State-of-the-Art KI-Systeme verknüpfen unternehmensinternes Wissen mit der Leistungsfähigkeit von GenAI-Modellen. Ein zentraler Grundbaustein dafür sind intelligente Suchsysteme, die mäßig strukturiertes Wissen erschließen und kontextbezogen bereitstellen. Wir teilen Projekterfahrungen aus der Entwicklung eines modernen Suchsystems in einem Lebensmittelkonzern und demonstrieren anhand von erhobenen Metriken, wie intelligente Suchsysteme die Suchqualität im Vergleich zu traditionellen Ansätzen erheblich verbessern können.

Zielpublikum: Product Owner, Entscheider:innen, Data Scientists, ML Engineers, KI-Enthusiast:innen
Voraussetzungen:Basiskenntnisse von LLMs, Embedding-Modellen und KI-Use-Cases
Schwierigkeitsgrad:Advanced

Extended Abstract:
State-of-the-Art KI-Systeme verknüpfen für "Knowledge Worker" aller Art unternehmensinternes Wissen mit der Leistungsfähigkeit von GenAI-Modellen. Ein zentraler Grundbaustein dafür sind intelligente Suchsysteme, die mäßig strukturiertes Wissen erschließen und kontextbezogen bereitstellen. 

KI-basierte semantische Suchverfahren können die Suchgenauigkeit bedeutend steigern und dabei die Informationssuche stark beschleunigen. Für manche Suchanfragen sind Stichwortsuchen aber die bessere Wahl: Wenn es um die Suche nach Produktnummern oder exakten Schreibweisen geht, straucheln Text-Embedding-Modelle. Advanced Retrieval, wie hybride Suchverfahren, kombinieren das Beste aus mehreren Welten und lösen diese Probleme.

Wir teilen Projekterfahrungen aus der Entwicklung eines modernen Suchsystems in einem Lebensmittelkonzern und demonstrieren anhand von erhobenen Metriken, wie intelligente Suchsysteme die Suchqualität im Vergleich zu traditionellen Ansätzen erheblich verbessern können.