Grundlagen, Methoden und Anwendungsmöglichkeiten
In der modernen KI-Welt sind Large Language Models (LLMs) zu einem unverzichtbaren Werkzeug geworden. Doch trotz ihrer beeindruckenden Fähigkeiten stoßen sie an Grenzen, wenn es um die Verarbeitung von Faktenwissen und spezifischen Daten geht. Hier kommt Retrieval-Augmented Generation (RAG) ins Spiel. RAG kombiniert die Stärken von Retrieval-Systemen und generativen Modellen, um präzisere, faktenbasierte und kontextbezogene Antworten zu liefern. Der Vortrag führt in die Grundlagen von RAG ein und zeigt, wie diese Technologie in der Praxis eingesetzt werden kann.
Neben einfachen RAG-Methoden werden auch komplexere Ansätze und mögliche Fehlerquellen beleuchtet sowie unterschiedliche Anwendungen auf Basis von RAG-Infrastruktur vorgestellt. Ein weiterer Schwerpunkt liegt in der Darstellung von infrastrukturellen Rahmenbedingungen für den institutionellen Einsatz von RAG-Diensten.
Die Teilnahme ist kostenfrei.