WordStar-Archive für KI und RAG vorbereiten — offline

Warum nicht PDF für RAG

PDF-Extraktion bringt Layout-Rauschen zurück. Markdown aus einem nativen WordStar-Parse hält Überschriften und Hervorhebung als Struktur, an der ein Chunker splitten kann — ohne Umbruchflag-Müll.

Der Offline-Vorbereitungspfad

• `.ws` / `.wsd` / `.ws5`–`.ws7` unter Windows stapelweise nach Markdown konvertieren.
• Originale offline lassen; dem Indexer nur den Markdown-Baum zuführen.
• An Überschriften und Briefgrenzen chunking, nicht an rohen 2k-Zeichen-Fenstern durch Mojibake.
• Mit Ihrem lokalen oder VPC-Modellstack einbetten — privilegierte Briefe nie in eine Consumer-Chat-Box einfügen.

Was der Konverter zuerst reparieren muss

Die Qualität von Retrieval-Augmented Generation (RAG) bricht zusammen, wenn der Quelltext noch High-Bit-Umbruchbytes und wörtliche `.pl 66`-Zeilen enthält. Diese Schichten einmal offline entpacken und interpretieren, dann Markdown als System of Record fürs Embedding behandeln.

Datenschutzgrenze

Konvertierung ist lokal. Ihr Embedding-Dienst ist eine separate Entscheidung. Nicht vermischen: zuerst sauberes Markdown auf diesem PC, dann dieselbe KI-Richtlinie anwenden, die Ihre Organisation schon für andere Dokumente nutzt.