R2R: KI-Tool Test & Bewertung

Wichtigste Funktionen

• Multimodale Ingestion: R2R verarbeitet über 30 Dateiformate, von PDF und Word über Bilder bis hin zu Audiodateien. Dokumente werden automatisch in Chunks zerlegt, vektorisiert und in einer PostgreSQL-Datenbank gespeichert. Sie müssen Sie nicht um Parsing oder Vorverarbeitung kümmern.
• Hybrid Search: Die Suche kombiniert semantische Vektorsuche mit klassischer Keyword-Suche (Reciprocal Rank Fusion). Das liefert bessere Ergebnisse als reine Vektorsuche, weil auch exakte Begriffe und Fachvokabular zuverlässig gefunden werden.
• Knowledge Graphs: R2R erstellt automatisch Wissensgraphen aus eingespeisten Dokumenten. Zusammenhänge zwischen Personen, Produkten oder Konzepten werden erkannt und als Graph gespeichert. Das verbessert die Antwortqualität bei komplexen Fragen erheblich.
• Deep Research API: Für mehrstufige Recherchen, bei denen eine einfache Suche nicht reicht. Die API plant eigenständig mehrere Suchschritte, sammelt Informationen aus verschiedenen Dokumenten und fasst die Ergebnisse zusammen.
• REST-API und Dashboard: R2R liefert eine vollständige REST-API mit Python SDK und ein React-basiertes Dashboard für die Verwaltung von Dokumenten, Nutzern und Zugriffsrechten. Kein Prototyp, produktionsreif einsetzbar.

Preise und Tarife

R2R ist unter der MIT-Lizenz vollständig Open Source. Sie können es kostenlos auf eigenen Servern betreiben. Die einzigen Kosten sind Ihre Infrastruktur und die LLM-API-Aufrufe. Alternativ bietet SciPhi eine Cloud-Plattform mit kostenlosem Einstieg an. Für Enterprise-Kunden gibt es individuelle Pläne mit dediziertem Support und erweiterten Features. Die genauen Cloud-Preise sind nicht öffentlich dokumentiert.

Für wen ist R2R geeignet?

• Unternehmen mit viel internem Wissen: Wer Handbücher, Verträge, technische Dokumentationen oder Support-Artikel durchsuchbar machen will, bekommt mit R2R ein fertiges System. Die Knowledge-Graph-Funktion hilft besonders bei komplexen Dokumentensammlungen, in denen einfache Suche nicht reicht.
• Entwickler und technische Teams: Die REST-API und das Python SDK machen die Integration in bestehende Anwendungen einfach. Wer bereits mit LangChain oder LlamaIndex experimentiert hat, findet in R2R eine produktionsreifere Alternative mit mehr Funktionen out of the box.
• Datenschutzbewusste Organisationen: Durch Self-Hosting behalten Sie die volle Kontrolle über Ihre Daten. Kein Dokument verlassen Ihre Infrastruktur. Nur die LLM-Anfragen gehen an den gewählten Anbieter (oder Sie nutzen ein lokales Modell).

DSGVO und Datenschutz

R2R ist ein Open-Source-Projekt und kann vollständig selbst gehostet werden. Bei Self-Hosting verlassen keine Daten Ihre Infrastruktur, mit Ausnahme der LLM-API-Aufrufe, die Sie selbst konfigurieren. Sie können auch lokale Modelle (z.B. über Ollama) einbinden, um komplett ohne externe API-Aufrufe zu arbeiten. Die SciPhi Cloud wird von einem US-Unternehmen betrieben – für DSGVO-sensible Anwendungen ist Self-Hosting die bessere Wahl.

Alternativen zu R2R

• Docling: Fokussiert sich auf das Parsing und die Aufbereitung von Dokumenten. Gut als Vorstufe, aber kein vollständiges RAG-System mit Suche und Antwortgenerierung.
• AnythingLLM: Einfacher einzurichten und mit grafischer Oberfläche. Weniger Features als R2R (keine Knowledge Graphs, kein Deep Research), dafür schneller startklar.
• Haystack: Framework von deepset für den Bau eigener RAG-Pipelines. Flexibler als R2R, aber Sie müssen mehr selbst zusammenbauen.