Glossar

Multi-Hop-Reasoning

Was ist Multi-Hop-Reasoning?

Multi-Hop-Reasoning bezeichnet die Fähigkeit eines KI-Systems, eine Frage über mehrere aufeinander aufbauende Schlussfolgerungen zu beantworten, oft mit Informationen aus verschiedenen Quellen. Beispiel: „Welche Abteilung leitet die Person, die das Projekt X verantwortet?“ erfordert zuerst die verantwortliche Person und dann deren Abteilung. Solche Fragen sind für Such- und RAG-Systeme anspruchsvoll, weil jeder Zwischenschritt korrekt gefunden und verknüpft werden muss.

Themen

Schlussfolgern
Fragebeantwortung
RAG

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

Fragebeantwortung

Fragebeantwortung (Question Answering) ist ein Teilgebiet der Sprachverarbeitung, bei dem ein System Fragen in natürlicher Sprache direkt beantwortet, statt nur eine Trefferliste zu liefern. Moderne Systeme suchen dazu passende Textstellen in einer Wissensbasis und formulieren daraus eine Antwort, idealerweise mit Quellenangabe. Typische Einsätze sind Kundenservice, interne Wissensdatenbanken und Handbücher – etwa die Frage „Wie viele Urlaubstage habe ich im ersten Jahr?“ an das Personalhandbuch.

NLP
Wissensmanagement
+1

Vorlage

LazyGraphRAG

LazyGraphRAG ist ein 2024 von Microsoft Research vorgestellter Ansatz für graphbasierte Retrieval-Augmented Generation. Anders als GraphRAG lässt er beim Indexieren keine Zusammenfassungen durch ein Sprachmodell erstellen, sondern ermittelt Begriffe und ihre gemeinsamen Vorkommen mit klassischer Sprachverarbeitung; das Sprachmodell kommt erst bei der Anfrage zum Einsatz. Dadurch liegen die Indexierungskosten laut Microsoft auf dem Niveau einfacher Vektor-RAG. Geeignet ist das vor allem für Fragen, die einen Überblick über große Dokumentbestände erfordern.

RAG
Wissensgraph
+1

Modell-Verkettung

Modell-Verkettung (Model Chaining) bedeutet, mehrere KI-Modelle oder KI-Schritte hintereinanderzuschalten, sodass die Ausgabe eines Schritts zur Eingabe des nächsten wird. Komplexe Aufgaben lassen sich so in überschaubare Teilaufgaben zerlegen, die einzeln geprüft und verbessert werden können. Beispiel: Ein Schritt fasst eine Kundenanfrage zusammen, ein zweiter ordnet sie einer Abteilung zu, ein dritter entwirft die Antwort.

Orchestrierung
Abläufe
+1