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

Retrieval-Augmented Generation (RAG) Grundlagen

Ein praxisnaher zweitägiger Einführungskurs für Teilnehmende, die neu mit Retrieval-Augmented Generation arbeiten und verstehen möchten, wie KI Systeme Fragen mithilfe vertrauenswürdiger externer Informationen beantworten können. Die Agenda führt in den RAG Workflow, Dokumentvorbereitung, Chunking, Embeddings, Vector Search, Retrieval, Prompt Gestaltung, Antwortgenerierung und grundlegende Evaluation ein. Der Kurs konzentriert sich auf eine klare konzeptionelle und praktische Grundlage, ohne in fortgeschrittene Retrieval Architekturen oder Optimierung für große Produktionsumgebungen einzusteigen.

Was werden Sie lernen?

Sie lernen, wie ein grundlegendes RAG System ein Sprachmodell mit externen Dokumenten und Datenquellen verbindet. Sie verstehen, wie Inhalte vorbereitet, in Embeddings umgewandelt, für Retrieval gespeichert, mit Nutzerfragen abgeglichen und als Kontext an ein Sprachmodell übergeben werden. Zusätzlich lernen Sie, einfache RAG Systeme zu bewerten und typische Einschränkungen wie schwaches Retrieval, irrelevanten Kontext oder nicht ausreichend belegte Antworten zu erkennen.

  • Die wichtigsten Komponenten und den Ablauf eines RAG Systems verstehen
  • Dokumente mit Chunking und Metadaten für Retrieval vorbereiten
  • Embeddings, Vector Search und grundlegende Retrieval Konzepte verstehen
  • Einfache RAG Antworten hinsichtlich Relevanz, Genauigkeit und Grounding bewerten

Voraussetzungen:

  • Geeignet für Teilnehmende, die neu mit Retrieval-Augmented Generation arbeiten
  • Grundlegende Vertrautheit mit generativer KI und Large Language Models ist hilfreich
  • Allgemeines Verständnis von Dokumenten, Datenbanken oder Suchkonzepten ist nützlich
  • Keine vorherige RAG Erfahrung erforderlich

Kursübersicht*:

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

Modul 1: Einführung in Retrieval-Augmented Generation

  • Verstehen, was RAG ist und welche Probleme damit adressiert werden
  • Reine Modellantworten mit Antworten vergleichen, die auf externen Informationen basieren
  • Den grundlegenden Ablauf von der Nutzerfrage über Retrieval bis zur generierten Antwort verstehen
  • Typische Anwendungsfälle wie interne Wissenssuche, Dokumentassistenten und Supportsysteme kennenlernen

Modul 2: Dokumente, Chunking und Metadaten

  • Dokumente und Textquellen für die Nutzung in einem RAG System vorbereiten
  • Verstehen, warum lange Dokumente in kleinere Chunks unterteilt werden
  • Einfache Chunking Ansätze wie feste Größen und strukturorientierte Aufteilung vergleichen
  • Metadaten nutzen, um Informationen wie Quelle, Titel, Kategorie oder Datum zu erhalten

Modul 3: Embeddings und Vektorrepräsentationen

  • Embeddings als numerische Repräsentationen von Bedeutung verstehen
  • Keyword Search mit semantischer Ähnlichkeitssuche vergleichen
  • Verstehen, wie Dokument Chunks und Nutzerfragen als Vektoren repräsentiert werden
  • Vector Stores und ihre Rolle in einer grundlegenden RAG Architektur kennenlernen

Modul 4: Retrieval und Similarity Search

  • Verstehen, wie eine Nutzeranfrage mit gespeicherten Dokumentvektoren abgeglichen wird
  • Mit den am besten passenden Chunks und einfachen Similarity Scores arbeiten
  • Verstehen, wie die Anzahl abgerufener Ergebnisse den bereitgestellten Kontext beeinflusst
  • Häufige Retrieval Probleme wie irrelevante oder fehlende Ergebnisse erkennen

Modul 5: Kontext für das Sprachmodell aufbauen

  • Abgerufene Chunks zu einem sinnvollen Kontext für die Generierung zusammenführen
  • Einfache Prompts formulieren, die das Modell zur Nutzung der abgerufenen Informationen anweisen
  • Das Modell anweisen, sich bei begrenzter Evidenz auf den bereitgestellten Kontext zu beschränken
  • Verstehen, wie Kontextlänge und irrelevante Informationen die Antwortqualität beeinflussen können

Modul 6: Grounded Answers generieren

  • Retrieval Ergebnisse mit einem Sprachmodell verbinden
  • Antworten auf Basis abgerufener Dokumente statt ausschließlich auf Basis des Modellwissens erzeugen
  • Quelleninformationen oder Zitate einbinden, wenn dies sinnvoll ist
  • Situationen behandeln, in denen die abgerufenen Informationen für eine sichere Antwort nicht ausreichen

Modul 7: Grundlegende RAG Evaluation

  • Bewerten, ob die abgerufenen Inhalte für die Nutzerfrage relevant sind
  • Prüfen, ob generierte Antworten durch die abgerufene Evidenz gestützt werden
  • Retrieval Fehler von Generation Fehlern unterscheiden
  • Eine kleine Auswahl repräsentativer Fragen zur Bewertung der Gesamtqualität einsetzen

Modul 8: Einschränkungen, Sicherheit und nächste Schritte

  • Verstehen, dass RAG unbelegte oder falsche Antworten reduzieren, aber nicht vollständig verhindern kann
  • Berechtigungen, sensible Informationen und Zugriff auf Quelldokumente berücksichtigen
  • Risiken durch veraltete, doppelte oder qualitativ schwache Inhalte erkennen
  • Eine praktische Checkliste für die Planung einer einfachen RAG Anwendung erstellen

Praxisnahes Lernen mit erfahrenen Trainern an Ihrem Standort für Organisationen.

3.072€*
Graph Icon - Education X Webflow Template
Niveau:
intermediate
Clock Icon - Education X Webflow Template
Dauer:
14
Stunden (Tage:
2
)
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.

2.037€*
Graph Icon - Education X Webflow Template
Niveau:
intermediate
Clock Icon - Education X Webflow Template
Dauer:
14
Stunden (Tage:
2
)
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

12.-13.01.2027
Wien
21.-22.01.2027
Frankfurt
20.-21.04.2027
Frankfurt
04.-05.05.2027
München
22.-23.06.2027
München

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