Team, oder workspace-weit für alle - aktuell jeweils als Lesezugriff ("Kann ansehen"). Zusätzlich lässt sich der Zugriff auf bestimmte Teams einschränken: Du legst Teams in der Admin-Oberfläche an und ordnest sie spezifischen Datenquellen zu. So steuerst Du, welche Nutzergruppen welche Daten sehen.

Details zum Anlegen und Verwalten von Teams: [Team-Management](/docs/admin-guide/team-management).

**Assistenten-Freigabe hebt eine Zugriffsbeschränkung des Datenpools nicht auf.** Ist ein Datenpool nicht für alle freigegeben - etwa nur für bestimmte Nutzer:innen, ein Team oder Admins -, gilt diese Einschränkung unabhängig davon, mit wem der zugehörige Assistent geteilt wurde. Ein:e Nutzer:in, die/der den Assistenten öffnen darf, aber keinen eigenen Zugriff auf den Datenpool hat, erhält bei Fragen zu diesem Datenpool keine Treffer - der Assistent meldet dann z. B. "keine passenden Dokumente gefunden", obwohl derselbe Datenpool für die Ersteller:in oder berechtigte Nutzer:innen normal funktioniert. Prüfe in diesem Fall die Freigabe des Datenpools unter Einstellungen → Datenquellen, nicht nur die Freigabe des Assistenten.

**"Einstellungen → Datenquellen" ist ein Admin-Bereich.** Nur Workspace-Admins sehen diesen Menüpunkt (unter „Wissen & Integrationen" in den Einstellungen) - er taucht nicht in den persönlichen Profileinstellungen eines Mitglieds auf, selbst wenn diese Person den betroffenen Assistenten selbst erstellt hat. Bist Du kein Admin, kannst Du die Freigabe eines Datenpools nicht selbst einsehen oder ändern - bitte in diesem Fall eine:n Admin, die Freigabe des betroffenen Datenpools zu prüfen.

## Wie meinGPT mit Dateien arbeitet (3-Stufen-Modell)

Nicht jede Anfrage erfordert die gleiche Verarbeitungstiefe. meinGPT entscheidet pro Anfrage automatisch, wie tief es gehen muss. Es gibt drei Stufen:

| Stufe | Was passiert | Reicht für |
| --- | --- | --- |
| **1. Suche** | Die Plattform durchsucht alle konfigurierten Quellen und liefert Snippets sowie Dateinamen zurück | Einfache Fragen wie "Gibt es ein Dokument zu Thema X?" |
| **2. Volltext laden** | Das Modell lädt den kompletten Inhalt einzelner Dateien, die nach Stufe 1 relevant erscheinen | Inhaltliche Fragen zu einzelnen, nicht zu großen Dokumenten |
| **3. Code Sandbox** | Die Originaldatei wird in einem abgeschotteten Bereich (Sandbox) geöffnet und mit Python verarbeitet | Berechnungen, Auswertungen, Diagramme aus großen oder strukturierten Dateien (z. B. Excel mit vielen Zeilen) |

Du brauchst nichts manuell zu konfigurieren. Mehr Details zur Sandbox: [Code Sandbox](/docs/platform/code-sandbox).

**Volltext kann viel Kontext verbrauchen.** Stufe 2 lädt den kompletten Inhalt einer Datei oder Confluence-Seite auf einmal in den Chat – nicht nur den relevanten Ausschnitt. Sind mehrere große Quellen an denselben Assistenten oder Chat angebunden (z. B. eine Datenquelle **und** ein Confluence Space), kann bereits eine einzelne Anfrage einen erheblichen Teil des Kontextfensters des Modells verbrauchen. Behalte dazu die Kontextfenster-Anzeige im Eingabefeld im Blick und bevorzuge bei sehr großen oder stark verschachtelten Seiten (z. B. Confluence-Seiten mit vielen eingebetteten Makros) gezielte, eng gefasste Fragen. Mehr dazu: [Chat zu groß für das Modell](/docs/platform/chat-errors#chat-zu-groß-für-das-modell-context-length-exceeded).

**Hinweis für On-Premise-Setups:** Stufe 3 (Sandbox) lädt Originaldateien temporär in die meinGPT Cloud, weil die Sandbox-Umgebungen dort laufen — aber nur, wenn der Outpost-Ordner auf **Text und Originaldateien** (`ORIGINAL_FILES`) steht. Bei **Nur Text** (`FULL_TEXT`) oder der älteren Stufe `PASSAGES` wird die Sandbox-Anfrage abgelehnt, bevor eine Originaldatei hochgeladen wird. Erlaubte Dateien werden nach der Verarbeitung sofort gelöscht. Bei datenschutzsensiblen Setups solltest Du das Deinen Stakeholdern transparent kommunizieren.

## SharePoint Connector vs. Datenquelle: wann was?

Wenn Du SharePoint-Daten in meinGPT nutzen willst, hast Du zwei Optionen: den nativen [Microsoft 365 Connector](/docs/integrations/connectors/microsoft365) oder eine Datenquelle mit SharePoint als Quelle. Beide haben ihre Stärken.

| Kriterium | Microsoft 365 Connector | Datenquelle mit SharePoint-Quelle |
| --- | --- | --- |
| Suchverfahren | Direktzugriff in Echtzeit | Vorab-Index, Sync alle 15 Minuten |
| Berechtigungen | Respektiert SharePoint-Permissions automatisch (auf Nutzer-Ebene über OAuth) | Admin konfiguriert manuell. SharePoint-Permissions greifen **nicht** automatisch |
| Authentifizierung | Jeder Nutzer authentifiziert sich individuell | Zentral konfiguriert |
| Skalierung | Gut für gezielte Recherche in einzelnen Sites oder Ordnern | Skaliert auf große Datenmengen, mehrere Quellen kombinierbar |
| Quellen kombinieren | Nur SharePoint und OneDrive | Mehrere Quellen in einer Datenquelle (SharePoint, lokale Dateien, Drive, …) |

**Faustregel:**

- **Microsoft 365 Connector** für die meisten SharePoint-Anwendungsfälle. Vor allem dann, wenn jeder Nutzer nur das sehen soll, was er auch in SharePoint selbst sehen darf.
- **Datenquelle**, wenn Du große Bestände zentral indexieren willst, mehrere Quellen mischen musst oder eine zentrale Wissensdatenbank ohne individuelle Permissions brauchst.

## Konfiguration & Empfehlungen

### Daten gezielt eingrenzen

Es gibt kein hartes Datenlimit. Aber je mehr Daten eine Datenquelle umfasst, desto stärker konkurrieren irrelevante Treffer mit den passenden. Empfehlung:

- Beim Verbinden eines SharePoint-/OneDrive-Ordners werden **alle Unterordner automatisch mit einbezogen** - Du musst Unterordner nicht einzeln als eigene Datenquelle hinzufügen
- Pro Datenquelle gezielt 500 bis 1.000 relevante Dateien anbinden, nicht den gesamten SharePoint
- Lieber **mehrere spezialisierte Datenquellen** als eine riesige, zum Beispiel "HR-Richtlinien", "Produkt-Spezifikationen", "Vertriebs-Material"
- Je präziser eine Datenquelle, desto besser die Treffer

**Dieselbe Ordnerstruktur in mehreren Datenquellen bedeutet doppelte Indexierung.** Es gibt keine plattformweite Deduplizierung über Datenquellen hinweg - verweisen zwei Datenquellen auf denselben oder überlappenden SharePoint-/OneDrive-Ordner, wird dieser Inhalt vollständig zweimal gecrawlt, gechunkt und eingebettet, mit entsprechend doppeltem Speicher- und Rechenaufwand. Ist ein Assistent an beide Datenquellen angebunden, kann dieselbe Datei zusätzlich doppelt in den Suchergebnissen einer einzelnen Anfrage auftauchen. Binde einen Ordner deshalb nur einmal als Datenquelle an und teile diese eine Datenquelle mit allen Assistenten, die darauf zugreifen sollen, statt pro Assistent eine eigene Datenquelle auf denselben Ordner anzulegen.

### Kurzbeschreibung sorgfältig formulieren

Die Kurzbeschreibung einer Datenquelle ist nicht nur Doku. Sie wird vom Modell genutzt, um zu entscheiden, ob eine Datenquelle für eine Anfrage relevant ist. Eine schlechte Beschreibung führt dazu, dass Datenquellen bei passenden Fragen nicht durchsucht werden.

Gut: *"Enthält alle internen HR-Richtlinien, Prozessbeschreibungen und Onboarding-Dokumente."*

Weniger gut: *"HR-Dokumente."*

### Tool-Referenz im System-Prompt

In Assistenten-Instruktionen lohnt es sich, Datenquellen explizit anzusprechen. Zum Beispiel: *"Starte jede Konversation damit, relevante Informationen aus der angebundenen Datenquelle abzurufen."* Das macht die Nutzung der Datenquelle zuverlässiger.

**Symptom: Assistent ignoriert einen verknüpften Datenpool.** Antwortet ein Assistent trotz korrekt synchronisiertem und verknüpftem Datenpool aus allgemeinem Wissen statt aus dem Datenpool, ist eine fehlende Referenz im System-Prompt die häufigste Ursache — nicht ein Konfigurationsfehler am Datenpool selbst. Prüfe zuerst, ob die Anweisungen den Datenpool explizit erwähnen, bevor Du Sync-Status oder Berechtigungen untersuchst.

## Advanced: Customer-Managed Outpost (On-Premise)

Wenn Du eine eigene On-Premise-Wissensinfrastruktur betreiben willst, etwa für regulierte Branchen oder besondere Sicherheitsanforderungen, kannst Du einen eigenen Outpost einsetzen. Quelldateien und Suchindex bleiben dort gespeichert; es gibt keine zentrale Dauerkopie. Bei einer Anfrage überträgt der Outpost jedoch genau die Inhalte, die Du **pro Ordner am Outpost** freigegeben hast: aufbereiteten Text und Metadaten oder zusätzlich eine Kopie der Originaldatei. In der meinGPT-Weboberfläche gibt es dafür keine zweite Einstellung. Die temporäre Sandbox-Verarbeitung ist oben beschrieben.

- Netzwerkmodell wählen: [On-Premise Connections](/docs/integrations/connections-cloud-on-prem)
- Outpost einrichten: [Outpost einrichten](/docs/integrations/vault/deployment)
- Lokale Ordner und Freigabestufe: [Ordner auf diesem Rechner](/docs/integrations/vault/sources/local)

## Weitere Quellen

Neben den sechs Cloud-Quellen oben und manuell hochgeladenen Dateien gibt es Ordner und Netzlaufwerke, die nur ein Outpost lesen kann. Die vollständige Übersicht mit der Cloud-vs-Outpost-Unterscheidung: [Datenquellen](/docs/integrations/vault/sources).

## Custom Data Preparation Pipelines

Ein eigenes Muster mit S3-Übergabepunkt für Drittsysteme findest Du hier:

- [Custom Data Preparation Pipelines](/docs/integrations/custom-data-preparation-pipelines)

## Verwandte Seiten

- [Code Sandbox](/docs/platform/code-sandbox): Stufe 3 der Dateiverarbeitung, strukturierte Tabellen-Analyse
- [Microsoft 365 Connector](/docs/integrations/connectors/microsoft365): direkter SharePoint-, Outlook- und Teams-Zugriff
- [Team-Management](/docs/admin-guide/team-management): Zugriffskontrolle pro Datenquelle
- [Data Sources](/docs/integrations/vault/sources): vollständige Liste der Quelltypen