Erklärbare Innovationsmaschine: Dual-Tree Agent‑RAG mit Methoden als Knoten

Eine neue Veröffentlichung auf arXiv (2603.09192v1) stellt die Explainable Innovation Engine vor, die Retrieval‑augmented Generation (RAG) auf ein neues Level hebt. Durch die Ersetzung von flachen Text‑Chunks durch „Methoden‑als‑Knoten“ erhält das System eine klare, nachvollziehbare Struktur.

Die Engine nutzt einen gewichteten Provenance‑Tree, der die Herkunft jeder Methode dokumentiert, sowie eine hierarchische Clustering‑Abstraktion, die eine effiziente Top‑Down‑Navigation ermöglicht. Diese beiden Bausteine bilden die Basis für eine kontrollierte, mehrstufige Synthese.

Während der Inferenz wählt ein Strategie‑Agent explizite Synthese‑Operatoren – etwa Induktion, Deduktion oder Analogie – aus, kombiniert sie zu neuen Methodenknoten und protokolliert dabei eine auditable Trajektorie. Anschließend prüft eine Verifikations‑ und Scoring‑Schicht die Kandidaten, entfernt minderwertige Vorschläge und schreibt die validierten Knoten zurück in die Wissensbasis, wodurch ein kontinuierliches Wachstum gefördert wird.

Expertenbewertungen in sechs unterschiedlichen Domänen und mit mehreren Backbones zeigen konsistente Verbesserungen gegenüber einem Standard‑Baseline‑Modell. Die größten Fortschritte wurden in settings mit hohem Derivationsaufwand erzielt, und Ablationsstudien belegen die komplementären Rollen von Provenance‑Backtracking und Qualitäts‑Pruning.

Die Ergebnisse legen einen praktischen Weg für kontrollierbare, erklärbare und verifizierbare Innovationen in agentischen RAG‑Systemen nahe. Der komplette Code ist auf GitHub verfügbar: https://github.com/xiaolu-666113/Dual-Tree-Agent-RAG.