Was ist das Hauptproblem, das gelöst werden muss, wenn ein Benutzer eine Frage in einer RAG-Pipeline stellt?	Das Finden relevanter Text-Chunks aus dem gesamten Dokument.
Wie wird das Problem des Findens relevanter Text-Chunks in einer RAG-Pipeline typischerweise gelöst?	Durch semantische Suche (Semantic Search).
Welches Konzept nutzt die semantische Suche, um die Bedeutung von Text-Chunks zu verstehen?	Text-Embeddings.
Was ist ein Text-Embedding?	Eine numerische Darstellung der im Text enthaltenen Bedeutung.
Welches Werkzeug erzeugt Text-Embeddings?	Ein Embedding-Modell (Embedding Model).
Wie ist ein Text-Embedding strukturiert und welchen Wertebereich haben die Zahlen?	Es ist eine lange Liste von Zahlen, die typischerweise von -1 bis 1 reichen.
Was repräsentieren die einzelnen Zahlen innerhalb eines Text-Embeddings?	Sie sind Scores für verschiedene Qualitäten oder Aspekte des Eingabetextes (obwohl der genaue Zusammenhang unbekannt ist).
Welcher Anbieter wird für die Generierung von Text-Embeddings empfohlen?	Voyage AI.
Wie muss der API-Schlüssel von Voyage AI im Projekt konfiguriert werden?	Er muss im `.env`-File unter dem Namen `VOYAGE_API_KEY` gespeichert werden.