Methoden zur Indexierung von Dokumenten für die Verwendung in Retrieval-Augmented Generation Use-Cases
Abstract
Wie andere Unternehmen auch, hat auch Endress+Hauser das Potenzial von Large Language Models und Methoden wie Retrieval-Augmented Generation erkannt, um bisher ungenutztes oder schwer zugängliches Wissen besser nutzbar zu machen. So soll im Kontext des technischen Kundensupports der Zugang zu Wissen für die Mitarbeiterinnen und Mitarbeiter vereinfacht werden, um Anfragen von Kunden beantworten oder auch technische Probleme lösen zu können. Ziel dieser Arbeit ist der Aufbau einer Knowledge Base mit den Inhalten der Betriebsanleitungen und technischen Dokumenten zu den Produkten des Unternehmens, sodass diese später innerhalb eines Retrieval-Augmented Generation Use-Cases verwendet werden können. Hierzu werden die Inhalte der Dokumente extrahiert, vorbereitet und in einer Vektordatenbank gespeichert. Die Extraktion der Informationen wird hier mithilfe verschiedener Verfahren durchgeführt. Diese umfassen sowohl einfache regelbasierte Verfahren, als auch komplexe modellbasierte Verfahren. Im Rahmen einer Evaluation werden anschließend die Ergebnisse der verschiedenen Verfahren verglichen. Das Vorgehen und der Aufbau dieser Arbeit orientiert sich hierbei anhand des Cross Industry Standard Process for Data Mining. So wird als Teil der Phase des Geschäftsverständnisses und der Phase des Datenverständnisses das unternehmerische Umfeld vorgestellt und die vorhandenen Daten näher untersucht, während die Verarbeitung und Indexierung der Dokumente als Teil der Phase der…
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.