Optimierung von RAG-Systemen: Fortgeschrittene Techniken für mehr Leistung

Nach Abschluss des Workshops können Sie

• RAG-Systeme systematisch evaluieren und deren Leistung messen.

• komplexe Optimierungstechniken wie Semantic Chunking, Hybrid Search und Query Expansion professionell implementieren.

• konkrete Strategien zur Verbesserung der Antwortqualität und Zuverlässigkeit von KI-Systemen entwickeln.

• typische Limitierungen von RAG-Systemen erkennen und gezielt adressieren.

Inhalte

RAG-Systeme sind der Schlüssel zu performanten und kontextbezogenen KI-Anwendungen. Mit der rasanten Entwicklung von KI-Technologien werden Optimierungstechniken immer wichtiger, um Wettbewerbsvorteile zu generieren und hochwertige, zuverlässige KI-Lösungen zu entwickeln.

Dieser zweitägige Intensiv-Workshop befasst sich eingehend mit der Optimierung von RAG-Systemen. Der praxisorientierte Ansatz kombiniert theoretische Grundlagen (30%) mit praktischer Erfahrung (70%). In kleinen Teams oder zu zweit arbeiten Sie an realen Anwendungsfällen und entwickeln Lösungsstrategien für typische Herausforderungen.

Nach Abschluss des Workshops können Sie RAG-Systeme systematisch evaluieren und deren Leistungsfähigkeit mithilfe moderner Frameworks transparent bewerten. Sie beherrschen ein breites Spektrum an Optimierungstechniken wie Semantic Chunking und Hybrid Search, verstehen deren Vor- und Nachteile und setzen diese gezielt ein. Mit dieser Expertise sind Sie in der Lage, maßgeschneiderte Optimierungsstrategien für spezifische Anwendungsfälle zu entwickeln.

Besonderer Wert liegt auf einem hohen Praxisanteil: Sie erfahren unmittelbar die Wirkung verschiedener Optimierungstechniken und lernen, diese gezielt miteinander zu kombinieren. Die kleine Gruppengröße von maximal 15 Teilnehmern garantiert eine intensive Betreuung durch zwei erfahrene Trainer.

Themen in der Übersicht

• 1. Einführung in RAG-Systeme

  • Grundlagen

  • Stärken und Herausforderungen

• 2. Evaluierungstechniken

  • Mit Metriken die Leistung eines RAG Systems bewerten

  • RAGAS und GroUSE Frameworks

  • Aufbau von Evaluierungsdatensätzen

• 3. RAG-Optimierungsgrundlagen

  • Modellauswahl

  • Chunking-Strategien

  • Prompt Optimierung

• 4. Fortgeschrittene Optimierungstechniken

  • Semantic Chunking

  • Hybrid Search

  • Reranking-Strategien

  • Query Expansion

  • Knowledge Graphs

Zielgruppe

Softwareentwickler / AI-Engineers, die mit RAG vertraut sind

Voraussetzungen

• Programmierkenntnisse

• Laptop mit VNC Client, um sich mit fertig eingerichteten Übungsrechner verbinden zu können

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. 15 Personen begrenzt.