Blog /KI

Die Integration von KI in die Inhaltserstellung von Drupal funktioniert gut für Textfelder, aber die Taxonomiezuordnung bleibt eine bedeutende Herausforderung. KI extrahiert Konzepte mit natürlicher Sprache, während Drupal-Taxonomien exakte vordefinierte Begriffe erfordern und die beiden selten übereinstimmen. Dieser Artikel untersucht, warum gängige Ansätze wie String-Matching und Keyword-Mapping scheitern und stellt die Kontextinjektion als eine in der Produktion bewährte Lösung vor, die das semantische Verständnis von KI nutzt, um direkt aus der Aufforderung korrekte Taxonomiebegriffe auszuwählen.

Die Qualität der PDF-Datenauswertung bestimmt direkt die Genauigkeit von KI. Bei der Entwicklung des Dokumentverarbeitungssystems von BetterRegulation stellten wir fest, dass eine naive Auswertung 40-60% der Kontextfenster auf PDF-Artefakte verschwendet. Nach der Bewertung von ChatGPT API, herkömmlichen Python-Bibliotheken und Unstructured.io, erreichten wir eine Token-Reduzierung von 30% und eine deutliche Verbesserung der Dokumentenkategorisierung. Hier ist, was wir gelernt haben.

AI Automators verwandelt komplexe AI-Workflows von Code in Konfiguration. Diese Fallstudie zeigt, wie BetterRegulation produktionsreife AI-Workflows erstellte, die monatlich über 200 Dokumente mit einer Genauigkeit von über 95% verarbeiten - unter Verwendung von mehrstufigen Ketten, Hintergrundwarteschlangen und von Administratoren verwalteten Aufforderungen. Kein individueller Integrationscode erforderlich.

Informationsbeschaffung, Erstellung von Inhalten, Korrekturlesen, SEO-Optimierung, Vorbereitung von Tags – all diese Aufgaben beanspruchen einen erheblichen Teil der Zeit des Redaktionsteams. Was wäre, wenn Sie diese Recherchezeit durch automatisierte Inhaltsproduktion um bis zu 90% reduzieren könnten? In diesem Artikel stelle ich eine praktische Drupal-Konfiguration vor, die AI-gestützte Module verwendet, um redaktionelle Inhalte mit minimalem manuellem Aufwand zu erstellen. Dies beinhaltet die automatische Informationsbeschaffung auf der Grundlage des Titels, die Erzeugung von Tags, die Erstellung von Inhalten und das Abrufen detaillierter Daten – alles direkt in Ihrem CMS, ohne zwischen verschiedenen Tools wechseln zu müssen. Lesen Sie weiter oder schauen Sie sich die Folge aus der Nowoczesny Drupal-Reihe an.

Die AI-Dokumentenverarbeitung verändert das Content Management in Drupal. Durch die Integration mit AI-Automatisierungen, Unstructured.io und GPT-Modellen können Redaktionsteams mühsame Aufgaben wie die Extraktion von Metadaten, die Anpassung von Taxonomien und die Generierung von Zusammenfassungen automatisieren. Diese Fallstudie zeigt, wie BetterRegulation die AI-Dokumentenverarbeitung in ihrer Drupal 11 Plattform implementiert hat und dabei eine Genauigkeit von 95%+ und eine Zeitersparnis von 50% bei redaktionellen Arbeiten erreicht hat.

Freitag, 14:00 Uhr. Neuer Entwickler, Produktionsfehler. Etwas ist mit einem benutzerdefinierten Warteschlangenarbeiter kaputt. In der Vergangenheit bedeutete dies, den vorherigen Entwickler zu verfolgen, Konsultationen, Zeitverschwendung – alles an einem Freitag. Jetzt? Der Entwickler fragt die künstliche Intelligenz und AI antwortet mit nützlichen Antworten, weil sie das Projekt kennt. Wie? Nur eine Datei: AGENTS.md.

Attu ist ein leistungsstarkes Werkzeug, das die Arbeit mit der Milvus-Vektor-Datenbank erheblich vereinfacht. Anstatt Python-Code zu schreiben oder die API zu verwenden, können Sie Sammlungen verwalten, nach Vektoren suchen und das System über eine intuitive grafische Benutzeroberfläche überwachen. Dank Attu wird die Arbeit mit Milvus nicht nur für erfahrene Entwickler, sondern auch für Datenanalysten und AI-Projektmanager zugänglich.

Moderne Unternehmensintranets speichern enorme Mengen an Dokumenten, Verfahren, Anweisungen und organisatorischem Wissen. Die traditionelle Schlüsselwortsuche versagt oft, wenn Benutzer mit anderen Begriffen, als in den Dokumenten vorhanden, nach Informationen suchen. Problem: Ein Mitarbeiter sucht nach "Wie konfiguriere ich den Zugang zum Zahlungssystem", aber das Dokument enthält den Ausdruck "Zahlungsintegrationskonfiguration". Lösung: RAG (Retrieval-Augmented Generation) mit einer Vektordatenbank ermöglicht semantische Suche.

Vektor-Datenbanken sind zu einer Schlüsselkomponente moderner KI-Anwendungen in Drupal geworden. Dank der Integration mit dem AI-Suchmodul ermöglichen sie semantische Inhaltssuche, Reduzierung von Halluzinationen in KI-Chatbots und Implementierung fortgeschrittener RAG (Retrieval Augmented Generation) Funktionen. Die Wahl des richtigen VDB-Anbieters kann die Leistung, die Kosten und die Skalierbarkeit Ihrer KI-Lösung in Ihrem Drupal-Projekt erheblich beeinflussen.