187 - Die eigene Bibliothek

Wir erzählen mal von einem eigenen Projekt statt von einem fremden: An einem verregneten Wochenende im Dezember haben wir uns aus ein paar YouTube-Kanälen eine eigene Wissensdatenbank gebaut, mit der man reden kann. YouTube ist ein Kiosk — alles liegt aus, du siehst die Titelbilder, und wer den einen Satz aus Video siebenhundert sucht, hat verloren. Wir haben die Bibliothek daneben gestellt. Die Folge geht den ganzen Weg durch: herunterladen, transkribieren, das fehlerhafte Transkript geradeziehen, einbetten, fragen. Und sie sagt auch, was wir bewusst weggelassen haben.

• Warum die Rohmitschrift das erste Problem ist: Whisper verhört sich bei genau den Fachbegriffen, nach denen du später suchst
• Das Lektorat davor: ein Sprachmodell zieht das Transkript gerade — und warum wir nicht nachprüfen, ob es dabei etwas erfindet
• Der selbstgebaute RAG, bewusst unspektakulär: Vektordatenbank, kleines Embedding-Modell, stumpf geschnitten — und warum kluges Chunking hier nichts gebracht hätte
• Was man davon hat: die Antwort plus die Videos, aus denen sie stammt, deutsche Antworten auf englische Videos, und eine Nachricht, sobald etwas Neues erscheint
• Der Graubereich, offen angesprochen: Wo er für uns aufhört — und warum das jeder für sich selbst entscheiden muss

Die Lösung ist Open Source: https://github.com/KI-Gilde/youtube-library

Die Stimmen in diesem Podcast sind künstlich erzeugt. Die Inhalte stammen von uns.