RAG in der Praxis - Aufbau und Betrieb von Retrieval-Augmented Generation Systemen

Ziele der Schulung

In dieser 2-tägigen Schulung "RAG in der Praxis - Aufbau und Betrieb von Retrieval-Augmented Generation Systemen" lernen Sie, wie Sie Retrieval-Augmented Generation (RAG) nutzen, um LLMs mit aktuellem, kontrollierbarem Wissen zu versorgen. Sie bauen Such- und Antwortsysteme, die verlässlich, nachvollziehbar und domänenspezifisch agieren.

Sie lernen, wie Sie eigene Daten effizient vorbereiten, einbetten, indexieren und abrufen – und wie diese Daten über Retrieval-Techniken in die Antworten von LLMs einfließen. Neben der technischen Umsetzung werden auch Qualität, Skalierung und Sicherheitsaspekte behandelt.

Zielgruppe Seminar

• KI-Entwickler
• ML-/Data Engineers
• Softwarearchitekten
• Technische Entscheider mit Fokus auf Wissenssysteme

Voraussetzungen

• Erfahrung mit modernen LLMs (z. B. GPT-4, Claude, Mistral)
• Kenntnisse in Python und API-Arbeit
• Grundwissen über Vektor-Räume und NLP hilfreich, aber nicht zwingend

Seminarinhalt

Einführung in Retrieval-Augmented Generation

• Motivation: Warum RAG?
• Limitierungen klassischer LLMs
• RAG-Architektur im Überblick: Retriever, Reranker, Generator
• Use-Cases: interne Wissensassistenten, Kundensupport, Recherche

Arbeiten mit Embeddings

• Bedeutung und Funktionsweise von Embeddings
• Auswahl geeigneter Modelle (OpenAI, HuggingFace, Cohere, BGE)
• Ähnlichkeitsmetriken und Dimensionsreduktion
• Chunking-Strategien für Textdaten

Vektor-Datenbanken & Indexierung

• Aufbau eines Index mit FAISS, Qdrant oder Weaviate
• Daten-Pipelines zur Einbettung und Aktualisierung
• Indexierungsstrategien: Metadaten, Filter, Sharding
• Erste Retrieval-Tests

Erste RAG-Pipeline (Hands-On)

• Daten einbetten und speichern
• Index abfragen
• Einfaches Prompt-Retrieval mit LangChain oder LlamaIndex
• Debugging und Logging von Retrieval-Ergebnissen

Retrieval und Generierung verknüpfen

• Prompt-Design für RAG: Vorlagen, Rollen, Struktur
• Antworten mit Quellenreferenz generieren
• Umgang mit unvollständigen Retrievals
• Multi-Document-Generierung und Zusammenfassungen

Qualitätssicherung & Optimierung

• Evaluation von RAG-Systemen (Hit@k, Accuracy, QA-Pairs)
• LLM-gestützte Auto-Evaluation
• Einsatz von Rerankern (z. B. Cohere, BGE-Reranker)
• Guardrails zur Minimierung von Halluzinationen

Betrieb & Integration

• Automatisierte Index-Updates
• Datenklassifikation und PII-Schutz
• Logging, Audit-Trails und Feedback-Loops
• Integration in bestehende Architekturen (MCP, Web-Services, Agents)

Wrap-Up und Ausblick

• RAG + Agenten: Tool-gestützte Retrieval-Systeme
• Skalierungsstrategien und Kostenmanagement
• Vergleich: Retrieval-first vs. Generator-first Pipelines
• Diskussion: RAG als produktives System

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: RAG Schulungen Portfolio

Mehr zu den Vorteilen von Badges

Kundenbewertungen

Gesicherte Kurstermine

Seminare kurz vor der Durchführung