Glossar

Windowing

Was ist Windowing?

Windowing bezeichnet das Zerlegen langer Daten in Abschnitte („Fenster“) fester Länge, die sich häufig überlappen. In KI-Anwendungen werden so lange Dokumente in durchsuchbare Teile gegliedert: Die Überlappung sorgt dafür, dass ein Satz, der an einer Abschnittsgrenze steht, nicht seinen Zusammenhang verliert. Auch bei Zeitreihen und Audiosignalen werden gleitende Fenster genutzt, um Daten Stück für Stück zu analysieren.

So hilft KI.ordo

KI.ordo teilt hinterlegtes Wissen in überlappende Abschnitte auf, damit die Wissenssuche passende Textstellen samt Kontext findet.

Mehr erfahren →

Themen

Wissenssuche
Dokumente
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

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