GraphRAG mit Python und Neo4j

Ziele der Schulung

In dieser 2-tägigen Schulung "GraphRAG mit Python und Neo4j" lernen Sie, wie Sie mit dem offiziellen neo4j-graphrag effiziente Retrieval-Augmented Generation (RAG)-Systeme entwickeln können. Der Fokus liegt auf der Erstellung und Nutzung von Wissensgraphen (Knowledge Bases) zur Optimierung von LLM-basierten KI-Anwendungen.

Sie richten eine geeignete Entwicklungsumgebung ein, verarbeiten unstrukturierte Daten zur automatisierten Graphgenerierung, integrieren Vektorindizes und Embedding-Modelle und setzen verschiedene Retriever-Strategien wie semantische Suche, Graph Traversal oder Text2Cypher ein. In einem durchgehenden Praxisprojekt entwickeln Sie einen vollständigen GraphRAG-Workflow – von der Datenextraktion bis zur Antwortgenerierung – und lernen Best Practices für den produktiven Einsatz kennen.

Zielgruppe Seminar

• Entwickler
• Data Scientist
• Machine Learning Engineers

Voraussetzungen

• Grundkenntnisse in Python
• Erste Erfahrungen mit Neo4j oder Graphdatenbanken sind von Vorteil
• Grundverständnis von KI-Konzepten

Seminarinhalt

Grundlagen von Retrieval-Augmented Generation (RAG) und Wissensgraphen

• Verständnis des RAG-Konzepts und dessen Vorteile gegenüber traditionellen KI-Ansätzen
• Einführung in Wissensgraphen und deren Rolle in der KI
• Überblick über Neo4j als Graphdatenbank und deren Einsatzmöglichkeiten

Einrichtung der Entwicklungsumgebung

• Installation und Konfiguration des neo4j-graphrag Python-Pakets
• Verbindung zu einer Neo4j-Datenbank herstellen
• Einrichtung von LLM-Providern (z. B. OpenAI) und Embedding-Modellen

Erstellung und Nutzung von Wissensgraphen

• Verarbeitung unstrukturierter Daten zur Extraktion von Entitäten und Beziehungen mithilfe von OpenAI LLMs
• Aufbau eines Wissensgraphen mit Neo4j
• Anwendung von Embeddings und Vektorindizes für semantische Suchen

Erweiterte Retrieval-Strategien

• Einsatz verschiedener Retriever-Typen:
  • VectorRetriever für semantische Suchen
  • VectorCypherRetriever für kombinierte Suchen
  • HybridRetriever für die Kombination von Vektor- und Volltextsuche
  • Text2CypherRetriever zur Übersetzung natürlicher Sprache in Cypher-Abfragen
• Integration von Graph Traversal zur Verbesserung der Suchergebnisse

Entwicklung eines vollständigen GraphRAG-Workflows

• Kombination von Wissensgraphen und RAG für End-to-End-Anwendungen
• Implementierung eines vollständigen Workflows von der Datenextraktion bis zur Antwortgenerierung
• Best Practices und Optimierungsmöglichkeiten

Praxisprojekt und Anwendung

• Eigenständige Umsetzung eines Projekts zur Anwendung der erlernten Konzepte
• Präsentation und Diskussion der Ergebnisse
• Feedback und Ausblick auf weiterführende Themen

Open Badge für dieses Seminar - Ihr digitaler Kompetenznachweis

Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erhalten Sie zusätzlich zu Ihrem Teilnehmerzertifikat ein digitales Open Badge (Zertifikat) – Ihren modernen Nachweis für erworbene Kompetenzen.

Ihr Open Badge ist jederzeit in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com-Konto verfügbar. Mit wenigen Klicks können Sie diesen digitalen Nachweis in sozialen Netzwerken teilen, um Ihre Expertise sichtbar zu machen und Ihr berufliches Profil gezielt zu stärken.

Übersicht: LLM Schulungen Portfolio

Mehr zu den Vorteilen von Badges

Seminare kurz vor der Durchführung