Logo des Repositoriums
 

Lektionen und Anwendungsfälle aus der Implementierung von Retrieval-Augmented-Generation-Systemen

Kurzanzeige
dc.contributor.authorBäumer, Frederik Simon
dc.contributor.authorBrandt-Pook, Hans
dc.contributor.authorMatutat, André
dc.contributor.authorMaoro, Falk
dc.contributor.authorPelkmann, David
dc.contributor.authorSchultenkämper, Sergej
dc.contributor.editorKlein, Maike
dc.contributor.editorKrupka, Daniel
dc.contributor.editorWinter, Cornelia
dc.contributor.editorGergeleit, Martin
dc.contributor.editorMartin, Ludger
dc.date.accessioned2024-10-21T18:24:15Z
dc.date.available2024-10-21T18:24:15Z
dc.date.issued2024
dc.description.abstractKleine und mittlere Unternehmen können von KI-Technologien profitieren, indem sie ihre Effizienz und Wettbewerbsfähigkeit steigern. Retrieval-Augmented Generation-Systeme stellen dabei für KMU eine wertvolle Ressource dar, da sie dabei helfen, große Datenmengen systematisch auszuwerten und gezielt relevante Informationen zu extrahieren. Sie versprechen zudem Verbesserungen in der Informationsverarbeitung und zielen darauf ab, Herausforderungen wie niedrige Antwortqualität und Halluzinationen durch LLMs zu mildern, indem sie Dokumente dynamisch abrufen und diese zur Steuerung der Antworten großer Sprachmodelle nutzen. Jedoch gibt es Herausforderungen, die während der Implementierung auftreten können. In dieser Arbeit erörtern wir die Erkenntnisse, die wir durch Fallstudien gewonnen haben, und setzen sie in Bezug zum aktuellen Forschungsstand.de
dc.identifier.doi10.18420/inf2024_146
dc.identifier.isbn978-3-88579-746-3
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/45121
dc.language.isode
dc.publisherGesellschaft für Informatik e.V.
dc.relation.ispartofINFORMATIK 2024
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-352
dc.subjectRetrieval Augmented Generation
dc.subjectLarge Language Models
dc.subjectInformation Retrieval
dc.titleLektionen und Anwendungsfälle aus der Implementierung von Retrieval-Augmented-Generation-Systemende
dc.typeText/Conference Paper
gi.citation.endPage1689
gi.citation.publisherPlaceBonn
gi.citation.startPage1681
gi.conference.date24.-26. September 2024
gi.conference.locationWiesbaden
gi.conference.sessiontitleKünstliche Intelligenz im Mittelstand / KI-KMU2024

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild
Name:
Baeumer_et_al_Lektionen_und_Anwendungsfaelle.pdf
Größe:
3.27 MB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P352 - INFORMATIK 2024 - Lock in or log out? Wie digitale Souveränität gelingt