Auf den Punkt: TAKC komprimiert Wissensdatenbanken mit 8x bis 64x Reduktion offline für spezifische Aufgabentypen, wodurch Querverbindungen zwischen Dokumenten erhalten bleiben, die Ähnlichkeitssuche übersieht.
AWS präsentiert Task-aware Knowledge Compression (TAKC), eine Methode zur Vorverarbeitung großer Dokumentensammlungen in aufgabenspezifische, komprimierte Repräsentationen. Das Verfahren überwindet die Grenzen von Retrieval-Augmented Generation bei komplexen analytischen Aufgaben über hunderte Dokumente hinweg.
Retrieval-Augmented Generation (RAG) stößt bei vielschichtigen Analysefragen an seine Grenzen, wenn Dutzende oder Hunderte von Dokumenten zusammenhängende Informationen enthalten, deren Verbindungen keine lexikalische Ähnlichkeit aufweisen. Ein Beispiel: Bei einer Due-Diligence-Prüfung für eine 500-Millionen-Dollar-Akquisition müssen Analysten Finanzberichte aus 12 Tochtergesellschaften, 200+ Lieferverträge, Compliance-Berichte von 8 Standorten und über 50 Rechtsstreite durcharbeiten. Fragen nach konsolidiertem Finanzrisiko unter Berücksichtigung von Lieferantenbedingungen und schwebenden Rechtsstreitigkeiten können mit Standard-RAG-Ähnlichkeitssuche nicht verlässlich beantwortet werden, da die Informationen über viele Dokumente verteilt sind.
TAKC löst dieses Problem durch eine zweistufige Herangehensweise: Im Offline-Prozess komprimiert ein Sprachmodell ganze Dokumente in aufgabenspezifische Zusammenfassungen – nicht generisch, sondern orientiert an der jeweiligen Aufgabe. Ein Jahresbericht zur Finanzanalyse wird auf Umsatzfiguren, Gewinnmargen und Cashflow-Daten reduziert, während derselbe Bericht zur Compliance-Überprüfung Regulierungszitate und Verstöße hervorkehrt. Die Kompressionsverhältnisse reichen von 8x bis 64x, wobei die ursprüngliche Information für die spezifische Aufgabe erhalten bleibt. Für Produktionsumgebungen empfiehlt AWS, Kompressionsvorgaben in versionierter Form zu speichern (etwa über AWS Systems Manager Parameter Store), um Änderungen nachvollziehbar zu machen und Neukompression bei Aktualisierung auszulösen.
Bei Anfragen wird die vorkomprimierte Repräsentation statt des Originaldokuments abgerufen. Das System greift dabei auf die gesamte Wissensdatenbank in komprimierter Form zu, nicht nur auf die Top-k Chunks einer Ähnlichkeitssuche. Dies bewahrt auch Verbindungen zwischen Dokumenten, da die Kompression sie zusammen analysiert. TAKC bietet vier Kompressionsstufen pro Aufgabentyp an: Die schwächste Kompression (8x) behält etwa 87,5 % weniger Kontext, reicht aber für mehrstufiges Reasoning und dokumentenübergreifende Synthesen aus. Mittlere Kompression (16x) reduziert Kontext um etwa 93,8 % für Analysefragen mittlerer Komplexität. Höhere Kompressionsstufen (32x, über 96,9 % Reduktion) eignen sich für Faktenlookups und klar definierte Fragen. Ein intelligenter Query-Analyzer leitet Anfragen bei unzureichender Detailtiefe an schwächer komprimierte Ebenen weiter.
AWS stellt eine vollständige Open-Source-Implementierung bereit, die Kunden in ihrem eigenen Account deployen können. Die Methode ist besonders für Unternehmen relevant, die komplexe Due-Diligence-Prozesse, Compliance-Analysen oder behördenübergreifende Audits durchführen und dabei auf konsistente Antworten über fragmentierte Dokumentenbestände hinweg angewiesen sind.
Quelle: aws.amazon.com · Erschienen 27. Juli 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.7.3.