Optimierung Ihrer Wissensdatenbank für die abrufgestützte Generierung

Sie können den Inhalt Ihrer Wissensdatenbank so anpassen, dass er für generative KI-Modelle nach dem RAG-Muster (Retrieval-Augmented Generation) leichter zugänglich ist. Indem Sie Ihre Inhalte für generative KI anpassen, können Sie die Qualität der KI-Antworten verbessern, die aus Ihren Inhalten generiert werden. Je nach Inhalt und RAG-Lösung können Sie Einschränkungen bei den Werkzeugen kompensieren oder bestimmte Bearbeitungsarten überflüssig machen.

Sie können den Inhalt Ihrer Wissensdatenbank anpassen, indem Sie Ihren Inhalt in Ihrer RAG-Lösung testen und Richtlinien entwickeln.

Sie können proaktive Richtlinien erstellen, um Ihre Inhalte auf die KI vorzubereiten, und reaktive Richtlinien, um Ihre Inhalte als Reaktion auf unzureichende Antworten der KI zu reparieren. Die folgende Tabelle fasst die Unterschiede bei der Erstellung und Umsetzung von Leitlinien zur Vorbereitung oder Reparatur Ihrer Inhalte zusammen.

Vergleich der Anpassung von Inhalten für AI-Methoden
Zweck der Leitlinien	Methode zur Erstellung von Leitlinien	Umfang der inhaltlichen Aktualisierungen	Zeitplan für die Aktualisierung der Inhalte
Vorbereiten Ihrer Inhalte für AI	Testen Sie Ihre Inhalte in Ihrer RAG-Lösung.	- Alle bestehenden Inhalte oder kritischen Inhalte - Alle neuen Inhalte	- Bevor Sie Ihre RAG-Lösung in Betrieb nehmen - Bei der Erstellung von neuen Inhalten
Reparieren Sie Ihre Inhalte für AI	Sammeln Sie Nutzer-Feedback zu Ihrer RAG-Lösung	- Spezifische Themen oder Passagen - Ähnliche Themen oder Passagen	Nachdem Sie negatives Nutzerfeedback zu AI-Antworten erhalten haben

Wichtig: Die Stiftungsmodelle werden ständig verbessert. Leitlinien, die Sie heute erstellen, sind in Zukunft vielleicht nicht mehr notwendig. Testen Sie Ihre Leitlinien nach Aktualisierungen Ihrer RAG-Lösung erneut.

Erstellung von Leitlinien für die Vorbereitung Ihrer Inhalte auf AI

Durch die Erstellung und Anwendung von Richtlinien, die Ihre Inhalte für KI vorbereiten, können Sie die Qualität Ihrer Inhalte sowohl für Menschen als auch für KI verbessern.

Um Richtlinien zu entwickeln, testen Sie Ihre Inhalte mit generativer KI. Die genauesten Ergebnisse erhalten Sie, wenn Sie mit der RAG-Lösung testen, die Ihre Wissensbasis nutzt. Wenn Sie Ihre Inhalte mit einem anderen System als Ihrer endgültigen RAG-Lösung testen, können Ihre Ergebnisse abweichen, und Sie müssen Ihre Richtlinien möglicherweise erneut testen und anpassen.

Erstellung von Leitlinien für die Vorbereitung Ihrer Inhalte für AI:

Sammeln Sie repräsentative Fragen und die Themen, die diese Fragen beantworten. Die besten Ergebnisse erzielen Sie, wenn Sie Fragen sammeln, die von Ihren Benutzern gestellt werden, anstatt zu raten, was Ihre Benutzer fragen könnten. Kundenfragen helfen Ihnen, die Inhalte zu finden, die am ehesten von Ihrer RAG-Lösung abgerufen werden. Sie müssen nicht jeden Inhalt, jede Art von Inhalt oder jedes Inhaltsformat testen.
Testen Sie, ob das Modell auf der Grundlage Ihres Inhalts angemessene Antworten auf die Fragen generieren kann. Die besten Ergebnisse erzielen Sie, wenn Sie direkt in Ihrer RAG-Lösung testen. Alternativ können Sie auch eine Frage und den entsprechenden Text aus Ihrem Inhalt in eine Eingabeaufforderung eingeben und die generierte Antwort überprüfen.
Wenn die KI-Antworten unzureichend sind, versuchen Sie, Ihren Inhalt anzupassen, bis Sie angemessene Antworten erhalten. Siehe Adaptionstechniken.
Erstellen Sie Leitlinien auf der Grundlage von Trends. Siehe Beispiel-Leitlinien.

Anpassungstechniken zur Vorbereitung Ihrer Inhalte auf KI

Wenn Sie feststellen, dass die RAG-Lösung eine unzureichende Antwort auf eine Frage liefert, die in Ihrer Wissensbasis beantwortet wird, versuchen Sie, diesen Inhalt anzupassen. Sie können zum Beispiel diese Techniken ausprobieren, um die Antworten zu verbessern:

Ändern Sie die Formatierung des Inhalts oder ordnen Sie den Inhalt neu an. Versuchen Sie zum Beispiel, lange Absätze durch Aufzählungslisten zu ersetzen oder Tabellen zu vereinfachen.
Klärung von Konzepten oder Verbesserung der Definitionen von Schlüsselbegriffen.
Fügen Sie Kontext hinzu, um das Thema oder den Umfang des Inhalts zu verdeutlichen. Sie können zum Beispiel Abschnittsüberschriften hinzufügen.
Fügen Sie eine Zusammenfassung des langen Inhalts hinzu.
Ersetzen Sie zweideutige Pronomen durch spezifische Substantive. Achten Sie zum Beispiel darauf, dass jeder Satz mit einem Pronomen das Substantiv enthält, auf das es sich bezieht.

Tipp: Seien Sie vorsichtig bei der Planung der Neuformatierung Ihrer Inhalte. Wenn Ihr LLM zum Beispiel nicht gut mit Tabellen umgehen kann, sollten Sie nicht planen, Tabellen zu entfernen. Tabellen sind für menschliche Leser sehr nützlich, und wenn Sie Ihre Tabellen ersetzen, kann Ihre RAG-Lösung vielleicht mit ihnen umgehen. Nehmen Sie umfangreiche Änderungen nur dann vor, wenn sie die Gesamtqualität Ihrer Inhalte verbessern.

Beispielhafte Leitlinien für die Vorbereitung von Inhalten für AI

Die folgenden beispielhaften Leitlinien für die Vorbereitung von Inhalten für die künstliche Intelligenz könnten auf Ihre Inhalte anwendbar sein:

Konzeptuelle Grafiken im Text erläutern: Indem Sie konzeptionelle Grafiken im Text klar erläutern, können Sie Unklarheiten in den Grafiken klären und die Kosten für ein Bild-Text-Modell vermeiden. Verwenden Sie Grafiken zur Veranschaulichung von Text, aber nicht als Ersatz für Text. Grafiken können Konzepte übermäßig vereinfachen, weil sie Informationen auslassen oder nicht klar angeben, welche Elemente optional sind. Indem Sie einen Prozess oder ein Konzept im Text so erklären, als ob Sie die Grafik nicht hätten, können Sie Verwirrung bei Ihren Lesern und beim LLM vermeiden.
Namen von Icons in den Text einfügen: Indem Sie die Namen von Icons und anderen UI-Elementen in den Text aufnehmen, anstatt nur ihre Bilder anzuzeigen, stellen Sie vollständige Sätze für die KI bereit. Zum Beispiel ist der Satz "Um ein Asset zu bearbeiten, klicken Sie auf " ohne das Bild des Symbols nicht vollständig. Der Satz "Um ein Asset zu bearbeiten, klicken Sie auf das Symbol Bearbeiten" ist jedoch auch ohne das Bild des Symbols verständlich.
Lange Verfahren und Tutorials zusammenfassen: Wenn Sie ein langes Verfahren oder eine lange Anleitung haben, ist der LLM möglicherweise nicht in der Lage, den gesamten Inhalt in der Antwort unterzubringen. Das Hinzufügen einer Zusammenfassung der Schritte hilft dem LLM, Fragen zu beantworten. Die Zusammenfassung legt auch die Erwartungen der Nutzer fest.
Klare Einleitungssätze für Listen hinzufügen: LLMs können Schwierigkeiten haben, das Thema einer Liste ohne einen einleitenden Satz zu identifizieren.
Sehr kurze Themen ausschließen: Sehr kurze Themen bieten möglicherweise nicht genügend Informationen, um eine angemessene Antwort auf eine Frage zu geben. So kann beispielsweise ein sehr kurzes übergeordnetes Thema dazu dienen, die untergeordneten Themen im Inhaltsverzeichnis zu organisieren, und nur wenig wertvollen Inhalt enthalten. Sehr kurze Themen können zu unzureichenden Antworten der künstlichen Intelligenz führen und Ihre Nutzer, die darauf stoßen, enttäuschen. Sie können entweder sehr kurze Themen entfernen oder ihnen wertvolle Inhalte hinzufügen.

Erstellung von Leitlinien für die Reparatur Ihrer Inhalte für AI

Der beste Weg, um zu bestimmen, wie Inhalte, die zu unzureichenden Antworten führen, durch die Implementierung eines Feedback-Mechanismus korrigiert werden können. Ihre menschlichen Benutzer können darauf hinweisen, wenn eine Antwort schlecht ist. Speichern Sie das Feedback, die Frage, die Antwort und die abgerufenen Themen.

Leitlinien erstellen:

Sammeln Sie negatives Feedback zu KI-Antworten von Ihren Nutzern.
Ermitteln Sie die Ursache für die unzureichende Antwort.
Aktualisieren Sie gegebenenfalls das Zielthema, bis die KI bessere Antworten liefert. Testen Sie Ihre Änderungen mit mehreren Variationen der ursprünglichen Frage. Siehe Adaptation tequniques.
Wenn Sie bei den Themen, die Sie aktualisieren, Trends erkennen, erstellen Sie einen Leitfaden. Siehe Beispiel-Leitlinien.

Anpassungstechniken für die Reparatur Ihrer Inhalte für KI

Um Ihren Inhalt zu reparieren, können Sie ihn ändern oder ergänzen.

In der folgenden Tabelle werden einige Techniken zur Reparatur von Inhalten beschrieben, die zu unzureichenden Antworten der KI führen.

Lösungen für unzureichende Antworten
Problem	Lösung
Der Inhalt ist nicht vorhanden.	Fügen Sie gegebenenfalls Inhalte hinzu, um das Thema zu dokumentieren. Fügen Sie keine Inhalte hinzu, die nicht in Ihre Wissensdatenbank gehören.
Der Inhalt ist vorhanden, aber der LLM hat ihn nicht gefunden.	Versuchen Sie, die Titel der Themen, die Überschriften der Abschnitte und die Terminologie des Themas zu aktualisieren.
Der LLM hat den Inhalt nicht verstanden.	Aktualisieren Sie die Informationen im Thema, um den Inhalt zu verdeutlichen. Aktualisieren Sie die Formatierung der Informationen.
Das LLM bietet eine Teilantwort.	Versuchen Sie, die Informationen neu zu formatieren oder eine Zusammenfassung langer Inhalte zu erstellen.

Wenn ein Nutzer negatives Feedback zu einer KI-Antwort gibt, können Sie nicht immer darauf reagieren, indem Sie Ihren Inhalt ändern. Möglicherweise gibt es andere Ursachen für unzureichende Antworten, die nicht einfach oder gar nicht zu lösen sind. Die von den Nutzern gestellten Fragen sind möglicherweise nicht klar, vollständig oder wohlgeformt genug, um vom LLM verstanden zu werden. Diese Art von Problemen kann zum Beispiel bei Benutzerfragen auftreten:

Falsch geschriebene Wörter
Vage Fragen ohne ausreichende Informationen
Falsche Grammatik
Falsche Terminologie
Themen, die für Ihre Wissensbasis irrelevant sind

Tipp: Seien Sie vorsichtig bei der Änderung Ihrer Inhalte. Versuchen Sie nicht, auf jede unzureichende Antwort oder negative Rückmeldung einzugehen. Erstellen Sie Leitlinien auf der Grundlage von Trends.

Beispielhafte Leitlinien für die Reparatur von Inhalten für AI

Die folgenden Beispielrichtlinien für die Reparatur von Inhalten für KI könnten auch auf Ihre Inhalte anwendbar sein:

Verwirrende Inhalte klären: Sie können Inhalte klären, die vage sind, zu viele Details enthalten oder denen der Kontext fehlt.
Inhalt für fehlende Informationen hinzufügen: Sie können Inhalte hinzufügen, um eine Lücke in Ihren Dokumenten zu schließen oder um Alternativen zu fehlenden Funktionen zu nennen. Nehmen wir zum Beispiel an, dass Kunden einer Gärtnerei häufig nach Saatgut für Gemüse fragen, das die Gärtnerei nicht verkauft. Der Chatbot der Gärtnerei beantwortet Fragen zum Saatgut mit "Ich weiß nicht" oder "Nein". Die Mitarbeiter der Gärtnerei können einen Satz wie diesen in ihre Wissensdatenbank aufnehmen: "Wir verkaufen kein Saatgut, aber wir haben eine große Auswahl an Gemüsesetzlingen." Der LLM kann dann eine nützliche Antwort geben.
Terminologie hinzufügen oder ändern: Ihre Benutzer verwenden möglicherweise andere Begriffe als Sie in Ihren Dokumenten. Wenn Sie einen Trend erkennen, können Sie den alternativen Begriff nennen, damit der LLM ihn finden kann. Sagen Sie zum Beispiel so etwas wie "eine falsche Antwort von einem LLM wird manchmal als Halluzination bezeichnet".