Eigene LLMs & KI-Systeme · Begriff · KI und IT für konkrete Arbeitsaufgaben
Chunking einfach erklärt: Textabschnitte für KI-Suche
Kurz gesagt
Chunking heisst, lange Dokumente in kleinere Textabschnitte zu zerlegen, damit eine KI-Suche gezielt die passende Stelle findet. Zu kleine Abschnitte verlieren den Zusammenhang, zu grosse machen die Suche ungenau. Gute Schnittstellen sind Überschriften und Absätze, nicht feste Zeichenzahlen.
Definition
Chunking bedeutet, Dokumente in handliche Stücke, «Chunks» (englisch für Brocken), zu zerlegen. Eine KI-Dokumentensuche (RAG) arbeitet nicht mit ganzen Büchern, sondern sucht den passenden Abschnitt und gibt ihn dem Sprachmodell zusammen mit der Frage mit.
Ein Chunk kann ein Absatz, ein Kapitelabschnitt oder ein Textstück mit festgelegter Länge sein. Jedes Stück wird einzeln gespeichert und durchsucht.
Einfach erklärt
Stellen Sie sich einen Ordner vor, in dem ein 300-seitiges Handbuch als ein einziges Blatt abgelegt ist. Auf die Frage «Wie viele Ferientage habe ich?» müssten Sie alles lesen. Zerlegen Sie das Handbuch in Kapitel und Abschnitte mit Etiketten, finden Sie die Antwort in Sekunden. Chunking ist das Zerlegen und Etikettieren.
Dabei gilt ein Abwägen:
| Abschnitt | Vorteil | Nachteil |
|---|---|---|
| Sehr kurz | Genaue Treffer | Zusammenhang geht verloren |
| Mittel | Gute Balance | Muss auf den Text abgestimmt werden |
| Sehr lang | Viel Zusammenhang | Suche wird unscharf, mehr Text für das Modell |
Beispiel
Ein Beispiel: Ein Gemeindewerk im Aargau lädt sein Personalreglement in eine KI-Suche. Zuerst wird es alle 1000 Zeichen mitten im Satz geschnitten, und die Antwort «Wie lange gilt die Kündigungsfrist?» enthält nur die halbe Regel. Nach Umstellung auf Abschnitte entlang der Paragrafen-Überschriften findet die Suche die vollständige Bestimmung. Zusätzlich bekommt jeder Abschnitt den Titel des Paragrafen als Etikett.
Worauf Sie achten müssen
Es gibt keine allgemein richtige Grösse. Sie hängt von Dokumenttyp, Fragen und Embedding-Modell ab und wird getestet. Eine gewisse Überlappung zwischen Abschnitten verhindert, dass Aussagen an der Schnittstelle verloren gehen. Tabellen und Listen sollten nicht zerrissen werden. Hinweise zur Wahl geben Chunk-Grösse bestimmen und Dokumente nach Überschriften teilen.
So hilft Ihnen Alpasana
Wenn Sie lernen möchten, wie Wissenssuche und lokale KI aufgebaut werden, bietet Alpasana die Kurse KI und IT für konkrete Arbeitsaufgaben an. Beschrieben sind unter anderem Kundenservice, FAQ und die Vorbereitung von Chatbot-Wissen sowie lokale KI mit Ollama und Open-Source-Modellen, jeweils mit Praxisaufgaben und verifizierbarem Abschluss.
Erstellt mit KI-Unterstützung, redaktionell verantwortet von der Alpasana GmbH · 10.10.2026. Fehler entdeckt? Melden Sie es uns.
Weiterlesen in der Galaxie
- Wie gross sollten Textabschnitte für die KI-Suche sein?Chunk-Grösse bestimmen: So wählen Sie die Länge der Textabschnitte für die KI-Suche, testen Varianten und vermeiden zu kurze oder zu lange Treffer.
- Was bedeutet RAG bei einem Chatbot?RAG einfach erklärt: Wie ein Chatbot vor dem Antworten in Ihren Firmendokumenten nachschlägt und warum das zuverlässiger ist als reines Raten der KI.
- Wie wählen wir ein Embedding-Modell für unsere Texte?Embedding Modell auswählen: Checkliste mit Kriterien wie Sprache, Dokumenttyp, Textlänge, Betrieb und Datenschutz, plus ein einfacher Test mit eigenen Fragen.
- Warum teilt ein Chatbot Dokumente in kleine Abschnitte?RAG Chunking erklärt: Warum ein Chatbot lange Dokumente in Textabschnitte teilt, wie das Antworten und Fundstellen verbessert und worauf Sie dabei achten.
- Semantische Suche oder Stichwortsuche für unsere Dokumente?Semantische Suche oder Stichwortsuche: Welche Suche bei Ihren Dokumenten und unterschiedlichen Formulierungen bessere Treffer liefert, mit Praxistest.