Knowledge Retention and Use with RAG-Enhanced Generative AI
Lade...
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
2025
Typ der Arbeit
Master
Studiengang
Sammlung
Typ
11 - Studentische Arbeit
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Hochschule für Wirtschaft FHNW
Verlagsort / Veranstaltungsort
Olten
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
The loss of tacit knowledge, constituting the majority of organizational knowledge, significantly impairs an organization’s ability to compete. Traditionally, research and practice have focused on preventing knowledge loss through human- and technology-centered strategies. Nowadays Generative Artificial Intelligence (GAI) is disrupting many industries and brings a great paradigm shift for knowledge management. In particular the Retrieval Augmented Generation (RAG) capability emerges as a promising solution to combine the world knowledge of Large Language Models (LLMs) with domain-specific knowledge of companies.
Schlagwörter
Fachgebiet (DDC)
Veranstaltung
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Begutachtung
Open Access-Status
Lizenz
Zitation
Miliaev, S. (2025). Knowledge Retention and Use with RAG-Enhanced Generative AI [Hochschule für Wirtschaft FHNW]. https://irf.fhnw.ch/handle/11654/54856