Werden Sie zum Unternehmen mit Wissensagenten

Von Dokumenten zu Vektoren

Wissen wird nach Bedeutung indexiert, nicht nur nach Worten.

Die Grundlage von NXT ist eine Vektordatenbank auf Basis Ihrer eigenen Unterlagen. Sie ermöglicht es den Agenten, den richtigen Abschnitt zu finden, auch wenn die Frage in anderen Worten oder in einer anderen Sprache formuliert ist als die Quelle.

1. 01

   Einlesen und Normalisierung

   Das Quellmaterial — PDF, Word, Webseiten, Produktdaten — wird eingelesen und normalisiert. Überschriftsebenen, Tabellen, Listen und Seitenverweise bleiben erhalten, weil Struktur Bedeutung trägt.

2. 02

   Segmentierung mit Kontext

   Der Text wird in abgrenzte Abschnitte gegliedert, die der eigenen Struktur des Dokuments folgen, nicht einer festen Zeichenzahl. Jeder Abschnitt behält Überschriftspfad, Quelle, Version, Sprache und Produktzuordnung als Metadaten.

3. 03

   Embeddings

   Ein mehrsprachiges Embedding-Modell wandelt jeden Abschnitt in einen Vektor um — eine Position in einem hochdimensionalen Raum, in dem Nähe einer Ähnlichkeit in der Bedeutung entspricht. Für Material und Fragen wird dasselbe Modell verwendet, damit sie in demselben Raum landen.

4. 04

   Speicherung in einer Vektordatenbank

   Die Vektoren werden gemeinsam mit Originaltext und Metadaten in einer Vektordatenbank innerhalb der EU gespeichert. Ein Vektorindex hält die Nähe-Suche auch in großen Wissensbereichen schnell.

Mehrsprachigkeit

Welche Sprache auch, eine Bedeutung – ohne zwischengeschaltete Übersetzung.

Das mehrsprachige Embedding-Modell platziert “Hur byter jag filter?”, “How do I replace the filter?” und “Wie wechsle ich den Filter?” nah beieinander im Vektorraum. Die Frage findet daher den Quellabschnitt, ohne zuvor übersetzt zu werden. Diese Fähigkeit liegt im Modell, nicht in der Datenbank, und die Antwort wird anschließend in der Sprache der fragenden Person formuliert. Die Qualität variiert mit Fachsprache und zusammengesetzten Wörtern – deshalb arbeiten wir an der Terminologie in LEXIKON und messen die Treffergenauigkeit an echten Fragen.

Suche und Antworten

Semantische Suche, exakte Treffer und Quellenpflicht – zusammen.

Die Agenten

Spezialisierte Agenten arbeiten auf derselben Vektordatenbank.

Jeder Agent hat eine abgrenzte Aufgabe. Der eine strukturiert das Material, ein anderer sichert die Terminologie, ein dritter erstellt Inhalte. Alle beziehen ihre Grundlage aus demselben Index, sodass Antworten, Kurse und Tests auf derselben Version des Wissens aufbauen.

Sicherheit und Kontrolle