Retrieval Augmented Generation (RAG) – Seminar
Wissensmanagement mit KI
Dieses Live-Online-Training bietet Dir eine umfassende Einführung in Retrieval Augmented Generation (RAG). Das Seminar richtet sich an Teilnehmer:innen aus unterschiedlichen Branchen bzw. Aufgabenbereichen. KI-Erfahrung ist keine Voraussetzung.
Du lernst neben den Grundlagen vor allem die praktischen Anwendungen von RAG. Am Ende des Workshops bist Du in der Lage ein RAG-System selbst aufzubauen. Und Du kannst entscheiden, wie und wo RAG-Systeme in Deinem Unternehmen eingesetzt werden sollten. Natürlich unter Berücksichtigung der Datenschutzgrundverordnung.
Melde Dich noch heute an und entdecke, wie Du Künstliche Intelligenz passgenau mit RAG in Deinem Unternehmen einführst und gestaltest. Nutze die Gelegenheit, Dein Wissen zu erweitern und von unseren erfahrenen Trainern zu profitieren.
Ihr Nutzen
- Praktische Anwendungen kennenlernen und direkt umsetzen
- Eine KI mit eigenen Daten trainieren und nutzen
- Präzises und kontextbezogenes Prompting für mehr Effizienz und mehr Nutzer- und Kundenzufriedenheit
- RAG effektiv nutzen, um maßgeschneiderte, zielgruppenspezifische Ergebnisse zu erzeugen
- Technische Kompetenzen, um Ihr eigenes RAG-System zu entwickeln und erfolgreich zu betreiben
Nächster Seminartermin
Zielgruppen
Inhalte
Einführung in die KI
- Grundlagen der künstlichen Intelligenz
- Überblick über Large Language Models (LLMs)
Umgang mit LLMs und Prompting
- LLMs verstehen und nutzen
- Grundlagen des Promptings: perfekte Ergebnisse erzielen durch die richtigen Eingaben
Technische Bestandteile von RAG
- Laden von Daten aus internen Systemen (Dateien und APIs)
- Aufbau von Embeddings und Chunking-Strategien
Suchstrategien
- Vektor-Suche und Hybride-Suche nutzen
- Integration von Web-Suche und eigenen Tools sowie APIs
Tools und Betrieb
- Werkzeuge für den Betrieb von RAG-Systemen auswählen
- Mitarbeiter- und Datenschutzaspekte beachten
FAQ
Retrieval Augmented Generation (RAG) ist eine Technik, die große Sprachmodelle (Large Language Models, LLMs) mit spezifischen Datenquellen kombiniert. Dadurch ruft das Modell relevante Informationen aus verschiedenen Quellen ab und lässt diese Informationen in die generierten Texte einfließen. Dies führt zu präzisen und kontextbezogenen Antworten und Ergebnissen.
Durch die Kombination von abgerufenem Wissen und Sprachgenerierung liefern Chatbots in Echtzeit präzise und kontextbezogene Antworten.
RAG beantwortet Nutzerfragen, indem relevante Informationen aus eigenen Datenquellen genutzt werden, anstatt nur auf vortrainiertes Wissen zurückzugreifen, das nicht unternehmensspezifisch ist.
Bei der Erstellung von Artikeln, Berichten oder Zusammenfassungen ruft RAG relevante Informationen ab und generiert dadurch die richtigen Inhalte.
Bei der Bearbeitung von E-Mails formuliert RAG passende Antworten auf eingehende Anfragen, indem es aus früheren Kommunikationen und Unternehmensdatenbanken lernt.
Im Personalentwicklungs- und Bildungsbereich erstellt RAG personalisiertes Lernmaterial und beantwortet Fragen durch Zugriff auf unternehmenseigene oder andere passende Bildungsressourcen.