Automatisierte Pipeline wandelt Call-Center-Aufnahmen in Q&A-Daten für LLM-Training

Ein neues Verfahren namens Call2Instruct ermöglicht es, aus unstrukturierten Call‑Center‑Aufnahmen automatisch hochwertige Frage‑Antwort‑Datensätze zu generieren. Diese Daten sind besonders wertvoll für das Feintuning von Large‑Language‑Models (LLMs) in spezifischen Anwendungsdomänen.

Die Pipeline arbeitet in mehreren Schritten: Zunächst werden die Audiodateien verarbeitet – das umfasst die Sprecher‑Trennung, Rauschunterdrückung und automatische Transkription. Anschließend erfolgt die Textbereinigung, Normalisierung und Anonymisierung, um sensible Informationen zu schützen.

Im Kern nutzt das System Vektor‑Embeddings, um Kundenanfragen und die dazugehörigen Antworten semantisch zu extrahieren. Durch eine semantische Suche werden passende Paare gebildet, die schließlich als strukturierte Q&A‑Daten für das Instruct‑Fine‑Tuning bereitgestellt werden.

Die Implementierung wurde erfolgreich getestet: Mit dem generierten Datensatz konnte ein LLM (basierend auf Llama 2 7B) feinjustiert werden, was die praktische Nützlichkeit und Umsetzbarkeit des Ansatzes bestätigt. Diese Technologie eröffnet neue Möglichkeiten, um aus Call‑Center‑Konversationen wertvolle Trainingsmaterialien für KI‑gestützte Kundenservice‑Anwendungen zu gewinnen.