RAG & Context Engineering
Mache LLMs kontrollierbar, stabil und produktionsreif. Lerne RAG-Architekturen, Context Pipelines, Memory Nodes und fortgeschrittene Retrieval-Strategien. Von Chunking-Optimierung über Embedding-Modelle bis zur Performance-Tuning für Enterprise-Systeme.
ab 3.500 €
als Gruppenpreis, zzgl. MwSt.
Zielgruppe
- KI-Entwickler
- Data Engineers
- Backend-Entwickler
- ML Engineers
Workshop-Inhalte
RAG-Architekturen & Retrieval-Strategien
- ✱RAG-Grundlagen: Retrieval-Augmented Generation verstehen
- ✱Vektordatenbanken: Pinecone, Weaviate, Chroma im Vergleich
- ✱Chunking-Strategien: Fixed, Recursive, Semantic
- ✱Embedding-Modelle und ihre Eigenschaften
Context Pipelines & Memory Nodes
- ✱LangGraph Context Nodes: Zustandsbasiertes Wissensmanagement
- ✱Memory-Architekturen: Short-term, Long-term, Episodic
- ✱Context Window Management und Token-Optimierung
- ✱Multi-Source Retrieval und Fusion-Strategien
Optimierung & Produktionsreife
- ✱Performance-Tuning: Latenz, Relevanz, Kosten
- ✱Evaluation: Retrieval-Qualität messen und verbessern
- ✱Monitoring und Observability für RAG-Systeme
- ✱Skalierung und Deployment Best Practices
Beispiel-Agenda
* Agenda wird individuell an eure Anforderungen angepasst.
Das nehmt ihr mit
RAG-Architekturen von Grund auf entwerfen und implementieren
Optimale Chunking- und Embedding-Strategien auswählen
Context Pipelines mit LangGraph aufbauen
RAG-Systeme evaluieren und optimieren
Produktionsreife RAG-Deployments planen und umsetzen
So sieht das in der Praxis aus
RAG-Workshop: Vom Firmenwissen in PDFs zum intelligenten Chatbot — mit Chunking, Embeddings und Evaluierung.
Klicke auf einen Schritt, um die Details zu sehen.
Bereit, dein Team KI-ready zu machen?
Vereinbare ein kostenloses Erstgespräch und wir finden das passende Format für euch.
30 Minuten • Unverbindlich • Per Video-Call
Ressourcen
ehemals COFFEESTUDIOS© 2026 CCJ Development UG. Alle Rechte vorbehalten.