Beratung vereinbaren
|
Beratung vereinbaren
Chatte mit deinen Daten

Aufbau eines Retrieval-Augmented-Generation-(RAG)-Systems

Unser Workshop direkt bei Ihnen vor Ort.

In diesem Workshop lernen die Teilnehmer, ein Retrieval-Augmented-Generation (RAG)-System zu entwickeln, das Anfragen effizient gegen eine umfangreiche Textdatenbank verarbeitet.

Durch den Aufbau eines Embeddings-basierten Indexes und die kontextuelle Beantwortung von Fragen anhand relevanter Dokumente erfahren die Teilnehmer, wie sie ihre Daten in eine interaktive, dialogbasierte Umgebung umwandeln

 

Für wen ist der Workshop geeignet?

Der Workshop richtet sich an Entwickler, die entweder noch keine oder nur geringe praktische Erfahrung mit Large Language Models (LLMs) haben und grundlegende Python-Kenntnisse mitbringen.

Lernziele

  • Datenaufbereitung und -persistierung für LLMs: Die Teilnehmer lernen, wie sie Daten für die Verarbeitung mit LLMs vorbereiten und diese effizient persistieren, um den Trainingsprozess zu unterstützen.
  • Verarbeitung von Textdaten mit LLMs: Die Teilnehmer erwerben Kenntnisse über die grundlegenden Schritte der Textdatenverarbeitung mit LLMs, von der Dateneinlesung bis zur Anwendung.
  • Praktische Erfahrungen mit LLMs: Durch praxisnahe Übungen sammeln die Teilnehmer wertvolle Erfahrungen im Umgang mit LLMs und deren vielfältigen Einsatzmöglichkeiten.
Jetzt Beratung anfordern 

Agenda

Ab 09:00 Uhr: Registrierung und Begrüßungskaffe

10:00 Uhr: Einführung in das RAG-System

  • Vorstellung der RAG-Komponenten:
    • Streamlit UI
    • Langchain Backend
    • Azure OpenAI
    • Prompting
    • Agents
    • Multimodalität
  • Setup der RAG-Umgebung
  • Setup einer künstlichen Firmendatenbank

12:30 Uhr: Mittagspause

13:30 Uhr: Implementieren eines RAG-Prototyps mit den vorgestellten Komponenten

16:30 Uhr: Testen des RAG-Prototyp

ca. 17:00 Uhr: Ende des Workshops

Jeweils am Vor- und Nachmittag ist eine Kaffeepause vorgesehen.

Jetzt anfragen 

Technische Anforderungen

Die Teilnehmerinnen und Teilnehmer benötigen einen eigenen Laptop, der mindestens 100 MB freien Speicherplatz für Testdaten und eine Testdatenbank bietet. Vor dem Workshop sollte eine Python-Umgebung (Version 3.11) installiert und eine virtuelle Umgebung eingerichtet worden sein. Hier gibt es eine Anleitung dazu. 

Die Python-Umgebung ist für alle gängigen Plattformen verfügbar. Vor dem Workshop erhalten die Teilnehmerinnen und Teilnehmer außerdem einen Link zu einem GitHub-Repository mit dem notwendigen Setup, das idealerweise bereits im Vorfeld heruntergeladen wird.

Jeder Teilnehmer sollte vorab überprüfen, ob eines der folgenden Probleme auftreten könnte:

  • Keine Administrator-Rechte.
  • Strenge Sicherheitssoftware auf dem Firmenlaptop könnte den Zugriff einschränken.
  • Firmeneigene Proxy-Einstellungen, die in anderen Netzwerken möglicherweise nicht funktionieren.

Der Trainer

Position
Lead Consultant Generative AI
Fabian Kaiser ist Experte für Generative AI. Er hat nach seinem Master in Informatik mit Fokus auf Natural Language Processing (NLP) ein Jahr lang am Ubiquitous Knowledge Processing (UKP) Lab zu Argument Mining in juristischen Texten geforscht. Seitdem hat er an diversen Projekten mit Fokus auf Textverarbeitung, IoT und Cloud Computing gearbeitet.

Individueller Inhouse-Workshop

Wir bieten den Workshop als individualisierten Inhouse-Veranstaltung an, die speziell auf die Bedürfnisse Ihres Unternehmens zugeschnitten werden kann. Sprechen Sie uns gerne an, um ein maßgeschneidertes Programm direkt vor Ort zu planen.

Fabian Kaiser
Lead Consultant Generative AI

Gerne berate ich Sie in einem unverbindlichen Vorabgespräch!

Inhouse anfragen
Bitte aktiviere JavaScript in deinem Browser, um dieses Formular fertigzustellen.
Name
Informationen zur Datenverarbeitung finden Sie in unserer Datenschutzerklärung.
© 2024 – 2025 HMS Analytical Software
chevron-down