Erklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, rekursiv und Überschriften, gemessen

  1. Startseite
  2. Blog
  3. Künstliche Intelligenz

Künstliche Intelligenz

Erklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, Rekursiv und Überschriften, gemessen

RAG-Chunking-Strategien entscheiden darüber, wie Dokumente in Stücke geschnitten werden, bevor sie eingebettet und abgerufen werden. Wir haben dasselbe Richtliniendokument auf fünf Arten aufgeteilt und gemessen, was jede Methode kaputt macht: Fakten halbiert, Überschriften vom Text getrennt und zusätzliche Token gespeichert.

9 Min. Lesezeit
RAG-Chunking-Strategien erklärt und gemessen

Das Wichtigste

  • RAG-Chunking-Strategien tauschen Einfachheit gegen die Beibehaltung der Bedeutung aus. In unserem Test hat keine einzige Methode bei jeder Maßnahme gewonnen.
  • Einfache 100-Token-Blöcke mit fester Größe halbieren eine von acht wichtigen Fakten: „Rückerstattungen erfolgen innerhalb von | 5 Werktagen.“
  • 20 überlappende Token retteten diese Tatsache, speicherten jedoch 545 statt 445 Token, etwa 22 % mehr.
  • Bei der rekursiven Aufteilung blieb jeder Satz ganz, es blieben aber 4 von 6 Teilen übrig, die mit der Überschrift des nächsten Abschnitts endeten.

Bei der Retrieval-Augmented Generation (RAG) werden die relevantesten Teile Ihrer Dokumente gefunden und an ein Sprachmodell übergeben. Bei diesen Teilen handelt es sich um Brocken, und die Art und Weise, wie Sie sie im Stillen schneiden, entscheidet darüber, was das Modell jemals sehen kann. Ein auf zwei Teile aufgeteilter Fakt kann möglicherweise nie als Ganzes abgerufen werden. Eine vom Absatz abgeschnittene Überschrift macht einen Teil mehrdeutig. Die Wahl zwischen RAG-Chunking-Strategien ist eine der kostengünstigsten Möglichkeiten, die Antwortqualität zu verbessern.

Wir haben fünf gängige Strategien in Python 3.13 implementiert und Token mit OpenAIs tiktoken 0.14.0 unter Verwendung der o200k_base-Kodierung gezählt. Alle unten aufgeführten Zahlen stammen aus diesem Lauf. Wenn RAG selbst für Sie neu ist, lesen Sie zuerst unseren Was ist RAG-Leitfaden.

Was ist Chunking in RAG?

Chunking ist der Schritt, der Quelldokumente in kleinere Passagen aufteilt, bevor sie in Einbettungen umgewandelt und in einer Vektordatenbank gespeichert werden. Zur Fragestunde bettet das System die Frage ein, findet die nächstgelegenen Abschnitte und fügt sie in die Eingabeaufforderung ein. Jeder Block wird als Einheit abgerufen oder ignoriert.

Blöcke müssen klein genug sein, um spezifisch zu sein und mehrere in das Kontextfenster des Modells zu passen, und groß genug, um einen vollständigen Gedanken zu tragen. Jede Strategie ist eine andere Antwort darauf, wohin die Kürzungen führen sollen.

Warum Chunking wichtig ist

  • Abrufgenauigkeit: Ein Block, der zwei Themen mischt, stimmt mit Fragen zu beiden überein, beantwortet aber keines davon gut.
  • Vollständigkeit: Wenn eine Regel und ihre Ausnahme in verschiedenen Blöcken landen, sieht das Modell möglicherweise nur die Hälfte der Regel.
  • Kosten: Überlappungen und große Blöcke bedeuten, dass mehr Token eingebettet, gespeichert und an das Modell gesendet werden müssen.
  • Zitate: Saubere Abschnitte werden sauber einem Abschnitt zugeordnet, was die Überprüfung der Antworten erleichtert.

Unser Testaufbau

Wir haben eine 368-Wörter-Kundenrichtlinie für einen fiktiven Online-Shop mit fünf Markdown-Abschnitten (Rückgaben, Versand, Garantie, Konten und Zahlungen) und jeweils zwei Absätzen verfasst. Es waren 445 Token. Wir haben acht Fakten ausgewählt, die ein Support-Bot richtig beantworten muss, wie zum Beispiel „die meisten Artikel innerhalb von 30 Tagen zurücksenden“ und „bis zu 10.000 Rupien“ bei Nachnahme.

Jede Strategie verwendete ein Ziel von 100 Token pro Block, klein genug, um Kürzungen in einem kurzen Dokument zu erzwingen. Für jedes von uns gemessene Ergebnis:

  • Chunks sowie durchschnittliche und maximale Größe in Token.
  • Gespeicherte Token, die Summe aller Blöcke, die die Überlappungskosten zeigt.
  • Mitten im Satz abschneiden: Abschnitte, die mitten im Satz enden.
  • Verwaiste Überschrift: Abschnitte, die mit einer Überschrift enden, deren Text sich im nächsten Abschnitt befindet.
  • Intakte Fakten: Wie viele der acht Fakten erscheinen in mindestens einem Teil vollständig?

1. Chunks mit fester Größe

Die einfachste Methode zählt Token und schneidet alle N Token ab, wo auch immer das liegt:

def fixed(size, overlap=0):
    ids = enc.encode(doc)
    step = size - overlap
    out = []
    for i in range(0, len(ids), step):
        out.append(enc.decode(ids[i:i + size]))
        if i + size >= len(ids):
            break
    return out

Es entstanden 5 Blöcke ohne verschwendete Token, aber 3 davon endeten mitten im Satz und einer endete mit einer verwaisten Überschrift. Schlimmer noch, eine Tatsache wurde in der Mitte gespalten:

chunk 1 ends:   "... print the prepaid label. Refunds are issued within"
chunk 2 starts: " 5 business days after the warehouse receives and checks the"

Bei einer Frage zum Zeitpunkt der Rückerstattung wird möglicherweise Block 1 angezeigt, der überhaupt keine Nummer enthält. Chunking mit fester Größe ist schnell und vorhersehbar, was es zu einer guten Basis macht, aber es ignoriert die Sprache vollständig.

2. Feste Größe mit Überlappung

Überlappung wiederholt die letzten paar Token jedes Blocks am Anfang des nächsten, sodass Text in der Nähe eines Schnitts in beiden erscheint. Wir haben 20 Token verwendet, eine Überlappung von 20 %. Alle acht Fakten waren jetzt irgendwo intakt und die Rückerstattungstatsache wurde gerettet. Die Kosten: 6 Blöcke und 545 gespeicherte Token statt 445. Kürzungen landeten immer noch mitten im Satz, diesmal fünfmal, und doppelter Text kann dazu führen, dass zwei nahezu identische Blöcke andere Ergebnisse verdrängen. Überlappung ist ein Flicken für willkürliche Schnitte, kein Heilmittel.

3. Satzverpackung

Diese Methode teilt Text in Sätze auf und packt dann ganze Sätze in jeden Block, bis der nächste den Grenzwert überschreitet:

def sentence_pack(size):
    sents = [s for p in doc.split("\n\n") for s in sent_split(p) if s]
    out, cur = [], ""
    for s in sents:
        if cur and T(cur + " " + s) > size:
            out.append(cur)
            cur = s
        else:
            cur = (cur + " " + s).strip()
    return out + [cur]

Es wurden 5 Teile produziert, keine Kürzungen in der Mitte des Satzes und alle acht Fakten intakt, mit 440 gespeicherten Token. Zwei Abschnitte endeten immer noch mit einer verwaisten Überschrift, da eine Überschriftenzeile nur wie ein weiterer kurzer Satz aussieht. Bei der Satzaufteilung mit einem regulären Ausdruck stößt man auch auf Abkürzungen wie „e.g.“; Bibliotheken wie spaCy oder NLTK machen das besser.

4. Rekursive Aufteilung

Die rekursive Aufteilung, die durch Frameworks wie LangChain populär gemacht wurde, versucht zuerst das größte natürliche Trennzeichen (Leerzeilen zwischen Absätzen) und greift nur bei Teilen, die noch zu groß sind, auf kleinere zurück (Zeilenumbrüche, Sätze, Wörter). Unsere eigene Implementierung folgte der gleichen Idee.

Jeder Satz blieb vollständig und alle acht Fakten blieben erhalten, mit den kleinsten Teilen im Durchschnitt (74 Token). Es offenbarte jedoch einen subtilen Fehler: Vier der sechs Abschnitte endeten mit der Überschrift des nächsten Abschnitts. Beispielsweise endete ein Abschnitt mit „…überprüft das Paket. ## Versand“, während die Versandregeln im folgenden Abschnitt standen. Die Überschrift hat sich an den falschen Text angehängt, was bei Fragen, in denen „Versand“ erwähnt wird, zu Irreführungen führen kann.

Tipp: Drucken Sie immer eine Probe Ihrer Brocken aus und lesen Sie sie. Unser Problem mit den verwaisten Überschriften war in den Durchschnittswerten unsichtbar und nach dem Lesen von sechs Abschnitten offensichtlich.

5. Überschriftenbasierte Blöcke

Strukturierte Dokumente haben ihre eigenen Grenzen. Die Aufteilung nach Markdown-Überschriften ergab einen Block pro Abschnitt: 5 Blöcke, keine Kürzungen in der Mitte des Satzes, keine verwaisten Überschriften und alle Fakten intakt. Jeder Block beginnt mit einer eigenen Überschrift, die der Einbettung einen nützlichen Kontext verleiht.

Der Haken ist die Größenkontrolle. Ein Abschnitt erreichte 113 Token, mehr als unser Ziel von 100 Token, und echte Dokumente haben Abschnitte, die von einer Zeile bis zu mehreren Seiten reichen. In der Praxis kombinieren Sie Methoden: Teilen Sie zuerst die Überschriften auf, wenden Sie dann die rekursive oder Satzaufteilung in jedem Abschnitt an, der zu groß ist, und wiederholen Sie die Überschrift am Anfang jedes Teils.

RAG-Chunking-Strategien im Vergleich

Strategie Brocken Durchschnittliche/maximale Anzahl an Token Gespeicherte Token Mitte des Satzes schneiden Verwaiste Überschrift Fakten intakt
100 behoben 5 89 / 100 445 3 1 7 von 8
100 + 20 Überlappung behoben 6 91 / 100 545 5 0 8 von 8
Satzverpackung 5 88 / 100 440 0 2 8 von 8
Rekursiv 6 74 / 84 441 0 4 8 von 8
Durch Überschrift 5 89 / 113 445 0 0 8 von 8

Da es sich hierbei um ein kurzes Dokument handelt, betrachten Sie die Tabelle als Veranschaulichung der Fehlerarten und nicht als Benchmark. Das Muster ist immer noch aufschlussreich: Je mehr eine Methode die Struktur des Dokuments respektiert, desto weniger bedeutungsbrechende Schnitte werden vorgenommen.

Was ist mit semantischem Chunking?

Semantisches Chunking bettet jeden Satz ein und beginnt einen neuen Block, bei dem sich die Bedeutung verschiebt, gemessen an einem Rückgang der Ähnlichkeit zwischen benachbarten Sätzen. Es benötigt keine Überschriften und kann Themenwechsel in einfacher Prosa verfolgen. Es kostet außerdem einen Einbettungsaufruf pro Satz, und veröffentlichte Vergleiche sind sich nicht einig darüber, ob es einfachere Methoden übertrifft, wenn die gesamte RAG-Pipeline gemessen wird. Wir haben es hier nicht ausgeführt. Probieren Sie es erst nach einer strukturbewussten Basislinie aus und behalten Sie es nur bei, wenn Ihre eigene Bewertung einen Gewinn zeigt.

So wählen Sie die Blockgröße und die Überlappung aus

  1. Beginnen Sie mit der Struktur. Aufteilen nach Überschriften oder Dokumentabschnitten, sofern vorhanden.
  2. Begrenzen Sie die Größe. Ein üblicher Startbereich sind ein paar hundert Token pro Block, etwa 200 bis 500, dann passen Sie an.
  3. Bevorzugen Sie klare Grenzen gegenüber Überlappungen. Fügen Sie 10 bis 20 % Überlappung nur hinzu, wenn die Fakten immer noch Grenzen überschreiten.
  4. Metadaten anhängen. Speichern Sie den Titel, die Abschnittsüberschrift und die Quell-URL mit jedem Block zum Filtern und Zitieren.
  5. Abruf messen. Schreiben Sie 20 bis 50 echte Fragen mit bekannten Antworten und prüfen Sie, ob der richtige Teil in den Top-Ergebnissen erscheint. Ändern Sie jeweils eine Einstellung.
  6. Zählen Sie Token richtig mit dem Tokenizer, den Ihre Modelle verwenden, wie in unserem LLM-Token-Leitfaden erläutert.

Speichern Sie die Blöcke in einer Datenbank, die Metadatenfilter unterstützt, wie in unserem Vektordatenbank-Leitfaden beschrieben.

Fazit

Mit RAG-Chunking-Strategien beginnen viele Retrieval-Probleme und sind dort am günstigsten zu beheben. Unser Test zeigte den typischen Fehler jeder Methode: Die feste Größe halbiert Fakten, überlappende Kosten für die Speicherung, Satzpackung und rekursive Aufteilung können zu Überschriften führen, und auf Überschriften basierende Blöcke benötigen eine Größenbeschränkung. Beginnen Sie mit der Struktur Ihrer Dokumente, greifen Sie auf die satzbezogene Aufteilung zurück, lesen Sie Ihre Abschnitte und überlassen Sie den Rest einem kleinen Bewertungssatz.

Häufige Fragen

Was ist die beste Chunking-Strategie für RAG?

Es gibt kein universelles Bestes. Teilen Sie bei strukturierten Dokumenten die Überschriften auf und verschließen Sie sie dann mit rekursiver Aufteilung oder Satzaufteilung. Bestätigen Sie die Auswahl mit Ihren eigenen Abruftests.

Welche Blockgröße sollte ich für RAG verwenden?

Ein üblicher Ausgangspunkt sind ein paar Hundert Token, oft etwa 200 bis 500. Kleinere Blöcke sind präziser, größere enthalten mehr Kontext; Stellen Sie echte Fragen.

Hilft die Überlappung von Blöcken?

Es kann Fakten retten, die einen Schnitt überbrücken. In unserem Test hielten 20 Überlappungstokens alle acht Fakten intakt, speicherten aber etwa 22 % mehr Tokens und kürzten immer noch Sätze.

Was ist rekursives Chunking?

Es teilt zuerst nach dem größten Trennzeichen auf, z. B. Leerzeilen, und verwendet nur kleinere Trennzeichen wie Sätze oder Wörter für Teile, die noch zu groß sind.

Ist semantisches Chunking besser als Chunking mit fester Größe?

Nicht zuverlässig. Es folgt Themenwechseln, kostet aber zusätzliche Einbettungsaufrufe und die veröffentlichten Ergebnisse sind gemischt. Vergleichen Sie es mit einer einfacheren Basislinie auf Ihren eigenen Daten.

Lerne weiter

Arbeiten Sie mit Stack Quora

Benötigen Sie Hilfe beim Testen, WordPress oder SEO?

Wir helfen Teams, bessere Software zu liefern und ihre Websites zu erweitern. Sagen Sie uns, woran Sie gerade arbeiten, und wir schlagen Ihnen einen klaren nächsten Schritt vor.

Lesen Sie weiter

Weitere Anleitungen finden Sie unter Tests, KI und moderne Entwicklung

Hat Ihnen dieser Artikel gefallen? Wählen Sie ein Thema und springen Sie direkt in unsere neuesten Tutorials.

Künstliche Intelligenz

Erklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, rekursiv und Überschriften, gemessen

RAG-Chunking-Strategien im Vergleich zu einem Dokument mit Tiktoken 0.14: feste Größe, Überlappung, Satzpackung, rekursive Aufteilung und überschrif…

Artikel lesen →
Softwareentwicklung

API-Idempotenz erklärt: Idempotenzschlüssel und sichere Wiederholungsversuche, getestet

Erklärung der API-Idempotenz anhand eines von uns ausgeführten Python-Servers und -Clients: Eine verlorene Antwort verursachte eine doppelte Gebühr …

Artikel lesen →
DevOps

Git Stash erklärt: Speichern, Anwenden, Pop und nicht verfolgte Dateien, getestet

Git Stash erklärt mit Befehlen, die wir auf Git 2.56 ausgeführt haben: Push mit einer Nachricht, nicht verfolgte Dateien, Auflisten und Anzeigen, An…

Artikel lesen →
Softwaretests

Paarweises Testen erklärt: Wie alle Paare 216 Tests auf 13 reduzieren, getestet

Paarweises Testen erklärt mit einem Generator, den wir in Python 3.13 ausgeführt haben: ein Checkout mit 216 Kombinationen, die durch 13 Tests abged…

Artikel lesen →
Testautomatisierung

Test-Doubles erklärt: Dummy, Stub, Spy, Mock und Fake, mit getestetem Python-Code

Test-Doubles werden anhand eines Python-Beispiels erklärt, das in Pytest 9.2 ausgeführt wird: Dummy, Stub, Spy, Mock und Fake, wann jeweils zu verwe…

Artikel lesen →
Datenbanken & SQL

SQL COALESCE erklärt: Standardwerte, NULLIF, IFNULL vs. ISNULL und Traps, getestet

SQL COALESCE wurde mit Abfragen erklärt, die wir in SQLite 3.50 ausgeführt haben: erste Nicht-Null-Werte, leere Zeichenfolgen, NULL in Mathematik, N…

Artikel lesen →
Datenbanken & SQL

SQL Self Join erklärt: Mitarbeiter-Manager, Paare und Zeilenvergleiche, getestet

SQL-Self-Join erklärt anhand von Abfragen, die wir in SQLite 3.50 ausgeführt haben: Mitarbeiter und Manager, mehr verdienen als der Manager, eindeut…

Artikel lesen →
Softwareentwicklung

Erklärter JavaScript-Spread-Operator: Spread vs. Rest, Kopien und Fallstricke, getestet

Der JavaScript-Spread-Operator wird mit Code erklärt, den wir auf Knoten 24 ausgeführt haben: Arrays, Objekte, flache Kopien, Restparameter, das Mat…

Artikel lesen →
Softwareentwicklung

Erklärtes Python-Sammlungsmodul: Counter, defaultdict, deque und mehr, getestet

Python-Sammlungen erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: Counter, defaultdict, deque, benannttuple, OrderedDict und ChainMap, p…

Artikel lesen →
Künstliche Intelligenz

Erklärtes LLM-Kontextfenster: Token, Grenzen und wie man mehr einpasst, gemessen

Das LLM-Kontextfenster wird anhand der Token-Anzahl erklärt, die wir mit Tiktoken gemessen haben: Wörter vs. Token für Prosa, Code und Hindi, Eingab…

Artikel lesen →
Softwareentwicklung

Webhooks erklärt: Wie sie funktionieren und wie man sie sicher empfängt

Webhooks erklärt mit einem Empfänger und Sender, den wir in Python ausgeführt haben: Push vs. Polling, HMAC-SHA256-Signaturen, Ablehnen manipulierte…

Artikel lesen →
DevOps

Git Cherry-Pick erklärt: Kopieren Sie den Commit, den Sie benötigen, sicher und getestet

Git Cherry-Pick erklärt mit Befehlen, die wir in Git 2.56 ausgeführt haben: Kopieren eines Hotfixes in einen Release-Zweig, neue Hashes und Patch-ID…

Artikel lesen →
Testautomatisierung

Snapshot-Tests erklärt: Wie es funktioniert, wann es hilft und wann es weh tut

Snapshot-Tests erklärt anhand einer Pytest- und Sirup-Demo, die wir ausgeführt haben: Snapshots erstellen, Diff nach einer Codeänderung lesen, Zeits…

Artikel lesen →
Softwaretests

Mutationstests erklärt: Warum die 100-prozentige Abdeckung unseren Fehler immer noch übersehen hat

Mutationstests erklärt mit einem kleinen Mutationstool, das wir erstellt und ausgeführt haben: 14 Mutanten, eine Testsuite mit 100 % Linienabdeckung…

Artikel lesen →
Künstliche Intelligenz

Prompt Injection erklärt: Wie KI-Apps ausgetrickst werden und wie man sie verteidigt

Prompt-Injection erklärt für Builder: direkte und indirekte Angriffe, warum Schlüsselwortfilter fehlschlagen (unser Test hat 1 von 4 blockiert) und …

Artikel lesen →
DevOps

Erklärte DNS-Einträge: A, AAAA, CNAME, MX, TXT und TTL mit echten Lookups

DNS-Einträge erklärt anhand der von uns durchgeführten Suchvorgänge: Funktionsweise der Auflösung, A und AAAA, CNAME-Regeln, MX und Null-MX, TXT für…

Artikel lesen →
DevOps

Erklärte Funktionsflags: Sichere Veröffentlichungen, schrittweise Rollouts und Flag-Hygiene

Funktionsflags anhand einer von uns durchgeführten Rollout-Simulation erklärt: Flag-Typen, prozentuale Rollouts mit stabilem Hashing, Kill-Switches,…

Artikel lesen →
Testautomatisierung

Testdatengenerierung mit Python Faker: Realistische, wiederholbare und sichere Daten

Testen Sie die Datengenerierung mit Python Faker, führen Sie sie aus und messen Sie sie: Seeding für wiederholbare Daten, Gebietsschemata, eindeutig…

Artikel lesen →
Softwaretests

Shift-Left-Tests erklärt: Finden Sie Fehler früher, ohne das Team zu verlangsamen

Shift-Left-Tests erklärt: Was es bedeutet, warum Frühdefekte günstiger sind, Vorgehensweisen von Anforderungsüberprüfungen bis hin zu CI-Prüfungen, …

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-String-Funktionen: TRIM, SUBSTR, REPLACE, CONCAT und Datenbereinigung

SQL-String-Funktionen, die mit von uns ausgeführten Abfragen erklärt wurden: Verkettung und NULL, TRIM, UPPER und LOWER, SUBSTR und INSTR, REPLACE, …

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Trigger: VOR- und NACH-Trigger, Prüfprotokolle und Fallstricke

SQL-Trigger werden anhand von Triggern erklärt, die wir ausgeführt haben: VORHER vs. NACHHER, ALT und NEU, Prüfprotokolle, Validierung, Bestandsaktu…

Artikel lesen →
Softwareentwicklung

Erklärung des Python-JSON-Moduls: Dumps, Loads, benutzerdefinierte Typen und häufige Fehler

Das Python-JSON-Modul wird anhand des von uns ausgeführten Codes erklärt: Dumps und Loads, Dateien, Typkonvertierungen, Datumsangaben und Dezimalzah…

Artikel lesen →
Softwareentwicklung

ES-Module vs. CommonJS: Wie JavaScript-Importe in Node.js funktionieren, getestet

ES-Module vs. CommonJS erklärt mit Code, den wir in Node.js ausgeführt haben: Import- und Exportsyntax, Require, Live-Bindungen, Caching, Top-Level-…

Artikel lesen →
Softwareentwicklung

Python Regex erklärt: Muster, Gruppen, Lookaheads und Fallstricke, getestet

Python-Regex erklärt mit Mustern, die wir ausgeführt haben: Suche vs. Übereinstimmung, Findall, Gruppen und benannte Gruppen, Greedy vs. Lazy, Sub, …

Artikel lesen →
Künstliche Intelligenz

Erklärung der strukturierten LLM-Ausgabe: Zuverlässiges JSON aus KI-Modellen erhalten

Die strukturierte LLM-Ausgabe wird anhand der von uns in Pydantic ausgeführten Validierung erklärt: JSON-Modus und -Schemas, eingeschränkte Dekodier…

Artikel lesen →
DevOps

SSH-Schlüssel erklärt: Wie sie funktionieren, ssh-keygen, Ed25519 und sichere Gewohnheiten

SSH-Schlüssel erklärt mit Schlüsseln, die wir generiert haben: öffentliche vs. private Schlüssel, ssh-keygen, Ed25519 vs. RSA, Fingerabdrücke, Passp…

Artikel lesen →
DevOps

HTTP-Caching erklärt: Cache-Kontrolle, ETag und 304-Antworten, mit einem Live-Test

HTTP-Caching erklärt anhand eines kleinen Servers, den wir ausgeführt haben: Cache-Control-Anweisungen, Max-Age, No-Cache vs. No-Store, ETag-Revalid…

Artikel lesen →
Testautomatisierung

API-Vertragstests erklärt: Erkennen Sie wichtige Änderungen, bevor sie versendet werden

Das Testen von API-Verträgen wird anhand einer von uns durchgeführten Schemaprüfung erklärt: Was ein Vertrag ist, verbrauchergesteuerte Verträge, Pa…

Artikel lesen →
Softwaretests

Risikobasiertes Testen erklärt: Risiken bewerten, eine Matrix erstellen und testen, worauf es ankommt

Risikobasiertes Testen Schritt für Schritt erklärt: Risiken identifizieren, Wahrscheinlichkeit und Auswirkung bewerten, eine Risikomatrix erstellen,…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Einschränkungen: NOT NULL, UNIQUE, CHECK und FOREIGN KEY, getestet

SQL-Einschränkungen anhand der von uns durchgeführten Tests erklärt: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY und FOREIGN KEY, die NULL-Lücken, die…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Datumsfunktionen: Datumsangaben fehlerfrei hinzufügen, vergleichen und gruppieren

Erklärung der SQL-Datumsfunktionen anhand von Abfragen, die wir ausgeführt haben: Hinzufügen von Intervallen, Überraschungen am Monatsende, Datumsun…

Artikel lesen →
Softwareentwicklung

Python-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings

Python-Asyncio erklärt mit Code, den wir getimt haben: Coroutinen, Wait, Gather, TaskGroup, Fehlerbehandlung, Zeitüberschreitungen, Einschränkung de…

Artikel lesen →
Softwareentwicklung

Debounce vs. Throttle in JavaScript: Wie sie funktionieren, wann man sie verwendet, getestet

Debounce vs. Throttle in JavaScript erklärt anhand von Timings, die wir in Node.js gemessen haben: wie jedes funktioniert, einfache Implementierunge…

Artikel lesen →
Softwareentwicklung

Erklärte Python-Kontextmanager: Die with-Anweisung, contextlib und Real Uses

Python-Kontextmanager erklärt anhand des von uns ausgeführten Codes: Funktionsweise, __enter__ und __exit__, contextlib.contextmanager, supprimieren…

Artikel lesen →
Künstliche Intelligenz

LLM-Temperatur und Top-p erklärt: Wie KI-Modelle ihr nächstes Wort wählen

LLM-Temperatur und Top-P erklärt anhand einer von uns durchgeführten Simulation: wie Wahrscheinlichkeiten umgeformt werden, was Top-P beibehält, emp…

Artikel lesen →
DevOps

YAML erklärt: Syntax, das Norwegen-Problem und andere von uns getestete Fallen

YAML erklärt mit einem Parser-Test: grundlegende Syntax, Listen und Karten, das Norwegen-Problem, Versionen, die in Gleitkommazahlen umgewandelt wer…

Artikel lesen →
DevOps

Cron-Jobs erklärt: Syntax, echte Zeitpläne und die Fehler, die sie zerstören

Cron-Jobs werden anhand von Zeitplänen erklärt, die wir überprüft haben: die fünf Felder, Operatoren, reale Beispiele, die Tag-des-Monats- ODER Woch…

Artikel lesen →
Künstliche Intelligenz

KI-Halluzinationen erklärt: Warum Sprachmodelle Dinge erfinden und wie man sie reduziert

KI-Halluzinationen erklärt: Was sie sind, warum Sprachmodelle sie produzieren, gängige Typen, wie man sie mit Erdung und Eingabeaufforderungen reduz…

Artikel lesen →
DevOps

Erklärte Umgebungsvariablen: .env-Dateien, Geheimnisse und Konfiguration richtig gemacht

Umgebungsvariablen anhand von Python-Beispielen erklärt, die wir ausgeführt haben: Sie lesen und festlegen, warum jeder Wert ein String ist, .env-Da…

Artikel lesen →
Softwareentwicklung

API-Ratenbegrenzung erklärt: Algorithmen, Header und Behandlung von 429-Fehlern

API-Ratenbegrenzung anhand einer von uns durchgeführten Simulation erklärt: Token-Bucket, festes Fenster, gleitendes Fenster, 429 Antworten, Ratenbe…

Artikel lesen →
Testautomatisierung

Spott in Python: unittest.mock, Patch und die Fehler, die Tests zum Lügen machen

Mocking in Python mit unittest.mock, getestet: Mock und return_value, side_effect, Patchen, wo ein Name verwendet wird, Spezifikation und Autospec, …

Artikel lesen →
Softwaretests

Code-Abdeckung erklärt: Leitungs- und Zweigstellenabdeckung und was 100 % wirklich bedeutet

Erklärung der Codeabdeckung anhand eines echten Coverage.py-Laufs: Zeilen-, Zweig- und Bedingungsabdeckung, Lesen eines Berichts, warum bei 100 % Ab…

Artikel lesen →
Datenbanken & SQL

DELETE vs. TRUNCATE vs. DROP in SQL: Unterschiede, Rollback und Verwendungszweck

DELETE vs. TRUNCATE vs. DROP erklärt mit getestetem SQL: was jeweils entfernt wird, Rollback, Trigger, Identitätsrücksetzung, Geschwindigkeit und wi…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-Ansichten: Erstellen, nutzen und vermeiden Sie Fallstricke mit Beispielen

SQL-Ansichten anhand der von uns ausgeführten Abfragen erklärt: Erstellen einer Ansicht, Live-Ergebnisse, Ausblenden von Spalten, Leistung, aktualis…

Artikel lesen →
Softwareentwicklung

TypeScript-Schnittstelle vs. Typ: Echte Unterschiede, getestet mit dem Compiler

TypeScript-Schnittstelle vs. Typ, überprüft mit dem echten Compiler: Was beide können, was nur einer kann, Deklarationszusammenführung, Erweiterunge…

Artikel lesen →
Softwareentwicklung

Python *args und **kwargs erklärt: Flexible Funktionen mit klaren Beispielen

Python *args und **kwargs erklärt mit Code, den wir ausgeführt haben: Packen und Entpacken, Parameterreihenfolge, Nur-Schlüsselwort- und Nur-Positio…

Artikel lesen →
Softwareentwicklung

Python-Lambda-Funktionen: Syntax, tatsächliche Verwendung und wann man sie nicht verwendet

Python-Lambda-Funktionen erklärt mit Code, den wir ausgeführt haben: Syntax, Sortierung mit Schlüssel, Karte und Filter, Abschlüsse, die Late-Bindin…

Artikel lesen →
Künstliche Intelligenz

Was sind KI-Agenten? Wie sie funktionieren, mit einer einfachen Agentenschleife, die Sie ausführen können

Was sind KI-Agenten? Eine einfache Anleitung zur Agentenschleife, zu Tools, Speicher und Leitplanken, mit einer kleinen Python-Schleife, die wir aus…

Artikel lesen →
DevOps

Überwachung vs. Beobachtbarkeit: Der wahre Unterschied, mit Protokollen, Metriken und Traces

Überwachung vs. Beobachtbarkeit erklärt: bekannte und unbekannte Fehler, Protokolle, Metriken und Spuren, eine exemplarische Vorgehensweise für Chec…

Artikel lesen →
DevOps

Docker-Volumes vs. Bind Mounts: Containerdaten auf die richtige Art und Weise beibehalten

Docker-Volumes vs. Bind-Mounts erklärt: Warum Containerdaten verschwinden, benannte Volumes, Bind-Mounts, tmpfs, Compose-Beispiele, Backups, Berecht…

Artikel lesen →
Testautomatisierung

TDD vs. BDD: Hauptunterschiede, eine Funktion, die auf beide Arten entwickelt wurde und wann sie jeweils verwendet werden sollte

TDD vs. BDD erklärt mit einer Rabattfunktion, die in beide Richtungen aufgebaut ist: Rot-Grün-Refaktor mit Code, den wir ausgeführt haben, Gegeben-W…

Artikel lesen →
Softwaretests

Benutzerakzeptanztests (UAT): Prozess, Checkliste und reale Beispiele

Benutzerakzeptanztests erklärt: Wer führt ihn durch, wie unterscheidet er sich von der Qualitätssicherung, ein siebenstufiger Prozess, eine UAT-Test…

Artikel lesen →
Datenbanken & SQL

Erklärte SQL-NULL-Werte: IS NULL, COALESCE, NULLIF und die zu vermeidenden Fallen

SQL-NULL-Werte, die mit von uns ausgeführten Abfragen erklärt wurden: dreiwertige Logik, IS NULL, COALESCE, NULLIF, wie Aggregate, Joins und Sortier…

Artikel lesen →
Datenbanken & SQL

SQL CASE WHEN-Anweisung: Syntax, reale Beispiele und häufige Fehler

SQL CASE WHEN anhand der von uns ausgeführten Abfragen erklärt: einfache und durchsuchte Formulare, Bedingungsreihenfolge, Pivots mit SUM, COUNT-Tri…

Artikel lesen →
Softwareentwicklung

Was ist JWT? JSON-Web-Tokens anhand eines funktionierenden Beispiels erklärt

Was ist JWT? JSON Web Tokens erklärt: die drei Teile, ein Token, das in dem von uns ausgeführten Code erstellt und manipuliert wurde, JWT vs. Sitzun…

Artikel lesen →
Softwareentwicklung

Erklärte JavaScript-Ereignisschleife: Aufrufstapel, Mikrotasks und Timer mit Beispielen

Die JavaScript-Ereignisschleife wurde mit dem von uns ausgeführten Code erklärt: Aufrufstapel, Aufgaben- und Mikrotask-Warteschlangen, warum setTime…

Artikel lesen →
Softwareentwicklung

Erklärung von Python-Generatoren und -Ertrag: Sparen Sie Speicher mit echten Beispielen

Python-Generatoren und Yield anhand des von uns ausgeführten Codes erklärt: wie sie angehalten und fortgesetzt werden, gemessene Speichereinsparunge…

Artikel lesen →
Künstliche Intelligenz

Was sind Einbettungen? Vektoren und Kosinusähnlichkeit einfach erklärt

Was sind Einbettungen? Ein Leitfaden in einfacher Sprache zu Vektoren, Kosinusähnlichkeit und semantischer Suche, mit einem kleinen Beispiel, das wi…

Artikel lesen →
DevOps

Blau-Grün vs. Canary-Bereitstellung: Unterschiede, Kompromisse und Auswahl

Blue-Green vs. Canary-Bereitstellung erklärt: Funktionsweise, Kosten, Risiko und Rollback, stabiles Benutzer-Bucketing, das wir getestet haben, Date…

Artikel lesen →
Testautomatisierung

Flaky-Tests: Was sie verursacht und wie man sie endgültig behebt

Flaky-Tests wurden anhand von Demos erklärt, die wir durchgeführt haben: die Hauptursachen, wie man sie bestätigt und diagnostiziert, richtige Korre…

Artikel lesen →
Softwaretests

Lasttest vs. Stresstest: Unterschiede, Metriken und k6-Beispiele

Erläuterungen zu Lasttests und Stresstests: Was die einzelnen Tests beweisen, Spike- und Soak-Tests, welche Kennzahlen wichtig sind, warum Durchschn…

Artikel lesen →
Softwaretests

Testfall vs. Testszenario: Hauptunterschiede, Beispiele und wann man sie jeweils verwendet

Testfall vs. Testszenario erklärt: klare Definitionen, eine Tabelle nebeneinander, eine Funktion zum Zurücksetzen von Passwörtern, die von Szenarios…

Artikel lesen →
Datenbanken & SQL

SQL-Abfrageoptimierung: Ausführungspläne lesen und langsame Abfragen mit Zeitvorgaben beheben

An einer Million Zeilen getestete SQL-Abfrageoptimierung: Ausführungspläne lesen, die richtigen Indizes hinzufügen, nicht sargierbare Filter korrigi…

Artikel lesen →
Datenbanken & SQL

SQL UNION vs. UNION ALL: Unterschiede, Beispiele und getestete Leistung

SQL UNION vs. UNION ALL anhand der von uns ausgeführten Abfragen erklärt: Duplikate, die Regeln, denen beide folgen, ein echter Datenfehler, gemesse…

Artikel lesen →
Softwareentwicklung

Tutorial zur JavaScript-Abruf-API: GET, POST, Fehlerbehandlung und Zeitüberschreitungen

Ein JavaScript-Abruf-API-Tutorial, das auf einem lokalen Server getestet wurde: GET und POST, warum 404 nicht ausgelöst wird, ein wiederverwendbarer…

Artikel lesen →
Softwareentwicklung

Umgang mit Python-Dateien: Lesen, Schreiben, CSV, JSON und Pathlib mit Beispielen

Die Handhabung von Python-Dateien wird anhand des von uns ausgeführten Codes erklärt: Öffnungsmodi, Lesen großer Dateien, CSV, JSON, Pathlib, Binärd…

Artikel lesen →
Softwareentwicklung

Python-Klassen und -Objekte: OOP-Tutorial mit echten Beispielen

Python-Klassen und -Objekte erklärt mit Code, den wir ausgeführt haben: __init__, Methoden, Klassen- und Instanzattribute, Vererbung, Eigenschaften,…

Artikel lesen →
Künstliche Intelligenz

Was ist ein großes Sprachmodell? Wie LLMs funktionieren, ohne großen Hype erklärt

Was ist ein großes Sprachmodell? LLMs im Klartext erklärt: Token, Einbettungen, Aufmerksamkeit, Training, Temperatur- und Kontextfenster, eine klein…

Artikel lesen →
DevOps

Linux-Befehle für Anfänger: Der grundlegende Terminal-Leitfaden mit Beispielen

Linux-Befehle für Anfänger, gruppiert nach Aufgaben: Navigation, Dateien, Anzeigen von Protokollen, Grep, Pipes, Berechtigungen, Prozesse und Archiv…

Artikel lesen →
Testautomatisierung

Selenium vs. Playwright: Hauptunterschiede, Code im Vergleich und welche Sie wählen sollten

Selenium vs. Playwright im Vergleich: Architektur, Wartezeit, Browser- und Sprachunterstützung, Debugging, der gleiche Test in beiden Tools, Migrati…

Artikel lesen →
Softwaretests

Äquivalenzpartitionierung: Testdesigntechnik anhand von Beispielen erklärt

Erklärung der Äquivalenzpartitionierung: Wie man gültige und ungültige Partitionen findet, Beispiele für Alter, Passwörter und Gutscheine, von uns d…

Artikel lesen →
Softwaretests

Schweregrad vs. Priorität beim Softwaretest: Unterschiede, Matrix und reale Beispiele

Schweregrad vs. Priorität beim Softwaretest erklärt: klare Definitionen, eine Vier-Wege-Matrix mit Beispielen, Stufenskalen, wer die einzelnen Punkt…

Artikel lesen →
Datenbanken & SQL

Tutorial zu SQL-Unterabfragen: Typen, korrelierte Unterabfragen und EXISTS mit Beispielen

Ein SQL-Unterabfrage-Tutorial mit Abfragen, die wir ausgeführt haben: Skalar-, IN-, FROM- und SELECT-Unterabfragen, korrelierte Unterabfragen, EXIST…

Artikel lesen →
Datenbanken & SQL

SQL-Transaktionen und ACID erklärt: COMMIT, ROLLBACK und Isolationsstufen

SQL-Transaktionen und ACID anhand einer von uns durchgeführten Banküberweisung erklärt: COMMIT, ROLLBACK, Sicherungspunkte, Sperren, Isolationsstufe…

Artikel lesen →
Softwareentwicklung

Spickzettel für Git-Befehle: Die Befehle, die Sie tatsächlich verwenden, mit Beispielen

Ein Git-Befehls-Spickzettel, gruppiert nach Aufgabe: Setup, Staging, Branches, Remotes, Stash, Verlauf und Rückgängigmachen von Fehlern, mit Ausgabe…

Artikel lesen →
Softwareentwicklung

Erklärte JavaScript-Versprechen: Dann, Catch, Promise.all und häufige Fehler

JavaScript-Versprechen erklärt mit Code, den wir ausgeführt haben: Zustände, dann und Fangketten, Fehlerbehandlung, Promise.all, allSettled, Rennen …

Artikel lesen →
Softwareentwicklung

Python-Wörterbuch-Tutorial: Methoden, Beispiele und gängige Muster

Ein Python-Wörterbuch-Tutorial mit Code, den wir ausgeführt haben: Diktate erstellen, lesen und aktualisieren, Schlüsselmethoden, Zusammenführung, V…

Artikel lesen →
Künstliche Intelligenz

Was ist RAG? Retrieval-Augmented Generation anhand eines Arbeitsbeispiels erklärt

Was ist RAG? Abruf-erweiterte Generierung Schritt für Schritt erklärt: Indizierung, Chunking, Einbettungen, Abruf, ein kleines funktionierendes Pyth…

Artikel lesen →
DevOps

Terraform-Tutorial für Anfänger: Infrastruktur als Code von der ersten Datei bis zu den Modulen

Ein Terraform-Tutorial für Anfänger: Beginnen Sie ohne Cloud-Konto, lernen Sie Init, Planen und Anwenden, dann Variablen, Ausgaben, Status, Module u…

Artikel lesen →
DevOps

Docker vs. Kubernetes: Hauptunterschiede, wie sie zusammenarbeiten und was Sie brauchen

Docker vs. Kubernetes erklärt: Was jeder tut, die gleiche App läuft mit beiden, Docker Compose und Swarm im Vergleich, die Dockershim-Änderung und w…

Artikel lesen →
Testautomatisierung

Pytest-Tutorial für Anfänger: Vorrichtungen, Parametrisierung und reale Beispiele

Ein Pytest-Tutorial für Anfänger mit Tests, die wir auf Pytest 9.2 durchgeführt haben: Assertions, Fixtures, Parametrize, Conftest, Markers, tmp_pat…

Artikel lesen →
Softwaretests

Software Testing Life Cycle (STLC): 6 Phasen, Einstiegs- und Ausstiegskriterien, Beispiel

Der Softwaretest-Lebenszyklus erklärt: sechs STLC-Phasen mit Ein- und Ausstiegskriterien, Ergebnisse, ein Beispiel für eine funktionierende Anmeldef…

Artikel lesen →
Softwareentwicklung

Git merge vs rebase: Unterschiede, Beispiele und wann man was nutzt

Git merge vs rebase erklärt mit echter Log-Ausgabe, einer Vergleichstabelle, der goldenen Regel des Rebase und einem sicheren Team-Workflow.

Artikel lesen →
Softwareentwicklung

Python List Comprehension: Syntax, Beispiele und wann man darauf verzichtet

Python List Comprehension erklärt: Syntax, Filter, if-else, verschachtelte Schleifen, gemessene Zeiten und Fälle, in denen eine normale for-Schleife…

Artikel lesen →
Datenbanken & SQL

SQL Joins erklärt mit Beispielen (Inner, Left, Right, Full)

SQL Joins Schritt für Schritt mit Beispieltabellen und Abfragen verstehen: INNER, LEFT, RIGHT, FULL, CROSS und SELF, plus typische Fehler und Perfor…

Artikel lesen →