Katalog
/
Künstliche Intelligenz und angewandte KI
/
Fortgeschrittene Retrieval-Augmented Generation (RAG) Implementierung

Fortgeschrittene Retrieval-Augmented Generation (RAG) Implementierung

Ein praxisnaher dreitägiger technischer Aufbaukurs für Teilnehmende, die bereits die Grundlagen von Retrieval-Augmented Generation verstehen und genauere, wartbare und produktionsreife RAG Systeme entwickeln möchten. Die Agenda konzentriert sich auf Ingestion Architektur, Chunking, Embeddings, Vector Indexing, Hybrid Retrieval, Reranking, Query Processing, Context Construction, Evaluation, Sicherheit, Observability und Deployment. Der Kurs legt den Schwerpunkt auf Implementierungsentscheidungen und technische Tradeoffs statt auf grundlegende RAG Konzepte.

Was werden Sie lernen?

Sie vertiefen Ihr Verständnis dafür, wie Datenaufbereitung, Retrieval Design, Ranking, Prompting und Systemarchitektur die Qualität eines RAG Systems beeinflussen. Sie lernen, robustere Retrieval Pipelines zu entwickeln, semantische und Keyword Suche zu kombinieren, Retrieval und Generation getrennt zu evaluieren und Datenaktualisierungen sowie Zugriffsrechte zu verwalten. Zusätzlich entwickeln Sie praktische Ansätze für Monitoring, Fehleranalyse, Optimierung und den Betrieb von RAG Systemen in Produktionsumgebungen.

  • Wartbare RAG Pipelines für Ingestion, Indexing, Retrieval und Generation gestalten
  • Retrieval Qualität mit Metadatenfiltern, Hybrid Search, Query Transformation und Reranking verbessern
  • Retrieval und Grounded Generation mit strukturierten Testsets und Metriken evaluieren
  • Sicherheit, Observability, Performance und Production Deployment berücksichtigen

Voraussetzungen:

  • Grundlegende praktische Kenntnisse von RAG, Embeddings, Vector Search und Sprachmodellen
  • Gute Python Kenntnisse werden empfohlen
  • Allgemeines Verständnis von APIs, Datenbanken und Anwendungsintegration
  • Erfahrung mit einer Vector Database oder Search Plattform ist hilfreich, aber nicht erforderlich

Kursübersicht*:

*Wir passen den Kursaufbau und die Inhalte an Ihre spezifischen Anforderungen und relevanten Anwendungsfälle an.

Modul 1: Eine produktionsorientierte RAG Architektur gestalten

  • Ingestion, Indexing, Retrieval, Augmentation und Generation in klar abgegrenzte Komponenten aufteilen
  • Schnittstellen zwischen Dokumentquellen, Embedding Services, Indizes und Sprachmodellen gestalten
  • Zwischen synchroner und asynchroner Verarbeitung für unterschiedliche Systembereiche auswählen
  • Dokumentaktualisierung, Reindexing, Versionierung und Fehlerwiederherstellung einplanen

Modul 2: Fortgeschrittene Dokumentvorbereitung und Chunking

  • Fixed Size, Recursive, Semantic und Structure Aware Chunking miteinander vergleichen
  • Chunk Größe und Overlap anhand von Dokumentstruktur und erwarteten Abfragemustern auswählen
  • Überschriften, Dokumenthierarchie und Quellenmetadaten bei der Ingestion erhalten
  • Tabellen, Code, lange Abschnitte, doppelte Inhalte und schlecht strukturierte Dokumente behandeln

Modul 3: Embeddings und Vector Index Design

  • Embedding Modelle anhand von Sprache, Domäne, Dimensionalität, Kosten und Qualität auswählen
  • Similarity Metrics und ihre Auswirkungen auf das Retrieval Verhalten verstehen
  • Vector Indizes und Metadatenfelder für skalierbares Filtering und Retrieval gestalten
  • Embedding Updates bei Änderungen von Quelldaten oder Embedding Modellen verwalten

Modul 4: Metadatenfilter und Retrieval Architektur

  • Metadatenschemas für Berechtigungen, Dokumenttypen, Datum, Kategorien und Ownership gestalten
  • Filter vor oder während des Retrieval anwenden, um die Kandidatenmenge einzugrenzen
  • Semantische Ähnlichkeit mit Geschäftsregeln und strukturierten Einschränkungen kombinieren
  • Irrelevante oder nicht autorisierte Inhalte aus dem Generation Context fernhalten
  • Vector Similarity mit Keyword und Full Text Search kombinieren
  • Verstehen, warum genaue Kennungen und domänenspezifische Begriffe lexikalisches Retrieval erfordern können
  • Ergebnisse verschiedener Retrieval Strategien zu einer gemeinsamen Kandidatenmenge zusammenführen
  • Kandidatenanzahl und Retrieval Tiefe im Hinblick auf Qualität, Latenz und Kosten abstimmen

Modul 6: Reranking und Verbesserung der Relevanz

  • Eine zweite Ranking Stufe einsetzen, um die Reihenfolge abgerufener Kandidaten zu verbessern
  • Modellbasiertes Reranking, Semantic Ranking und einfachere Scoring Ansätze vergleichen
  • Eine geeignete Anzahl von Kandidaten für Retrieval und finalen Kontext auswählen
  • Verbesserte Relevanz gegen zusätzliche Latenz und Verarbeitungskosten abwägen

Modul 7: Query Transformation und Context Construction

  • Mehrdeutige oder konversationelle Fragen in klarere Retrieval Queries umformulieren
  • Komplexe Fragen in Teilfragen zerlegen, wenn Informationen aus mehreren Quellen benötigt werden
  • Kontext aus den relevantesten Passagen unter Berücksichtigung von Token Limits aufbauen
  • Doppelte, widersprüchliche oder wenig relevante Inhalte vor der Generation entfernen

Modul 8: RAG Evaluation und systematische Verbesserung

  • Retrieval Qualität und Generation Qualität getrennt voneinander evaluieren
  • Prüfen, ob relevante Evidenz gefunden wurde, bevor die endgültige Antwort bewertet wird
  • Repräsentative Testfragen mit erwarteten Quellen oder Antwortkriterien erstellen
  • Evaluationsergebnisse zur Verbesserung von Chunking, Retrieval, Reranking, Prompts und Modelleinstellungen nutzen

Modul 9: Grounded Generation, Quellen und Antwortkontrolle

  • Prompts gestalten, die das Modell anweisen, abgerufene Evidenz zu priorisieren
  • Quellenangaben und Zitate aus Retrieval Metadaten erzeugen
  • Widersprüchliche Quellen und unzureichende Evidenz explizit behandeln
  • Abstention Verhalten gestalten, wenn der verfügbare Kontext keine verlässliche Antwort ermöglicht

Modul 10: Sicherheit und zugriffsgesteuertes Retrieval

  • Dokument- und benutzerspezifische Berechtigungen während des Retrieval anwenden
  • Identity und Autorisierungsinformationen durch die RAG Pipeline weitergeben
  • Sensible Informationen in Indizes, Prompts, Logs und generierten Antworten schützen
  • Prompt Injection und schädliche Anweisungen in abgerufenen Dokumenten berücksichtigen

Modul 11: Observability, Performance und Kostenoptimierung

  • Queries, abgerufene Dokumente, Scores, Modellantworten und Ausführungsmetadaten protokollieren
  • Fehler über Ingestion, Retrieval, Reranking und Generation hinweg nachvollziehen
  • Latenz messen und teure Verarbeitungsschritte in der RAG Pipeline identifizieren
  • Modellqualität, Context Size, Retrieval Tiefe, Caching und Infrastrukturkosten gegeneinander abwägen

Modul 12: Deployment, Wartung und fortgeschrittene Retrieval Muster

  • Separate Development-, Test- und Production-Konfigurationen gestalten
  • Dokument Ingestion, inkrementelle Aktualisierung, Reindexing und Validierung automatisieren
  • Multi Source Routing und Agentic Retrieval für komplexere Informationsanforderungen kennenlernen
  • Eine praktische Production Readiness Checkliste für Qualität, Sicherheit, Monitoring, Ownership und Wartung aufbauen

Praxisnahes Lernen mit erfahrenen Trainern an Ihrem Standort für Organisationen.

5.922€*
Graph Icon - Education X Webflow Template
Niveau:
advanced
Clock Icon - Education X Webflow Template
Dauer:
21
Stunden (Tage:
3
)
Camera Icon - Education X Webflow Template
Training angepasst an Ihre Bedürfnisse
Star Icon - Education X Webflow Template
Intensive praktische Erfahrung in einer speziellen Umgebung
*Der Preis kann je nach Teilnehmerzahl, Änderung des Programms, Standort usw. variieren.

Neue Fähigkeiten erlernen, angeleitet von erfahrenen Trainern von überall.

4.587€*
Graph Icon - Education X Webflow Template
Niveau:
advanced
Clock Icon - Education X Webflow Template
Dauer:
21
Stunden (Tage:
3
)
Camera Icon - Education X Webflow Template
Training angepasst an Ihre Bedürfnisse
Star Icon - Education X Webflow Template
Reduzierte Schulungskosten
*Der Preis kann je nach Teilnehmerzahl, Änderung des Programms, Standort usw. variieren.

Starttermine

19.-21.01.2027
München
10.-12.02.2027
Wien
03.-05.03.2027
Stuttgart
16.-18.03.2027
Wien
10.-12.06.2027
Zürich
29.06.-01.07.2027
Düsseldorf

Kein passender Termin dabei? Sprechen Sie uns gerne auf Ihren Wunschtermin an.

Wir verwenden Cookies, um die Navigation zu verbessern, die Nutzung der Website auszuwerten und unser Marketing zu unterstützen. Sie können alle Cookies akzeptieren, nicht notwendige ablehnen oder einzelne Kategorien auswählen. Zum Cookie-Hinweis