RAG 2.0 mit KI: von der Retrieval-Pipeline zur agentischen Recherche

RAG 2.0 mit KI: von der Retrieval-Pipeline zur agentischen Recherche.

MODUL 01: RAG-GRUNDLAGEN AUFGEFRISCHT

• Chunking, Embeddings, Vektorsuche: die klassische Pipeline
• Typische Fehlerquellen: Warum RAG-Antworten schlecht werden
• Evaluation: Retrieval- und Antwortqualität messen (RAGAS)
• Der ehrliche Blick: Warum das erste RAG selten gut ist
• Ihre Ausgangslage: Wo hakt Ihre Pipeline?

MODUL 02: ADVANCED RETRIEVAL

• Hybrid Search, Re-Ranking und Query-Expansion
• Strukturwissen nutzen: GraphRAG und Metadaten-Filter
• Übung: Sie verbessern eine RAG-Pipeline systematisch
• Der Aha-Moment: dieselbe Frage, plötzlich die richtige Antwort
• Messbar besser statt gefühlt besser

MODUL 03: AGENTIC RAG

• Vom einmaligen Retrieval zur iterativen Recherche
• Query-Planung, Selbstkritik und Quellenbewertung durch Agenten
• Übung: Sie bauen einen Recherche-Agenten über mehrere Wissensquellen
• Wann sich der Mehraufwand agentischer Recherche lohnt
• Verlässlichkeit durch Quellenprüfung

MODUL 04: PRODUKTION

• Aktualisierungsstrategien für Wissensbasen
• Zugriffsrechte und Mandantentrennung im Retrieval
• Kosten, Latenz und Caching in RAG-Systemen
• Monitoring der Antwortqualität im Betrieb
• Ihr Fahrplan zum belastbaren RAG-System