#17 Multimodale KI: Wenn der Chatbot auch Bilder und Tabellen liest cover art

#17 Multimodale KI: Wenn der Chatbot auch Bilder und Tabellen liest

#17 Multimodale KI: Wenn der Chatbot auch Bilder und Tabellen liest

Listen for free

View show details

About this listen

 Firmen-Chatbots sollen auf Knopfdruck das gesamte Unternehmenswissen zugänglich machen. Doch die meisten sind blind für alles, was kein reiner Text ist: Prozessdiagramme, Bilder und Tabellen werden ignoriert. Die Folge: unvollständige oder nutzlose Antworten.
In dieser Folge sprechen wir mit Richard Zimmermann, der sich in seiner Bachelorarbeit genau dieser Herausforderung gestellt hat. Er erklärt, wie man mit dem Ansatz der "Retrieval-Augmented Generation" (RAG) einem Sprachmodell beibringt, auch multimodale Daten zu verstehen und zu nutzen.
Wir tauchen tief in die Technik ein und klären, warum es nicht nur darum geht, der KI Daten zu geben, sondern auch darum, ihr die richtigen Informationen in der richtigen Menge zu präsentieren, um das "Lost in the Middle"-Problem zu vermeiden.
No reviews yet
In the spirit of reconciliation, Audible acknowledges the Traditional Custodians of country throughout Australia and their connections to land, sea and community. We pay our respect to their elders past and present and extend that respect to all Aboriginal and Torres Strait Islander peoples today.