Dateien im Datenraum

Dateien#

Laden Sie Dateien in den Datenraum hoch, indem Sie auf die Schaltfläche Dateien hochladen klicken.

Unterstützte Dateitypen#

AITEZA unterstützt eine Vielzahl von Dateiformaten für die Dokumentenverarbeitung. Dateien werden automatisch verarbeitet und für den Abruf indiziert.

Dokumente

• PDF (.pdf): Portable Document Format, einschließlich gescannter Dokumente
• Word (.doc, .docx): Microsoft Word-Dokumente (alt und modern)
• PowerPoint (.ppt, .pptx): Microsoft PowerPoint-Präsentationen
• Excel (.xls, .xlsx): Microsoft Excel-Tabellen
• OpenDocument (.odt, .ods, .odp): LibreOffice- und OpenOffice-Textdokumente, -Tabellen und -Präsentationen
• RTF (.rtf): Rich Text Format
• Klartext (.txt): Klartextdateien
• Markdown (.md): Markdown-formatierter Text
• CSV (.csv): Durch Kommas getrennte Werte
• HTML/XML (.html, .htm, .xml): Web- und Markup-Dateien

Bilder

• JPEG (.jpg, .jpeg): Gängiges Bildformat
• PNG (.png): Portable Network Graphics
• TIFF (.tiff, .tif): Tagged Image File Format
• BMP (.bmp): Bitmap-Bilder
• GIF (.gif): Graphics Interchange Format

Audio (mit automatischer Transkription)

• MP3 (.mp3): MPEG Audio Layer 3
• WAV (.wav): Waveform Audio File Format
• FLAC (.flac): Free Lossless Audio Codec
• AAC (.aac, .m4a): Advanced Audio Coding
• OGG (.ogg): Ogg Vorbis Audio
• WebM (.webm): WebM Audio
• WMA (.wma): Windows Media Audio
• AIFF (.aiff): Audio Interchange File Format

E-Mail

• Outlook (.msg): Microsoft Outlook-Nachrichten
• EML (.eml): Standard-E-Mail-Format (RFC 822)
• MBOX (.mbox): Mailbox-Format für mehrere E-Mails

Archive

• ZIP (.zip): Gängiges Archivformat
• TAR (.tar): Tape-Archive-Format
• 7-Zip (.7z): 7-Zip-komprimiertes Archiv
• GZIP (.gz): Gzip-komprimierte Datei
• BZIP2 (.bz2): Bzip2-komprimierte Datei
• XZ (.xz): XZ-komprimierte Datei

Dateien über 100 MB werden gespeichert, aber nicht zu durchsuchbarem Inhalt verarbeitet.

Mehrere Dateien auswählen#

Die Dateiliste bietet eine Funktion zum Auswählen aller Dateien auf einmal, statt sie einzeln anklicken zu müssen. Das beschleunigt Massenaktionen bei vielen Dateien, etwa das gleichzeitige Verschieben mehrerer Dateien in einen anderen Datenraum oder das gemeinsame Wiederholen von Embeddings für mehrere Dateien.

PDF-Viewer und Datei-Inhaltsanzeige#

Wenn Sie eine Datei aus der Dateiliste öffnen, zeigt die Inhaltsanzeige die extrahierte Markdown-Repräsentation an. Bei PDFs wird das Originaldokument neben dem Markdown angezeigt. Word-, Excel-, PowerPoint- und unterstützte OpenDocument-Dateien lassen sich ebenfalls direkt als PDF-Vorschau öffnen, sodass Sie deren Inhalt schnell einsehen können, ohne die Datei herunterzuladen oder in einem separaten Programm zu öffnen. Die Anzeige bietet mehrere Werkzeuge:

• Versionsverlauf: Alle Versionen der Datei mit Typindikatoren und Notizen anzeigen.
• MD kopieren: Den extrahierten Markdown-Inhalt in die Zwischenablage kopieren.
• Download: Die Originaldatei oder die extrahierte Markdown-Datei herunterladen.
• Bearbeiten: Den integrierten Markdown-Editor öffnen, um Dateiinhalte direkt zu bearbeiten.
• Suchhervorhebung: Suchbegriffe werden im Dokumentinhalt hervorgehoben.

Dateiversionierung#

Dateien in Datenräumen haben einen vollständigen Versionsverlauf. Jede Änderung, ob Erstupload, manuelle Bearbeitung, Neuverarbeitung oder Dateiersetzung, erstellt eine neue Version, die verfolgt und wiederhergestellt werden kann.

Dateiinhalt bearbeiten#

Sie können Dateiinhalte direkt mit dem integrierten Rich-Text-Markdown-Editor bearbeiten. Jede Bearbeitung erstellt automatisch eine neue Version und bewahrt den vollständigen Verlauf.

Neue Dateiversion hochladen#

Sie können eine neue Datei hochladen, um das Quelldokument zu ersetzen, wobei der vollständige Versionsverlauf erhalten bleibt.

Audiodateien und Transkripte#

Audiodateien werden in Text umgewandelt, statt wie Dokumente verarbeitet zu werden. Während eine Aufnahme transkribiert wird, zeigt die Dateiliste den Status Transkribieren.

Öffnen Sie eine transkribierte Aufnahme, zeigt die Inhaltsanzeige statt des extrahierten Markdowns das Transkript:

• Wiedergabe: Spielen Sie die Aufnahme ab, springen Sie an eine beliebige Stelle und ändern Sie die Geschwindigkeit (1×, 1,25×, 1,5×, 2×). Die gerade gesprochene Passage wird hervorgehoben und bleibt sichtbar.
• Passagen mit Zeit: Jede Passage hat eine eigene Startzeit. Klicken Sie auf eine Zeit oder den Text einer Passage, um die Aufnahme ab dort abzuspielen.
• Sprecher: Kann das Transkriptionsmodell Sprecher unterscheiden, sind die Passagen mit Sprecher 1, Sprecher 2 usw. gekennzeichnet. Der Name steht jeweils dort, wo der Sprecher wechselt.
• Suche (Im Transkript suchen): Suchbegriffe werden im Transkript hervorgehoben. Mit Enter oder den Pfeiltasten wechseln Sie zwischen den Treffern.
• Zitate: Öffnen Sie eine Aufnahme über eine Quelle in einer Chat-Antwort, werden die zitierten Wörter hervorgehoben und angezeigt. Ein Zitat einer älteren Version zeigt das Transkript dieser Version; die Wiedergabe ist dort ausgeblendet, da die Aufnahme inzwischen ersetzt worden sein kann.

Dateien in einen anderen Datenraum verschieben#

Besitzer und Bearbeiter können eine Datei in einen anderen Datenraum verschieben, auf den sie Zugriff haben. Das Verschieben einer Datei entfernt sie aus dem ursprünglichen Datenraum und indiziert sie im Ziel-Datenraum neu; zukünftiges Abrufen verwendet nur den Ziel-Datenraum.

Dateien neu verarbeiten#

Sie können vorhandene Dateien neu verarbeiten, um ihren Inhalt und ihre Einbettungen mit verschiedenen Verarbeitungs-Pipelines zu aktualisieren. Dies ist nützlich, wenn:

• Verarbeitungsalgorithmen aktualisiert wurden.
• Die anfängliche Verarbeitung den Inhalt nicht korrekt extrahiert hat (z. B. gescannte Dokumente).
• Sie ein anderes Verarbeitungsmodell für bessere Ergebnisse ausprobieren möchten.

Verarbeitungs-Pipelines#

AITEZA bietet vier Verarbeitungs-Pipelines. Wählen Sie die Stufe passend zum Dokument; höhere Stufen analysieren Inhalte intensiver.

Die vierte Pipeline erzeugt im Hintergrund einen neuen PDF-Export mit bereinigten Metadaten und analysiert diesen anschließend visuell. Verwenden Sie sie, wenn sich ein PDF mit den ersten drei Pipelines nicht zuverlässig verarbeiten lässt.

Verwendung einer VLM-Pipeline#

Die VLM-Pipelines verwenden KI-Vision-Modelle, um Dokumentinhalte zu verstehen und zu extrahieren. Sie eignen sich besonders für:

• Gescannte oder fotografierte Dokumente mit schlechter Qualität.
• Dokumente mit komplexen visuellen Layouts.
• Handschriftliche Notizen oder Anmerkungen.
• Fehlerhafte PDFs, die sich mit DOCLING oder der normalen visuellen Analyse nicht zuverlässig verarbeiten lassen.

Embeddings wiederholen#

Wenn die Inhaltsextraktion erfolgreich war, aber die Vektorisierung (Embedding-Erstellung) fehlgeschlagen ist, können Sie den Embedding-Schritt erneut versuchen, ohne die gesamte Datei neu zu verarbeiten.