Was ist Contextual Retrieval?	Eine Technik zur Verbesserung der Genauigkeit von RAG-Pipelines.
Welches Problem löst Contextual Retrieval im Chunking-Prozess?	Einzelne Text-Chunks enthalten oft keinen Kontext des ursprünglichen Dokuments.
Wie wird ein "contextualized chunk" erstellt?	Durch das Hinzufügen von Kontext, den ein LLM (z.B. Claude) generiert, basierend auf dem Chunk und dem Quelltext.
Was ist der finale Input für den Vektor- und BM25-Index?	Der "contextualized chunk" (Original-Chunk + LLM-generierter Kontext).
Wie kann man Contextual Retrieval anwenden, wenn das Quell-Dokument zu groß für einen Prompt ist?	Man reduziert den Input auf Starter-Chunks und Chunks unmittelbar vor dem Ziel-Chunk.
Welche Funktion haben "Starter Chunks" in einem großen Dokument?	Sie liefern eine Zusammenfassung oder einen Überblick über das gesamte Dokument.
Welche Funktion haben Chunks, die unmittelbar vor dem Ziel-Chunk liegen?	Sie liefern den direkten, lokalen Kontext für den spezifischen Chunk.
Was ist der Hauptvorteil von Contextual Retrieval?	Erhöhte Genauigkeit, insbesondere bei komplexen Dokumenten mit starken thematischen Verbindungen.