Was ist der Hauptzweck des "Contextual Retrieval" in einer RAG-Pipeline?	Es fügt fehlenden Kontext zu einzelnen Text-Chunks hinzu, die beim Splitting des Originaldokuments verloren gehen.
Wie wird der Kontext bei der Kontextualisierung generiert?	Ein LLM (z.B. Claude) wird angewiesen, basierend auf dem einzelnen Text-Chunk und dem gesamten Quelltext zusätzlichen Kontext zu schreiben.
Was ist ein "contextualized chunk"?	Die Kombination aus dem ursprünglichen Text-Chunk und dem vom LLM generierten zusätzlichen Kontext.
Was ist das Problem, wenn das Originaldokument sehr groß ist?	Es kann nicht in einen einzigen Prompt für das LLM (z.B. Claude) passen.
Welche Strategie wird angewendet, wenn das Originaldokument zu groß ist?	Man schließt nur spezifische Chunks ein: Starter-Chunks und Chunks, die direkt vor dem Ziel-Chunk liegen.
Welche Funktion haben die "starter chunks" bei der Kontextualisierung?	Sie liefern eine allgemeine Zusammenfassung oder eine Erklärung des gesamten Dokuments.
Welchen Zweck erfüllen die Chunks, die direkt vor dem Ziel-Chunk liegen?	Sie liefern spezifischen Kontext für den Inhalt des Ziel-Chunks selbst.
Wohin wird der "contextualized chunk" nach der Erstellung gegeben?	Er wird als Input in den Vektor-Index und den BM25-Index gegeben.