Kurz-Fakten
- Übliche Abschnittsgrößen liegen im Bereich einiger hundert Token, mit Überlappung an den Rändern
- Eine feste Zeichenzahl ohne Rücksicht auf die Struktur zerreißt Tabellen, Listen und Paragrafen
- Bessere Grenzen sind Überschriften, Absätze und bei Rechtstexten die Gliederungsebenen
- Jeder Abschnitt braucht Metadaten – Quelle, Fundstelle, Stand –, sonst ist die Antwort nicht belegbar
- Wird ein Dokument gelöscht, müssen alle daraus entstandenen Abschnitte mitgelöscht werden
Bedeutung in der Praxis
Der Fehler, den fast jeder erste Aufbau macht: alle Dokumente mit derselben festen Zeichenzahl zerteilen. Bei Fließtext geht das gut, bei Verwaltungsunterlagen nicht. Ein Merkblatt mit einer Gebührentabelle zerfällt dabei in einen Abschnitt mit der Überschrift, einen mit den Spaltenköpfen und einen mit den Zahlen – und keiner davon beantwortet für sich die Frage, was etwas kostet.
Der zweite Punkt betrifft das Löschen. Ein Dokument, das aus dem Bestand entfernt wird, existiert weiterhin als Dutzend Abschnitte im Index. Wer nicht von vornherein festhält, welcher Abschnitt aus welchem Dokument stammt, kann diese Verbindung später nicht mehr herstellen – und damit auch nicht sauber löschen.