Content-Library
Die Content-Library ist das Herzstück eures Wissens: Hier werden Dokumente, Texte, Medien, Sprachaufnahmen und Webinhalte zentral erfasst und automatisch zu durchsuchbarem, vernetztem Wissen aufbereitet. So wird aus einer reinen Dateisammlung eine strukturierte Wissensbasis.
Was ist die Content-Library?
Die Content-Library erfasst Inhalte aus unterschiedlichsten Quellen und veredelt diese. Texte und Transkripte werden extrahiert, in sinnvolle Einheiten segmentiert, mit semantischem Kontext angereichert und untereinander vernetzt. Das Resultat ist keine einfache Dateiablage, sondern eine kuratierte Wissensbasis, die als Grundlage für Recherchen, den Assistant und Personas dient.
Der Unterschied zu herkömmlichen RAG-Systemen
Während viele Standard-Plattformen beim sogenannten RAG (Retrieval-Augmented Generation) Dokumente oft starr nach Zeichenlänge zerschneiden und als isolierte Textbausteine ablegen, geht Karlo einen entscheidenden Schritt weiter: Inhalte werden semantisch sinnvoll zerlegt und der ursprüngliche Bedeutungskontext bleibt erhalten. Zudem werden Entitäten (wie Personen oder Themen) erkannt und dokumentübergreifend verknüpft. Statt einer flachen Vektordatenbank entsteht so ein echter Wissensgraph. Das verhindert den typischen Kontextverlust und führt zu deutlich präziseren, zusammenhängenden Antworten.
Funktionen und Möglichkeiten
- Inhalte erfassen (Ingest): Ladet Dokumente und Medien hoch oder bindet ausgewählte Webquellen ein. Die Texte werden automatisch extrahiert und aufbereitet.
- Wissen per Interview erfassen: Nutzt das integrierte Interview-Tool, um implizites Wissen direkt über Sprachaufnahmen festzuhalten. Die Audiospuren werden automatisch transkribiert und nahtlos als durchsuchbarer Text in die Wissensbasis integriert.
- Unterthemen-Extraktion: Umfangreiche Inhalte werden in thematische Abschnitte und kleinere Wissenseinheiten zerlegt, damit Suchanfragen exakt den passenden Ausschnitt liefern.
- Vernetzung über Entitäten: Personen, Organisationen, Orte und Themen werden als Entitäten identifiziert und inhaltsübergreifend verknüpft. Dadurch entsteht ein navigierbares Wissensnetz.
- Semantische Anreicherung: Inhalte erhalten Metadaten und Bedeutungskontext für die semantische Suche. So werden Informationen auch bei der Verwendung von Synonymen oder abweichenden Begriffen zuverlässig gefunden.
- Quellenbindung: Jeder aufbereitete Inhalt bleibt dauerhaft mit seiner Originalquelle und dem jeweiligen Versionsstand verknüpft.
Erste Schritte
- Bereich öffnen: Navigiert in den Bereich „Erfassen“ und öffnet dort die Content-Library.
- Inhalte hinzufügen: Ladet ein Dokument hoch, fügt eine Webquelle hinzu oder zeichnet euer Wissen direkt über das Interview-Tool als Sprachaufnahme auf.
- Verarbeitung abwarten: Die Plattform bereitet den Inhalt anschließend automatisch auf (Transkription, Extraktion, Zerlegung, Anreicherung).
- Ergebnis prüfen: Öffnet den verarbeiteten Inhalt, um die erkannten Abschnitte, Entitäten und Verknüpfungen einzusehen.
- Wissen nutzen: Stellt dem Assistant eine Frage – die Antworten basieren nun auch auf diesem neu hinzugefügten Inhalt.
Hinter den Kulissen
Sobald ein Inhalt im System erfasst wird, durchläuft er eine automatisierte Aufbereitungs-Pipeline: Der Text (oder das Transkript einer Sprachaufnahme) wird extrahiert, in Abschnitte und kleinere Einheiten („Chunks“) zerlegt, semantisch beschrieben und mit Entitäten verknüpft. Auch visuelle und auditive Inhalte werden so inhaltlich strukturiert erfasst und dadurch auffindbar gemacht. Diese Prozesse laufen vollständig im Hintergrund ab – ihr erhaltet direkt das durchsuchbare Endergebnis.
Zusätzliche Hinweise
- Die semantische Anreicherung bildet den zentralen Unterschied zu einer klassischen Dateiablage: Inhalte werden nicht nur gespeichert, sondern inhaltlich erschlossen und vernetzt.
- Ihr behaltet die volle Informationshoheit: Es wird ausschließlich das Wissen integriert, das ihr bewusst in das System aufnehmt.
Weiter: Data-Library · Verwandt: Assistant & Deep Research, Wissenszugriff per MCP