Was ist der Hauptzweck des Schrittes nach der Text-Chunk-Extraktion in einer RAG-Pipeline?	Das Finden relevanter Text-Chunks, um sie als Kontext in den Prompt einzufügen.
Wie wird der Prozess des Findens relevanter Text-Chunks im Wesentlichen beschrieben?	Als ein Suchproblem (Search Problem).
Welche Methode wird am häufigsten zur Implementierung der Suche in einer RAG-Pipeline verwendet?	Semantische Suche (Semantic Search).
Was ist ein Text-Embedding?	Eine numerische Darstellung der Bedeutung, die in einem Text enthalten ist.
Welches Werkzeug erzeugt Text-Embeddings?	Ein Embedding-Modell (Embedding Model).
Wie sieht das Ergebnis eines Text-Embeddings aus?	Eine lange Liste von Zahlen (ein Vektor).
Was repräsentiert jede einzelne Zahl innerhalb eines Text-Embeddings?	Einen Score für eine bestimmte Qualität oder Eigenschaft des Eingabetextes.
Welches spezifische Modell wird im Kontext von Vertex zur Generierung von Text-Embeddings verwendet?	`text-embedding-005`.
Welches SDK ist notwendig, um auf Modelle wie `text-embedding-005` auf Vertex zuzugreifen?	Das Vertex SDK (z.B. über `pip install google-genai`).