Das ist mehr als ein schönes Detail.
Es macht sichtbar, wie Linda eine Frage im inside Kompendium verortet.
Auch eine Frage kann durch ein Embedding-Modell in ein Bedeutungsprofil übersetzt werden. Dieses Profil wird mit den Bedeutungsprofilen der Kompendium-Sections verglichen.
So entsteht eine erste Orientierung:
Welche Inhalte liegen nahe an der Frage?
Welche Sections kommen als Kontext infrage?
Welche Semantic Groups werden berührt?
Welche Kapitel sind betroffen?
Welche Einträge könnten eine belastbare Antwort stützen?
Unsere Vektorkarte ist dafür interaktiv.
Wir können unterschiedliche Ansichten wählen:
Nach Section Types
Welche Funktion haben die gefundenen Abschnitte im Kapitel?
Nach Semantic Groups
Auf welcher Ebene des inside Knowledge Stack bewegt sich die Frage?
Nach Kapiteln
Wo liegt die Frage in der redaktionellen Struktur des Kompendiums?
Nach Einträgen
Welche konkreten Wissenseinheiten stehen in der Nähe?
Der Stern hilft uns also zu prüfen:
Sucht Linda im richtigen Bedeutungsraum?
Oder landet die Frage in der Nähe von Inhalten, die sprachlich ähnlich klingen, fachlich aber nicht wirklich passen?
Genau hier wird die Arbeit spannend.
Denn bevor eine KI antworten kann, muss sie zunächst die richtigen Wissensbausteine finden.
Die Vektorkarte macht diesen Schritt sichtbar.
Sie zeigt nicht die Antwort.
Sie zeigt, auf welcher Wissensbasis die Antwort später entstehen könnte.
Doch selbst die richtigen Treffer garantieren noch keine gute Antwort.
Im nächsten Beitrag:
Warum eine KI die richtigen Texte finden kann – und trotzdem die falsche Antwort gibt.