Glossar

Dokumenten-Reranking

Was ist Dokumenten-Reranking?

Dokumenten-Reranking ist ein zweiter Sortierschritt in Such- und RAG-Systemen: Eine schnelle erste Suche liefert eine Auswahl möglicher Treffer, die ein genaueres, aber aufwendigeres Verfahren anschließend neu nach Relevanz ordnet. Häufig übernimmt das ein sogenannter Cross-Encoder, der Frage und Textabschnitt gemeinsam bewertet. So landen die passendsten Abschnitte oben, bevor ein Sprachmodell daraus eine Antwort formuliert.

So hilft KI.ordo

Die Wissenssuche von KI.ordo ordnet Abschnitte mit dem Stichwortverfahren BM25 direkt auf dem Server nach Relevanz.

Mehr erfahren →

Themen

Suche
RAG
Relevanz

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten

← Alle Begriffe

Verwandte Begriffe

Retrieval-Augmented Generation (RAG)

Retrieval-Augmented Generation verbindet eine Suche mit der Textgenerierung: Vor dem Antworten sucht das System in einer Wissenssammlung – etwa Handbüchern, Richtlinien oder FAQ – die passenden Abschnitte und gibt sie dem Sprachmodell als Kontext mit. So stützt sich die Antwort auf aktuelle, unternehmenseigene Inhalte statt nur auf das Trainingswissen des Modells. Das verringert erfundene Aussagen, macht Quellen nachvollziehbar und erlaubt Aktualisierungen ohne neues Training.

RAG
Wissenssuche
+1

Informationsabruf

Informationsabruf (Information Retrieval) umfasst Verfahren, die aus großen Textbeständen die zu einer Anfrage passenden Dokumente oder Abschnitte finden und nach Relevanz sortieren. Klassische Methoden wie BM25 gewichten Suchbegriffe nach Häufigkeit und Seltenheit, neuere ergänzen semantische Ähnlichkeit. Informationsabruf ist die Grundlage von Suchmaschinen, Unternehmenssuche und Retrieval-Augmented Generation, bei der ein Sprachmodell gefundene Passagen als Grundlage seiner Antwort nutzt.

Suche
BM25
+1

Retrieval-Pipeline

Eine Retrieval-Pipeline ist die Abfolge von Verarbeitungsschritten, mit der ein System zu einer Frage die passenden Informationen findet. Typisch sind: Dokumente einlesen und bereinigen, in Abschnitte zerlegen, einen Suchindex aufbauen, die Anfrage gegebenenfalls umformulieren, Treffer suchen, sortieren (Reranking) und die besten an das Sprachmodell übergeben. Sie bildet das Fundament jeder RAG-Anwendung; ihre Qualität entscheidet maßgeblich darüber, wie gut die späteren Antworten sind.

RAG
Suche
+1

Dokumentenbewertung (RAG)

Dokumentenbewertung bedeutet im Kontext von Retrieval-Augmented Generation (RAG), gefundene Textabschnitte darauf zu prüfen, ob sie zur Frage passen und eine Antwort tragen können. Nur die als relevant eingestuften Abschnitte werden an das Sprachmodell weitergegeben; unpassende Treffer werden verworfen oder lösen eine erneute Suche aus. Das verringert das Risiko erfundener oder falsch belegter Antworten, etwa wenn ein veraltetes Dokument zur Frage nach aktuellen Preisen gefunden wird.

RAG
Relevanz
+1