AI RAG Engineering
Transformieren Sie Ihren Ansatz für KI-gesteuerte Anwendungen. Lernen Sie, produktionsreife Retrieval-Augmented Generation (RAG) Systeme zu entwickeln, die große Sprachmodelle intelligent mit kontextuellem Wissen kombinieren. In praktischen Labs entwickeln Sie einen funktionalen Chatbot.
Was Sie in diesem Training lernen werden
WARUM DIESER KURS EIN GAMECHANGER IST: Die meisten Engineers behandeln RAG als Black Box – sie verstehen die Theorie, haben aber Schwierigkeiten, RAG-Systeme zu konzipieren, zu optimieren und bereitzustellen, die in der Produktion zuverlässig funktionieren. Dieser Kurs verwandelt RAG von abstrakten Konzepten in greifbare, einsetzbare Fähigkeiten. Sie werden ein komplettes Chatbot-System von Grund auf entwickeln und jede Komponente der RAG-Pipeline verstehen.
ÜBER DIESEN KURS: Anstatt abstrakter Beispiele entwickeln Sie einen Chatbot – ein echtes RAG-System, das Kundenfragen beantwortet, indem es Informationen aus tatsächlichen Website-Inhalten abruft und synthetisiert. Am Ende des Kurses haben Sie einen funktionierenden Prototyp, den Sie deployen können. Sie beherrschen Datenerfassung, Embeddings & Vektorsuche, LLM-Integration, Sicherheits- & Qualitätskontrollen und Docker-Deployment.
Agenda
RAG-Grundlagen & Architektur: Verständnis von RAG-Systemen, reale Anwendungsfälle und Architekturüberblick inklusive Datenpipeline, Retrieval und Generation.
Datengrundlage & Embeddings: Web Scraping, Dokumenten-Chunking, Vorverarbeitung, Embedding-Modelle, Vektordatenbanken und Aufbau eines abfragbaren Vektorspeichers.
Erweitertes Retrieval: Hybride Suche mit Kombination von Vektorähnlichkeit und Keyword-Suche, Reranking, Top-K-Optimierung und Benchmark der Retrieval-Performance.
LLM-Integration & Chat-Backend: Auswahl von LLMs, Prompt Engineering, Aufbau einer FastAPI-Anwendung mit Chat-Endpunkten, Streaming-Antworten und Session-Management.
Sicherheit & Produktionsreife: Input-Validierung, Prompt-Injection-Schutz, Guardrails, Rate Limiting, Logging und Überwachung der Generierungsqualität.
Deployment: Containerisierung, Multi-Container-Setup mit docker-compose, Deployment-Skripten und Produktions-Checkliste.
Zielgruppe
Dieses Training richtet sich an
- Software Engineers, die RAG-Systeme tiefgehend verstehen möchten
- DevOps-Professionals, die KI-Systeme bereitstellen
- KI/ML-Practitioners, die Produktionsanwendungen entwickeln
- Alle, die an KI-Entwicklung interessiert sind
Vorraussetzungen
Folgendes sollten Sie mitbringen um von diesem Training zu profitieren:
- Grundlegende Python-Kenntnisse (vertraut mit Funktionen, Klassen, Bibliotheken)
- Verständnis von APIs (REST, HTTP-Grundlagen)
- Sicher im Umgang mit KI-Tools (Copilot oder ähnlich)
Style
Unsere erfahrenen Trainer vermitteln Ihnen die Inhalte mit einem Mix aus:
- Interaktive Vorträge: Konzepte mit realen Beispielen erklärt, Demonstrationen, Q&A-Sessions
- Praktische Labs: Aufeinander aufbauende Labs, die zum vollständigen System führen, mit angeleiteten Übungen
Technische Vorraussetzungen
Wir empfehlen das folgende Equipment:
- Stabile Internetverbindung
- Zugang zu KI-Tools und -Diensten (z.B. OpenRouter, Groq, OpenAI API) (Ggf. müssen kostenlose Konten erstellt werden)
- Browser kompatibel mit modernen Webanwendungen (z.B. Chrome)
- Falls Sie demonstrierte Tools selbst ausprobieren möchten: Code-Editor (z.B. VS Code) mit ausreichender Hardware (GPU) und einer Python-Installation
AI Skills & MCP Server Development
Entwickeln Sie benutzerdefinierte Skills und MCP-Server und verbinden Sie Claude Code, Open Code und GitHub Copilot mit Ihren …
Details & BuchungGitLab Essentials
Schneller am eigenen Code zusammenarbeiten und mit Git und GitLab Ausliefern.
Details & BuchungGoogle Gemini for Enterprise
Nutzen Sie Gemini Code Assist für Enterprise-Teams und Setzen Sie Vertex AI-Integration, Google Cloud-Konnektivität und …
Details & Buchung