Content-Chunking

Ob Inhalte von KI effizient genutzt werden können, hängt oft nicht von der Länge ab, sondern davon, ob die Segmentierung sinnvoll ist.

Das Ziel des Content-Chunkings ist es, Informationen in stabileren Einheiten zu speichern, damit Modelle Retrieval, Auswahl und Neuzusammensetzung leichter durchführen können.

In Ketten wie RAG und Antwortgenerierung liest das Modell fast nie einen ganzen Artikel von Anfang bis Ende.

• Zuerst den relevanten Bereich lokalisieren
• Einige Fragmente herausgreifen
• Diese dann zur endgültigen Antwort zusammensetzen

Sobald einer Seite klare Informationsblöcke fehlen, wird es für das Modell schwierig, zuverlässig die richtigen Inhalte zu erhalten.

Ein brauchbarer Block erfüllt in der Regel gleichzeitig die folgenden Punkte:

• Er behandelt nur ein Thema
• Die Überschrift ist eindeutig
• Er funktioniert auch ohne Kontext
• Wichtige Entitäten werden in diesem Abschnitt vollständig erklärt
• Der Umfang wächst nicht unbegrenzt

Man kann ihn als eine kleine Wissenseinheit betrachten, die einzeln entnommen werden kann.

• Begriffsdefinition
• Häufige Fragen und Antworten
• Ergebnis eines Vergleichs
• Handlungsschritte
• Erläuterung der Kennzahlenbedeutung
• Anwendungsvoraussetzungen
• Risikohinweise

Solche Inhalte bringen von Natur aus die Voraussetzungen mit, modellfreundliche Blöcke zu sein.

Oberflächlich betrachtet sind die Informationen vollständig, doch das Modell kann den Kern kaum schnell lokalisieren.

Zudem fällt es dem Modell schwerer zu erkennen, auf welche Frage dieser Abschnitt eigentlich antwortet.

Nach der Extraktion bleibt oft nur das Beispiel übrig, während der Definitionsteil verloren geht.

Beim Zerlegen eines langen Textes kann die folgende kleinste Einheit verwendet werden:

• Überschrift, die die Frage benennt
• Ein Satz als Fazit
• Zwei bis vier Sätze zur Erläuterung
• Bei Bedarf eine Tabelle oder Liste
• Ergänzung einer Randbedingung oder eines Hinweises

Auf diese Weise ähnelt der gesamte Inhalt eher einer Gruppe stabiler Wissensmodule als einem einzigen undurchdringlichen langen Text.

• Content-Chunking wird beim GEO-Seitendesign am häufigsten übersehen, hat aber erhebliche Auswirkungen
• Modelle verarbeiten Informationenheiten besser, die klar formuliert, kurz und in sich vollständig sind
• Ob ein Artikel zuverlässig zitiert wird, entscheiden meist die enthaltenen Blöcke, nicht die Länge des Gesamttextes
• Nur Inhaltsblöcke, die eigenständig bestehen können, gelten als wertvollstes GEO-Grundmaterial

Im Folgenden beginnt Kapitel 5 „Strategieumsetzung“, in dem der Diskussionsbereich von Seiten und Schreibweise auf Inhalts- und Markenebene ausgeweitet wird.

Content-Chunking bedeutet nicht, einen langen Text willkürlich in kleine Abschnitte zu zerschneiden; im Kern geht es darum, ein Thema in mehrere unabhängig zitierbare Wissenseinheiten zu zerlegen. Die Ausführungen des Whitepapers zu RAG und Antwortgenerierung haben bereits erklärt, warum Chunking entscheidend ist: Das Modell liest und setzt überwiegend „Fragmente“ neu zusammen, nicht ganze Webseiten. Daher sollte jedes Fragment ein klares Subjekt, eine vollständige Schlussfolgerung und den notwendigen Kontext enthalten, statt nur eines isolierten Slogans.

Ein gängiger Ansatz ist, nach Fragen statt nach visuellem Layout zu chunkern. Bei einer Tutorial-Seite können beispielsweise separate Unterabschnitte für „Definition der Kernbegriffe“, „Für welche Leser“, „Wie Schritt für Schritt vorgegangen wird“, „Häufige Fallstricke“ und „Nachahmenswerte Beispiele“ eingerichtet werden; bei einer Produktseite werden „Produktpositionierung“, „Zielgruppe“, „Vertrauensgrundlagen“ und „Häufige Fragen und Antworten“ jeweils getrennt. Jeder Block sollte auch nach dem isolierten Herausnehmen noch Bestand haben.

Bei einer Mathematik-Nachhilfeeinrichtung können beispielsweise „Erläuterung des Kursystems“, „Qualifikationen der Lehrkräfte“, „Gebührenordnung“, „Häufige Fragen und Antworten“ und „Häufige Fragen von Eltern“ jeweils eigenständige Blöcke bilden. Im Vergleich zu einem einzigen Einführungstext lassen sich diese Inhalte in kleine, klare Module aufteilen, die die KI bei der Beantwortung konkreter Fragen präziser zitieren kann.

Bei der Umsetzung von „Content-Chunking“ in der Unternehmenspraxis empfiehlt es sich, eine Überprüfung aus den vier Dimensionen „Inhalt, Struktur, Belege, Aktualisierung“ vorzunehmen. In der Inhaltsdimension ist zu prüfen, ob die Seite Begriffsdefinition, Zielgruppe, Handlungsablauf und repräsentative Beispiele klar dargelegt hat; in der Strukturdimension ist zu prüfen, ob Überschriften, Listen, Tabellen und FAQ vorhanden sind, die die KI leicht extrahieren kann; in der Belegdimension ist zu prüfen, ob Beispiele, Daten, Quellen und Anwendungsbereich ergänzt wurden; in der Aktualisierungsdimension ist zu prüfen, ob die Seite den letzten Aktualisierungszeitpunkt angibt und ob die zentralen Fakten noch gültig sind. Erst wenn alle vier Dimensionen gleichzeitig erfüllt sind, können die Methoden aus diesem Tutorial in stabile Wissenswerte umgewandelt werden.

In Verbindung mit den Fallbeispielen im Whitepaper fallen viele Teams bei der Umsetzung von „Content-Chunking“ in drei häufige Fehler. Erstens: Begriffe werden nur im Marketingtext erwähnt, aber nicht als zitierbare Wissenseinheit ausformuliert; zweitens: Es werden nur Schlussfolgerungen ergänzt, nicht aber Szenarien, Bedingungen und Gegenbeispiele, wodurch das Modell sie kaum präzise wiederverwenden kann; drittens: Inhalte werden nach der Veröffentlichung lange nicht aktualisiert, sodass ursprünglich hochwertige Seiten schrittweise an Glaubwürdigkeit verlieren. Der beste Weg, diese Fehler zu vermeiden, besteht darin, die Tutorial-Inhalte in feste Abläufe zu überführen: Jede wichtige Seite muss einen Fazit-Abschnitt, einen Beleg-Abschnitt, einen FAQ-Abschnitt, einen Fallbeispiel-Abschnitt und einen Aktualisierungszeitpunkt enthalten und von den Teams für Inhalt, Produkt und Marke gemeinsam gepflegt werden.

Wenn ein Unternehmen die grundlegende Umgestaltung des „Content-Chunkings“ abgeschlossen hat, kann es im nächsten Schritt in einen vollständigeren GEO-Workflow eingebunden werden: Zuerst werden auf der offiziellen Website Definitionen und Antwort-Assets gesammelt, dann werden mithilfe des Diagnoseberichts die Seitensignale überprüft, anschließend werden die Fragen in den Lösungsgenerator und das Keyword-Erweiterungstool aufgenommen, sodass „Inhalte sammeln, Diagnose-Feedback, Umsetzungsstrategie, Ergebnisse überprüfen“ einen geschlossenen Kreislauf bilden. Der Wert liegt nicht nur darin, lange Artikel zu ergänzen, sondern vielmehr darin, dass ein einzelnes Tutorial zu einer Vorlage wird, die bei der späteren Umsetzung direkt wiederverwendet werden kann.