KI für eigene Daten: Retrieval Augmented Generation (RAG) in der Praxis mit LangChain.js

• Einführung in RAG: Verstehen, wie Retrieval Augmented Generation (RAG) mit LangChain.js und LangGraph.js funktioniert.

• Architektur & Integration: Tiefes Verständnis der Architektur und technische Feinheiten bei der Einbindung eigener Daten in KI-Modelle.

• Arbeitstechniken: Erlernen effektiver Arbeitstechniken mit komplexen Prompts und maßgeschneiderten KI-Lösungen.

Inhalte

Retrieval-Augmented Generation (RAG) kombiniert die Stärken der Textgenerierung und des Information Retrieval, um umfassende und präzise Antworten auf Anfragen zu liefern. Diese Technologie ermöglicht es Entwicklern, komplexe Anwendungen zu erstellen und dabei die Leistungsfähigkeit moderner KI-Modelle voll auszuschöpfen.

In unserem dreitägigen interaktiven Workshop lernen Sie die Grundlagen von RAG kennen und haben die Möglichkeit, das Gelernte mit den Tools LangChain.js und LangGraph.js praktisch anzuwenden.

Die Übungen finden in einer interaktiven und unterstützenden Lernumgebung statt. Sie lernen, wie Sie maßgeschneiderte KI-Lösungen mit RAG als zentralem Pattern entwickeln und wie Sie diese Architektur sowohl in der Cloud als auch On-Premise implementieren. Außerdem lernen Sie, wie man Prompts optimiert und KI-Lösungen effizient gestaltet.

Themen in der Übersicht

• 1. Architektur und API-Integration

  • Überblick über die Architektur von LangChain.js

  • Möglichkeiten, mit Language Models (LLMs & SLMs) zu arbeiten

  • Anbindung von APIs wie OpenAI, Azure OpenAI oder lokalen Modellen

  • Auswahlkriterien und technische Feinheiten der Modellintegration

• 2. Eigene Daten einbinden

  • Technische Details zur Einbindung eigener Daten in KI-Modelle

  • Erkundung von Embedding-Modellen und Vektor-Datenbanken

  • Analyse und Auswahlkriterien für Vektor-Datenbanken

  • Konfiguration und Integration dieser Komponenten in Projekte

• 3. Arbeiten mit Prompts – Best Practices

  • Nutzung von LangChain zur Optimierung von Prompts und Effizienzsteigerung

  • Entwicklung maßgeschneiderter KI-Lösungen mit RAG als zentralem Pattern

  • Einsatz der Architektur sowohl in der Cloud als auch On-Premises

  • Analyse der Auswahl und des Einsatzes von Vektor-Datenbanken

• 4. Entwicklung von KI-Agenten mit LangGraph.js

  • Entwicklung eigener KI-Agenten von der Konzeption bis zu realistischen Testszenarien

  • Echtzeit-Interaktion und nahtlose Integration in Business-Anwendungen.

Zielgruppe

Der Workshop richtet sich an Entwickler, die ihre technischen Fähigkeiten erweitern und praxisnahe Einblicke in den Einsatz moderner KI-Technologien gewinnen möchten.

Voraussetzungen

Vorausgesetzt werden Grundkenntnisse in JavaScript/TypeScript mit Node.js, idealerweise ergänzt durch Grundkenntnisse in Docker.

Um aktiv an den Übungen teilnehmen zu können, müssen die folgenden technischen Voraussetzungen erfüllt sein:

• Eine IDE zur Webentwicklung (im Workshop wird vom Trainer Visual Studio Code verwendet)

• Die aktuelle Node.js LTS Version muss installiert und NPM ohne Proxy-Probleme nutzbar sein.

• Eine installierte Docker-Umgebung wäre ideal, ist aber nicht zwingend erforderlich. Alternativ zu Docker kann auch die kostenlose Desktop-Software LM Studio verwendet werden.

• Ein OpenAI- oder Azure OpenAI Account wäre ebenfalls von Vorteil, ist aber nicht zwingend erforderlich.

Zur Workshop-Durchführung wird Zoom verwendet mittels eines DSGVO-konformen On-Premise-Connectors. Wir bitten Sie, ein Mikrofon oder Headset sowie einen aktuellen Browser zu nutzen.

Leistungen Ihres Workshoptickets

• Workshopunterlagen

• Teilnahmebescheinigung

Durchführung

Ist die Durchführung der Veranstaltung aufgrund höherer Gewalt, wegen Verhinderung eines Referenten, wegen Störungen am Veranstaltungsort oder aufgrund zu geringer Teilnehmerzahl nicht möglich, werden die Teilnehmenden frühestmöglich informiert.

Die Teilnehmerzahl ist auf max. 20 Personen begrenzt.