Produktwissen für KI-Agenten: 
Markdown Dateien oder Vektor Datenbank?

Bild wurde mir KI generiert

Zwei Wege für Produktwissen

Hast Du Dich schon einmal gefragt, wie man einen KI Agenten mit eigenen unternehmerischen Informationen so trainieren kann, dass er für Deine Kunden sämtliche Fragen zu den Produkten beantworten kann? Ja, sogar dann als persönlicher Assistent arbeitet und einfache wiederkehrende Fragen beantworten kann? Dann solltest Du hier weiterlesen. 

Ein KI-Agent beantwortet Fragen nicht automatisch korrekt, nur weil ein Sprachmodell wie ChatGPT, Claude oder Gemini eingesetzt wird. Er braucht auch passende Informationen zu Produkten und technischen Daten als Wissenebasis.

Dafür gibt es zwei grundlegende Wege: Die Informationen können dem Agenten direkt als MD Dateien (Markdown Dateien) zur Verfügung gestellt werden. Oder die Informationen werden vorher in einer sogenannten Vektor Datenbank indexiert und gespeichert. Das ist eine Datenbank, die Inhalte nicht nur nach gleichen Wörtern, sondern auch nach ihrer Bedeutung durchsuchen kann.

Welche Variante sinnvoll ist, hängt vor allem davon ab, wie viele Informationen vorhanden sind und wie oft sie aktualisiert werden.

Ein einfaches Beispiel mit Markdown-Dateien

Nehmen wir an, jedes Produkt erhält eine eigene Markdown-Datei. Das ist eine einfache Textdatei mit Überschriften und klarer Struktur. Darin könnten Produktname, Eigenschaften, technische Daten, Varianten und Einschränkungen stehen. Diese Dateien lassen sich sehr einfach mit einem Text Editor erstellen, oder aber auch widerum in ChatGPT oder Claude per PROMPT generieren und herunterladen.
Du kannst hier z.B. bereits eine PDF Datei von Deinem Produktkatalog verwenden und dem PROMPT beifügen. Hier kann dann ChatGPT bereits die PDF untersuchen und eine MD Datei erstlellen.

Wiederkehrende Aufgaben kosten Zeit. Ein gut geplanter Workflow kann Informationen sammeln, prüfen und an die richtige Person weitergeben.

Beispiel einer MD Datei die man zum Beispiel in einem Texteditor so erstellen kann. Wichtig ist die Datei mit der Dateiendung .md zu speichern:

# Das ist eine Überschrift

Markdown ist eine einfache Möglichkeit, Texte zu strukturieren.

## Das ist eine Zwischenüberschrift

Ein Wort kann **fett** oder *kursiv* geschrieben werden.

- Erster Listenpunkt
- Zweiter Listenpunkt
- Dritter Listenpunkt

Ein Link wird so geschrieben: [Meine Webseite](https://efren.de).

> So erstellt man ein Zitat.

Anschliessend, stellst Du Deinem Agenten diese Datei als Anhang zur Verfügung so dass diese Information dem Agenten immer und jederzeit zur Verfügung steht. Die Dateien sind dann die Wissensbasis. Das ist einfach nachvollziehbar und kann für einen kleinen Produktbereich ausreichen.
Wenn nun ein Agent eine Frage erhält, kann er so sehr schnell und einfach die entsprechende Dateien durchsuchen und die Antwort entsprechend korrekt beantworten.

Wird der Produktkatalog allerdings größer, ist eine Vektor Datenbank oft sinnvoller. Die Markdown-Dateien werden dann indexiert, in kleinere Abschnitte aufgeteilt und semantisch sortiert und verschlagwortet dort gespeichert. Fragt jemand beispielsweise nach einer bestimmten Kompatibilität, sucht der Agent zuerst die passenden Abschnitte in der Vektor Datenbank. Erst diese Informationen nutzt er für seine Antwort.

Die MD-Dateien und die Vektor Datenbank sind also nicht dasselbe: Die Dateien enthalten das Produktwissen. Die Vektor Datenbank hilft dabei, daraus bei vielen Inhalten gezielt passende Stellen zu finden.

Warum sollte ich die Daten als MD-Dateien oder als Vektor Datenbank zur Verfügung stellen?

Egal welches Sprachmodell eingesetzt wird für einen KI Agenten, so ist es wichtig, wenn dieser die Aufgabe erhält unternehmerische Informationen zu verwenden um diese bestmöglich zu verarbeiten, dass er die Daten in einem machschinenlesbarem Format erhält.

Ein PDF Dokument enthält zwar oftmals Text, aber meistens sind die Inhalte noch visuell mit Grafiken und Bildern vermischt. Hier kann es daher passieren, dass ein Agent diese Informationen nicht korrekt erkennt und daher die Qualität der Antworten nicht dem entspricht, was erwartet wird. Daher eignenen sich PDF Dokumente nur bedingt als Wissenbasis.

Sogenannte Markdown Dateien enthalten keine Grafiken und nur sehr simple Textformatierungen. Daher kann ein Agent diese Informationen um ein vielfaches besser, schneller und effizienter verarbeiten. Eine Vektor Datenbank geht sogar einen Schritt weiter und erlaubt es semantische Gruppierungen und Verschlagwortung zu erstellen. Das ist besonders bei sehr vielen Informationen sinnvoll.