Zum Inhalt springen

Kurskatalog

Retrieval-Augmented Generation

Gib deinem LLM ein Gedächtnis, dem es vertrauen kann.

Große Sprachmodelle wissen nichts über die Zeit nach ihrem Trainingsstichtag, erfinden Fakten und haben deine privaten Daten nie gesehen. Retrieval-Augmented Generation löst alle drei Probleme: Es ruft bei jeder Anfrage die passenden Fakten ab und gibt sie dem Modell mit, damit es auf Basis von Belegen und mit Quellenangaben antwortet. Du baust eine vollständige RAG-Pipeline in Python: laden, in Textabschnitte aufteilen, Embeddings erzeugen, speichern, abrufen und generieren. Dann verbesserst du sie mit hybrider Suche, Rerankern und dem Umformulieren von Suchanfragen. Zum Schluss machst du sie einsatzbereit: Du evaluierst die Quellentreue mit Metriken nach dem Vorbild von RAGAS, reduzierst Halluzinationen und Kosten und schützt sie vor Prompt-Injection und Datenlecks.

Starte mit einer kostenlosen LektionAlle Tarife vergleichen

Lehrplan

  1. Abschnitt 1

    Warum RAG?

    Verstehe, was große Sprachmodelle allein nicht können und wie Informationsabruf diese Grenzen überwindet.

    1. Die Grenzen von LLMs
    2. Was ist RAG?
    3. RAG, Fine-Tuning und langer Kontext
    4. So ist eine RAG-App aufgebaut

  2. Abschnitt 2

    Die Pipeline bauen

    Verbinde den RAG-Kernablauf: laden, aufteilen, einbetten, speichern, abrufen und generieren.

    1. Laden und aufteilen
    2. Textabschnitte einbetten
    3. Kontext abrufen
    4. Den Prompt zusammenstellen

  3. Abschnitt 3

    Besserer Informationsabruf

    Verbessere den Informationsabruf mit hybrider Suche, Rerankern, umformulierten Suchanfragen und Filtern.

    1. Hybride Suche
    2. Ergebnisse neu ordnen
    3. Suchanfragen umformen
    4. Filter und Vielfalt

  4. Abschnitt 4

    RAG in der Produktivumgebung

    Evaluiere, sichere und skaliere RAG – und erfahre, wohin sich das Feld 2026 entwickelt.

    1. RAG evaluieren
    2. Halluzinationen reduzieren
    3. Sicherheit, Kosten und Caches
    4. Fortgeschrittenes RAG

Lernpfade

KI-Engineering

Entwickle und betreibe ein echtes KI-Produkt: Es durchsucht deine Inhalte, nutzt nur freigegebene Werkzeuge und wird jedes Mal auf dieselbe Weise getestet. Es hat einen Plan für Ausfälle und macht Geschwindigkeit und Kosten sichtbar.

Abfolge aus 11 Kursen

Python- und Datenentwicklung

Analysiere echte Daten und entwickle getestete Werkzeuge, die externe APIs sicher aufrufen und deine eigenen Inhalte durchsuchen – mit Python, Git, SQL und Vektorsuche.

Abfolge aus 10 Kursen

Deine Idee, veröffentlicht. Starte in 60 Sekunden.

7 Tage kostenlos testen bei jedem Tarif für neue Mitglieder · Jederzeit kündbar

Loslegen

Zurück zu den Kursen