Vektor-Dateidatenbank
Laden Sie Ihre Dokumente einmalig hoch. Durchsuchen Sie diese nach Bedeutung, nicht nach Schlüsselwörtern. Wenn Sie eine Frage stellen, findet die KI genau die relevanten Abschnitte und referenziert sie – selbst in 100-seitigen Dokumenten.
Das ist semantische Suche: Das System versteht, was Sie fragen, nicht nur die Wörter, die Sie verwenden. Fragen Sie nach „vorzeitiger Kündigung“ und es findet die Klausel zu „Stornierungsbestimmungen“. Fragen Sie nach „Marktwachstum“ und es lokalisiert die Prognosen, egal wo sie versteckt sind.
Sehen Sie, wie fünf Modelle auf gemeinsamem Kontext aufbauen
Jedes Modell in dieser Demo liest denselben Gesprächsverlauf und bezieht sich auf das Vorangegangene. Wenn die Vektor-Dateidatenbank aktiv ist, greifen sie auch auf Ihre hochgeladenen Dokumente zu – derselbe gemeinsame Kontext, basierend auf Ihren Daten.
KI ohne Ihre Dokumente ist nur halb informiert
Sie verfügen über Verträge, Forschungsberichte, technische Spezifikationen und Wettbewerbsanalysen. Die KI hat diese noch nie gesehen. Daher müssen Sie bei jeder Frage den „relevanten Kontext“ manuell einfügen – und hoffen, dass Sie den richtigen Kontext ausgewählt haben.
Schlimmer noch: Lange Dokumente passen nicht in das Einfügefenster. Sie fassen 100-seitige Berichte in 2-seitige Auszüge zusammen, verlieren dabei Details und hoffen, die richtigen Teile behalten zu haben.
Die Vektor-Dateidatenbank ändert das. Laden Sie Ihre Dokumente in ein Projekt hoch. Die KI kann nun jederzeit jeden Abschnitt durchsuchen und referenzieren, ohne dass Sie den Kontext manuell extrahieren müssen.
Automatische Indexierung für intelligente Abrufe
Einmal hochladen. Das System kümmert sich um alles Weitere.
1. Chunking
Intelligente Aufteilung
Ihr Dokument wird in aussagekräftige Abschnitte unterteilt – Absätze, Kapitel, logische Einheiten –, wobei der Kontext innerhalb jedes Chunks erhalten bleibt.
2. Embedding
Bedeutungserfassung
Jeder Abschnitt wird in eine Vektordarstellung umgewandelt, die seine semantische Bedeutung erfasst, nicht nur Schlüsselwörter.
3. Indexierung
Schnelle Suche
Vektoren werden in einer Datenbank gespeichert, die für die Ähnlichkeitssuche optimiert ist. Das Finden verwandter Inhalte geschieht nahezu augenblicklich.
4. Abruf
Kontext auf Abruf
Wenn Sie eine Frage stellen, findet das System die relevantesten Abschnitte und bezieht sie in das Kontextfenster der KI ein.
Suche nach Bedeutung. Nicht nach Schlüsselwörtern.
Die herkömmliche Suche findet Dokumente, die exakt Ihre Wörter enthalten. Die semantische Suche findet Dokumente zu dem, was Sie meinen.
Schlüsselwortsuche
Sie suchen nach „Kündigungsklausel“ → Findet Dokumente mit exakt „Kündigungsklausel“ → Verpasst Dokumente mit „Stornierungsbestimmungen“, „Beendigung der Vereinbarung“ oder „Vertragsablauf“.
Semantische Suche
Sie suchen nach „Kündigungsklausel“ → Findet Abschnitte über die Beendigung von Verträgen → Beinhaltet „Stornierungsbestimmungen“, „Bedingungen für vorzeitigen Ausstieg“, „Vertragsbeendigung“ – alle semantisch verwandten Inhalte.
Fragen, die mit hochgeladenen Dateien funktionieren
Abruf spezifischer Fakten
„Wie hoch war der Umsatz im Q3-Bericht?“
„Wer ist als Hauptansprechpartner in der Partnerschaftsvereinbarung aufgeführt?“
„Welche Frist wird im SOW genannt?“
Dokumentenbasierte Analyse
„Was sind basierend auf der hochgeladenen Spezifikation die größten technischen Risiken?“
„Erlaubt unser Vertrag die Unterlizenzierung der Software?“
„Welche Annahmen trifft dieses Finanzmodell?“
Dokumentübergreifende Fragen
„Wie schneidet die Preisgestaltung in unserem Angebot im Vergleich zur Wettbewerbsanalyse ab?“
„Gibt es Konflikte zwischen der technischen Spezifikation und dem Anforderungsdokument?“
Funktioniert, wenn sich beide Dokumente im selben Projekt befinden.
Zusammenfassung
„Fassen Sie die wichtigsten Ergebnisse aus dem Forschungs-PDF zusammen.“
„Was sind die wichtigsten Empfehlungen im Bericht des Beraters?“
„Geben Sie mir die Zusammenfassung für Führungskräfte dieses 80-seitigen Dokuments.“
Laden Sie hoch, was Sie haben
Berichte, Verträge, Forschungsarbeiten
Word
.docx-Dokumente, Angebote, Spezifikationen
Text
.txt, .md, reine Textdateien
Code
Quelldateien für technische Analysen
Beste Ergebnisse: PDFs mit tatsächlichem Text (keine gescannten Bilder). Gut strukturierte Dokumente mit Überschriften. Entfernen Sie Deckblätter und Anhänge, die nicht relevant sind.
Wenn der Dateikontext entscheidend ist
Vertragsanalyse
Laden Sie den Vertrag hoch. Fragen Sie: „Welche Verpflichtungen haben wir, wenn wir die Frist versäumen?“ oder „Können wir vorzeitig kündigen?“ Die KI findet und interpretiert die relevanten Klauseln, ohne dass Sie seitenlang suchen müssen.
Forschungssynthese
Laden Sie mehrere Forschungsberichte hoch. Fragen Sie: „Was sagen diese Quellen über das Marktwachstum in Asien aus?“ Die KI durchsucht alle Dokumente und fasst die Ergebnisse zusammen.
Technische Dokumentation
Laden Sie Spezifikationen, Architektur-Dokumente und API-Referenzen hoch. Fragen Sie: „Wie funktioniert das Authentifizierungssystem?“ oder „Wie hoch sind die Ratenbegrenzungen?“ Die KI wird zum Experten für Ihren technischen Stack.
Wettbewerbsanalyse
Laden Sie Wettbewerbsunterlagen, Analystenberichte und Marktforschung hoch. Erstellen Sie eine Wissensbasis auf Projektebene, auf die alle fünf KIs bei der Analyse Ihrer Marktposition zugreifen können.
Zwei Systeme, komplementäre Intelligenz
Vektor-Dateidatenbank verwaltet Ihre hochgeladenen Dokumente – Verträge, Berichte, Spezifikationen. Die semantische Suche findet relevante Abschnitte, wenn Sie Fragen stellen.
Knowledge Graph verwaltet aus Gesprächen abgeleitete Informationen – Entitäten, Entscheidungen und Beziehungen, die aus Ihren Chats extrahiert wurden.
Sie arbeiten zusammen. Wenn Sie ein Dokument in einem Gespräch diskutieren, erfasst der Knowledge Graph die wichtigsten Entitäten und Entscheidungen. Das Originaldokument bleibt in der Vektor-Dateidatenbank durchsuchbar. Nutzen Sie Querverweise auf beides, wenn Sie das vollständige Bild benötigen.
Häufig gestellt
Wie groß dürfen meine Dateien sein?
Bis zu 50 MB pro Datei. Sehr große Dateien (hunderte von Seiten) funktionieren problemlos – das Chunking-System bewältigt diese. Bei massiven Dokumenten erzielen Sie möglicherweise bessere Ergebnisse mit gezielten Fragen zu bestimmten Abschnitten.
Muss ich der KI sagen, welche Datei sie ansehen soll?
Normalerweise nicht. Das System durchsucht alle Dateien in Ihrem Projekt. Sie können jedoch explizit sein („Laut dem Q3-Bericht…“), wenn Sie sich auf ein bestimmtes Dokument beziehen möchten.
Was, wenn die KI nicht findet, wonach ich suche?
Versuchen Sie, spezifischer zu sein, oder verwenden Sie Begriffe aus dem Dokument selbst. „Prüfen Sie den Abschnitt über Haftung“ könnte besser funktionieren als eine allgemeine Frage. Sie können auch nachhaken: „Gibt es in dem Dokument noch etwas anderes dazu?“
Sind meine Dateien privat?
Dateien sind auf Projektebene begrenzt und benutzerisoliert. Sie werden im Ruhezustand und bei der Übertragung verschlüsselt. Ihre Dateien werden nicht zum Trainieren von Modellen verwendet. Enterprise-Pläne bieten zusätzliche Kontrollmöglichkeiten.
Kann ich projektübergreifend suchen?
Dateien sind standardmäßig auf Projektebene begrenzt. Master Projects können auf Dateien über verbundene Projekte hinweg zugreifen, wenn Sie projektübergreifende Informationen benötigen.
Ihre Dokumente. Der Kontext Ihrer KI.
Hören Sie auf, Auszüge einzufügen und zu hoffen, dass Sie die richtigen Teile erwischt haben. Einmal hochladen, dauerhaft abfragen.