Chunking-Algorithmen: Theorie trifft Praxis
Die Qualität von RAG-Systemen hängt entscheidend von der Chunking-Strategie ab. Dieser Vortrag verbindet theoretische Grundlagen mit praktischer Implementierung.Der erste Teil analysiert verschiedene Chunking-Ansätze: Fixed-Size, strukturbasierte, semantische sowie LLM-gestützte Verfahren. Wir vergleichen Trade-offs zwischen Retrieval-Qualität, Kontexterhaltung und Performance.
Im zweiten Teil wird die Entscheidungsfindung in einem produktiven RAG-System dokumentiert. Anhand konkreter Metriken (Retrieval Precision, Context Relevance, Answer Faithfulness) zeigen wir, wie unterschiedliche Strategien auf verschiedene Dokumenttypen wirken und welche Aspekte bei der Wahl oft übersehen werden.
Vorkenntnisse
- Grundlegende Programmierkenntnisse
- Grundlegendes Verständnis von RAG-System-Architektur
Lernziele
- Verständnis von Chunking-Algorithmen
- Verständnis und Anwendung von Bewertungsmetriken für RAG-Systeme
Speaker
Petra Waschk arbeitet als Entwicklerin und Consultant bei der TEAM GmbH. Sie entwickelt maßgeschneiderte Lösungen für komplexe Prozesse in Unternehmen unterschiedlicher Branchen. Durch ihren Hintergrund in Linguistik ist sie interessiert daran, wie Maschinen mit menschlicher Sprache umgehen.
Sebastian Lunemann arbeitet bei der TEAM GmbH als Softwarentwickler/Consultant im Umfeld der Webentwicklung sowohl an intelligenten Lösungen zu KI-gestütztem Wissenstransfer als auch an Individual-Software. Neben der Entwicklung von Systemen beschäftigt er sich inhaltlich mit Themen wie Machine-Learning, KI-gestützter Prozessautomatisierung und MCP-Servern.