Chunk
Was ist ein Chunk?
Ein Chunk ist ein abgegrenzter Teil einer größeren Datenmenge, etwa ein Textabschnitt, eine Audiosequenz oder ein Datenblock. KI-Systeme zerlegen umfangreiche Inhalte in solche Einheiten, damit sie Informationen speichern, vergleichen und gezielt abrufen können. Größe, Überlappung und inhaltliche Abgrenzung beeinflussen dabei die Qualität der Verarbeitung.
Was bedeutet Chunk bei KI?
Ein Chunk (deutsch: Datenabschnitt) ist eine verarbeitbare Einheit innerhalb eines größeren Inhalts. Bei Sprachmodellen besteht ein Chunk meist aus mehreren Sätzen oder Absätzen. Die Aufteilung heißt Chunking. Sie wird eingesetzt, wenn ein vollständiges Dokument zu groß ist oder wenn ein System nur die für eine konkrete Frage relevanten Passagen abrufen soll.
Ein Chunk ist keine fest definierte Maßeinheit. Ein System kann Textabschnitte nach Zeichen, Wörtern, Tokens, Absätzen, Überschriften oder semantischen Themen bilden. Tokens sind die kleinsten Texteinheiten, die ein Sprachmodell verarbeitet. Ein Wort kann aus einem oder mehreren Tokens bestehen. Deshalb sind 500 Wörter nicht automatisch 500 Tokens.
So funktioniert Chunking
Beim Chunking wird ein Dokument zunächst bereinigt und anschließend anhand festgelegter Regeln geteilt. Jeder Chunk kann danach in ein Embedding umgewandelt werden. Ein Embedding ist eine Zahlenrepräsentation, die den Bedeutungsgehalt des Abschnitts abbilden soll. Eine Vektordatenbank vergleicht diese Repräsentationen mit der Nutzerfrage und liefert passende Abschnitte zurück.
Dieser Ablauf bildet häufig die Grundlage für Retrieval Augmented Generation, kurz RAG. Bei RAG beantwortet ein Sprachmodell eine Frage mithilfe zuvor abgerufener Inhalte. Das Modell erhält damit nicht zwingend das gesamte Dokument, sondern beispielsweise die fünf Abschnitte, die der Frage semantisch am nächsten liegen.
Welche Chunking-Methoden gibt es?
Die passende Chunking-Methode hängt von Inhalt und Suchaufgabe ab. Produktdaten benötigen eine andere Segmentierung als Verträge, Ratgeber oder Support-Dokumentationen. Eine feste Länge erleichtert die technische Verarbeitung, während eine inhaltliche Segmentierung Zusammenhänge besser erhalten kann.
| Methode | Funktionsweise | Geeigneter Einsatz |
|---|---|---|
| Feste Länge | Der Text wird nach einer vorgegebenen Zahl von Zeichen oder Tokens getrennt. | Einheitlich aufgebaute oder sehr große Datenbestände |
| Absatzbasiert | Absätze und Überschriften bestimmen die Grenzen. | Ratgeber, Glossare und redaktionelle Inhalte |
| Semantisch | Ein Themenwechsel löst einen neuen Abschnitt aus. | Fachtexte mit unterschiedlich langen Teilthemen |
| Hierarchisch | Kleine Abschnitte werden größeren Kapiteln oder Dokumenten zugeordnet. | Handbücher, Wissensdatenbanken und umfangreiche Dokumentationen |
Semantisches Chunking ist nicht automatisch die bessere Methode. Wenn eine Frage eine konkrete Artikelnummer oder Modellbezeichnung enthält, kann eine regelbasierte Trennung präzisere Ergebnisse liefern. Prüfe deshalb anhand realer Nutzerfragen, ob das System den Abschnitt mit der vollständigen Antwort abruft.
Chunk-Größe richtig festlegen
Eine universell optimale Chunk-Größe gibt es nicht. Sehr kleine Abschnitte liefern zwar eng umrissene Treffer, verlieren aber leichter Voraussetzungen, Ausnahmen oder Begründungen. Sehr große Abschnitte enthalten mehr Kontext, können jedoch mehrere Themen vermischen. Das Retrieval bewertet dann möglicherweise einen Abschnitt als passend, obwohl nur ein kleiner Teil die Frage beantwortet.
Die sinnvolle Größe hängt von drei Bedingungen ab:
Eine Überlappung eignet sich vor allem für fortlaufende Texte. Tabellen, FAQ-Blöcke und strukturierte Produktdaten benötigen dagegen häufig klare Grenzen. Wird eine Tabellenzeile von ihrer Spaltenüberschrift getrennt, kann der Chunk zwar einzelne Werte enthalten, deren Bedeutung bleibt für das Modell jedoch unklar.
Unterschied zwischen Chunk und Token
Der Unterschied zwischen Chunk und Token liegt in der Verarbeitungsebene. Ein Token ist eine elementare Einheit des Sprachmodells, beispielsweise ein Wortteil oder Satzzeichen. Ein Chunk besteht aus mehreren Tokens und bildet einen größeren Informationsabschnitt. Tokens bestimmen den technischen Umfang, während Chunks den für Suche und Antwort verfügbaren Kontext organisieren.
Ein Chunk ist außerdem nicht mit einem Absatz gleichzusetzen. Ein Absatz kann als Grenze dienen, muss aber keine vollständige Informationseinheit bilden. Wenn eine Überschrift, eine Definition und eine Ausnahmeregel zusammengehören, sollten diese Elemente nach Möglichkeit im selben Abschnitt bleiben.
Chunk und GEO 2026
Für GEO, also Generative Engine Optimization, ist das Prinzip relevant, weil KI-Systeme Inhalte häufig passageweise abrufen und verarbeiten. Website-Betreiber können jedoch nicht verbindlich festlegen, wie ChatGPT, Perplexity, Gemini oder andere Systeme eine Webseite segmentieren. Eine klare Seitenstruktur erhöht lediglich die Wahrscheinlichkeit, dass eine Passage ohne zusätzlichen Kontext verständlich bleibt.
Gut abgrenzbare Abschnitte beantworten jeweils eine konkrete Frage und enthalten die dazugehörige Bedingung, Zahl oder Einschränkung. Aussagekräftige H2- und H3-Überschriften, kurze Absätze, beschriftete Tabellen und abgeschlossene Definitionen erleichtern zugleich das Lesen und die maschinelle Extraktion. Eine solche Struktur gehört deshalb sowohl zur professionellen Content-Erstellung als auch zur Optimierung für generative Suchsysteme.
Chunking ersetzt keine fachliche Qualität. Ein sauber segmentierter Text mit falschen, unbelegten oder oberflächlichen Aussagen bleibt eine schwache Quelle. Bei KI-gestützten Texten müssen deshalb Informationsgehalt, Quellenlage und redaktionelle Prüfung stimmen, bevor die technische Struktur optimiert wird.
Chunk-Qualität messen
Messbar ist die Chunk-Qualität über einen festen Fragenkatalog. Formuliere beispielsweise 20 typische Nutzerfragen und kontrolliere, ob der Abschnitt mit der vollständigen Antwort unter den ersten fünf Treffern erscheint. Dokumentiere zusätzlich, ob wichtige Voraussetzungen mitgeliefert werden und wie viele irrelevante Abschnitte das Retrieval zurückgibt.
Eine niedrige Trefferqualität kann mehrere Ursachen haben. Der Abschnitt kann zu groß sein, das Embedding kann Fachbegriffe unzureichend abbilden oder wichtige Metadaten können fehlen. Ändere deshalb jeweils nur einen Faktor und wiederhole denselben Fragenkatalog. Nur ein kontrollierter Vergleich zeigt, ob eine neue Chunk-Größe die Antworten tatsächlich verbessert.
Typische Fehler beim Chunking
Häufige Fragen zu Chunks
Wie groß sollte ein Chunk sein?
Die geeignete Größe hängt von Textart, Sprachmodell und Suchaufgabe ab. Ein Abschnitt sollte eine Frage vollständig beantworten, ohne mehrere unabhängige Themen zu vermischen. Die Größe sollte deshalb mit echten Nutzerfragen getestet werden.
Warum braucht ein Chunk eine Überlappung?
Eine Überlappung übernimmt Informationen aus dem Ende eines Abschnitts in den folgenden Abschnitt. Dadurch bleiben Sätze, Erklärungen oder Bedingungen erhalten, die genau an einer technischen Grenze stehen.
Was ist semantisches Chunking?
Semantisches Chunking trennt Inhalte anhand ihrer Bedeutung und erkannter Themenwechsel. Die Abschnitte können dadurch unterschiedlich lang sein, bilden aber häufiger geschlossene Informationseinheiten.
Was ist der Unterschied zwischen Chunking und Embedding?
Chunking teilt einen Inhalt in Abschnitte. Ein Embedding wandelt einen solchen Abschnitt in eine mathematische Repräsentation um, damit ein System Bedeutungsähnlichkeiten berechnen kann.
Werden Webseiten von Suchmaschinen in Chunks zerlegt?
Suchmaschinen und KI-Systeme können Inhalte passageweise analysieren, ihre genauen Verfahren sind jedoch nicht vollständig öffentlich. Website-Betreiber können die konkrete Segmentierung daher nicht vorgeben, aber durch klare Überschriften und abgeschlossene Absätze unterstützen.
Kann ein Chunk eine Tabelle enthalten?
Ein Chunk kann eine Tabelle enthalten, wenn Überschriften, Spaltenbezeichnungen und Werte gemeinsam erhalten bleiben. Werden einzelne Zellen ohne Beschriftung getrennt, fehlt dem System häufig der notwendige Kontext.
Wenn du eigene SEO-, SEA- und GEO-Daten für KI-Auswertungen strukturiert nutzen möchtest, kannst du einen Free Account anlegen.
Sie haben noch Fragen?
