Zum Inhalt springen

Sequential Depth Exploration: Umfassende Dokumentanalyse mit ChatGPT

Bei der KI-gestützten Textanalyse stößt man häufig auf das Problem des begrenzten Kontextfensters, was bedeutet, dass ein Modell nur eine bestimmte Menge an Text auf einmal verarbeiten kann. Dies kann besonders herausfordernd sein, wenn man mit umfangreichen Dokumenten arbeitet. Doch keine Sorge, es gibt eine clevere Prompting-Technik, die dabei hilft, dieses Hindernis zu überwinden. Ich habe diese Technik entwickelt, um umfangreiche Dokumente zusammenfassen zu können, ohne dieses selbst in mehrere Abschnitt aufteilen und einzeln nochladen zu müssen. Mit Hilfe von ChatGPT habe ich sie SDE (Sequential Depth Exploration) getauft.

Hier ist ein praktisches Beispiel, wie ich diese Methode erfolgreich eingesetzt habe, um wichtige Informationen aus einem detaillierten Dokument über KI-Richtlinien im Journalismus zu extrahieren:

Schritt 1: Initialer Überblick und gezielte Anfragen

Zuerst bat ich das KI-Modell, das hochgeladene Dokument (PDF) zu öffnen und einen allgemeinen Überblick zu geben. Dies half mir, das Thema und den Umfang des Dokuments zu verstehen.

[PDF]
Bitte sag mir, was das für ein Dokument ist und um was es grob darin geht

Anstatt jedoch nach einer vollständigen Analyse zu fragen, konzentrierte ich mich auf spezifische Punkte innerhalb des Dokuments, indem ich gezielte Fragen stellte. Dies ermöglichte es der KI, sich auf relevante Teile zu konzentrieren und präzisere Informationen zu liefern.

Kannst Du die wichtigsten Regeln für Journalist:innen und Journalisten hier auflisten?

Schritt 2: Fortlaufende Erkundung

Nachdem ich die ersten Informationen erhalten hatte, folgte ich mit weiteren Fragen, um tiefer in das Material einzutauchen.

Sind das alle Regeln?

Anstatt die KI zu bitten, das gesamte Dokument in einem Durchgang zu analysieren, nutzte ich eine sequenzielle Annäherung. Ich bat um die Aufzählung weiterer Regeln und Richtlinien aus dem Dokument, beginnend an der Stelle, an der wir zuvor aufgehört hatten.

Bitte gehe das restliche Dokument durch, ab dem Teil, in dem Chancen digitaler Technologien genutzt werden sollen

Schritt 3: Überprüfung und Fortsetzung

Um sicherzustellen, dass keine weiteren wichtigen Informationen ausgelassen wurden, fragte ich spezifisch nach, ob es nach einem bestimmten Punkt im Dokument noch weitere relevante Punkte gab. Diese Methode der Überprüfung und fortlaufenden Anfrage stellt sicher, dass alle wesentlichen Inhalte erfasst werden, auch wenn das Dokument die Kontextgrenzen der KI überschreitet.

Folgen nach Punkt 7 Wahrung der Privatsphäre und des Datenschutzes der Nutzer noch weitere Punkte im Dokument?

Fazit

Die „Sequential Depth Exploration“ Prompting-Technik ist besonders nützlich, wenn Sie mit umfangreichen Texten oder komplexen Themen arbeiten. Indem Sie das Dokument Schritt für Schritt durchgehen und gezielte Fragen stellen, können Sie die KI effektiv dazu nutzen, tiefergehende und spezifischere Einblicke zu gewinnen, auch wenn die Größe des Dokuments die Kapazität des Kontextfensters übersteigt. Selbstverständlich lässt sich das Ganze in einer eigenen Software, die GPT-4 mittels API verwendet auch einfacher lösen, aber für ChatGPT PLUS Nutzer:innen ist es aus meiner Sicht eine tolle Möglichkeit umfangreiche Dokumente zusammenzufassen.

In dem geteilten Chat unter: https://chat.openai.com/share/a4b7705c-191d-4161-a0b4-fc8dd4829746 kannst Du den gesamten Verlauf inklusive die Anweisungen zur Erstellung dieses Blogbeitrags, sowie des Namens für die Technik einsehen!

Kai Spriestersbach

Kai Spriestersbach

Kai Spriestersbach ist erfolgreicher Unternehmer und digitaler Stratege mit einem Master-Abschluss in Web Science. Er ist Inhaber von AFAIK und WebmasterPro und verfügt über mehr als 20 Jahre Erfahrung im Aufbau und der Optimierung von webbasierten Geschäftsmodellen. Als einer der erfahrensten Search Marketing Experten im deutschsprachigen Raum hat er mehr als 25 Vorträge auf SEO- und Online-Marketing-Konferenzen in Deutschland und Österreich gehalten. In den letzten Jahren hat er sich intensiv mit Large Language Models beschäftigt und sich als Experte für die Textgenerierung mit Hilfe künstlicher Intelligenz etabliert. Seine Karriere begann er mit einer Ausbildung zum Mediengestalter (IHK), bevor er den Bachelor of Science (B.Sc) in E-Commerce absolvierte. Anschließend erwarb er den Master of Science (M.Sc) in Web Science und forscht aktuell an der RPTU im Bereich angewandter generativer KI.

×