Generative AI & Retrieval-Augmented Generation in der Finanzanalyse : Entwicklung und Evaluation eines RAG-basierten Chatbots
Abstract
Künstliche Intelligenz (KI) transformiert mit der Leistungsfähigkeit von Large Language Models (LLMs) die Art und Weise, wie wir Informationen suchen, komplexe Daten analysieren und Entscheidungen treffen. Gerade der Finanzsektor, der durch eine hohe Datenintensivität geprägt ist, wird zunehmend von KI beeinflusst. LLMs weisen jedoch in diversen Aspekten entsprechende Schwächen auf, die von Halluzinationen über mangelnde Transparenz bis hin zu fehlende Aktualität reichen. Retrieval-Augmented Generation (RAG) stellt eine vielversprechende Lösung dar, um generative KI mit externen Wissensquellen auszustatten und somit präzise, nachvollziehbare und aktuelle Antworten zu ermöglichen. Diese Masterarbeit untersucht, inwiefern sich ein RAG-basierter generativer Chatbot für die Analyse von Geschäftsberichten eignet. Die Arbeit gliedert sich dafür in eine theoretische und praktische Komponente. Der theoretische Teil umfasst eine systematische Literaturanalyse zu KI, LLMs, Chatbots und RAG. Im praktischen Teil wurde ein RAG-basierter Chatbot in Python entwickelt, der auf US-amerikanische Geschäftsberichte (10-K) der sogenannten Magnificent Seven zugreift. Die Entwicklung erfolgte dabei in einem Prototyping-Ansatz, der durch sukzessive Erhöhung der Komplexität umgesetzt wurde. Das System basiert auf einer RAG-Pipeline mit Self-Querying und Vektordatenbank (Pinecone) sowie gezieltes Prompt Engineering. Die Evaluation erfolgte in drei Phasen: Phase 1 analysiert einzelne 10-K-Reports,…
Read the paper
Related studies
- Knowledge Management Perspective of Generative Artificial Intelligence
- Navigating Generative Artificial Intelligence Promises and Perils for Knowledge and Creative Work
- Characterizing the evolving research on enterprise content management
- Large language models and multimodal foundation models for precision oncology
- From Generative AI to Extended Reality: Multidisciplinary Perspectives on the Challenges, Opportunities, and Future of Educational Computing
- Generative Artificial Intelligence: A New Engine for Advancing Environmental Science and Engineering
Go deeper in Evidence Hub
Evidence Hub adds a study data sheet (design, sample size, evidence level, key numbers), an AI summary and a chat grounded in the paper's text.