Schneller entwickeln mit Angular, GitHub Copilot und ChatGPT
Daniel Sogl | 30.04.2025 | 10:30 Uhr
24.01.2024 |
- 10:30 Uhr
- Marco Frodl
Webinar: Advanced RAG – Dynamically Selecting the best Retrievers for Queries with AI
Bei Retrieval Augmented Generation werden Daten aus Retrievalsystemen wie z.B. Vector DBs verwendet, um die relevanten Informationen für die Beantwortung einer Frage zu finden. Wenn mehrere Retrievalsysteme benutzt werden, kann die Auswahl des optimalen Abfragesystems zu einer Anfrage eine Herausforderung darstellen. In diesem Webinar wird das MultiRouteChain-Paradigma aus dem LangChain Framework vorgestellt, das eine dynamische Auswahl des Retrievalsystems basierend auf einem semantischen Matching von Frage und Retrievalsystem-Schwerpunkt ermöglicht. Das Live-Coding wird veranschaulichen, wie MultiRouteChain die Leistung von RAG zur Beantwortung von Anwenderfragen verbessert, indem für jede Anfrage die relevanteste QA-Kette für das Retrieval ausgewählt wird.
Marco Frodl ist Consultant bei der Thinktecture AG und versteht sich als ein IT-Dolmetscher zwischen Developern und Anwendern.
Moderation
Gøran Homberg
Gøran Homberg ist Consultant bei Thinktecture und arbeitet mit unseren Kunden bzgl. deren Anforderungen, Projektansätzen und zugehörigem Projekt-Management.
Agenda
- Introduction to RAG and its Significance in Generative AI
- Overview of the Simple RAG Workflow (Live Demonstration)
- Exploring the Need for Multiple Retrieval Systems in Generative AI
- LangChain's MultiRouteChain Paradigm for Dynamic Retrieval System Selection
- Demonstration of Dynamic Retrieval System Selection Using MultiRouteChain (Live Demo)
Material & Video zu "Advanced RAG - Dynamically Selecting the best Retrievers for Queries with AI"
Links aus dem Webinar:
Sie wünschen sich Unterstützung durch unsere Experten in Ihrem Projekt?
Slidedeck zu "Advanced RAG - Dynamically Selecting the best Retrievers for Queries with AI"
Kommende Webinare: jetzt kostenlos anmelden
MCP: Plug & Pl-AI für KI-Integration eigener Daten & APIs
Christian Weyer | 11.06.2025 | 10:30 Uhr
Aktuelle Webinar-Aufzeichnungen
Marco Frodl | 16.04.2025 | 10:30 Uhr
Daniel Sogl | 02.04.2025 | 10:30 Uhr
Max Marschall | 04.12.2024 | 10:30 Uhr
Weitere Artikel zu AI, Generative AI, LangChain, Python, RAG
AI
Die Llama 4-Revolution: Wie Metas neue KI-Familie den Open-Source-Markt neu definiert
Meta hat mit der Llama 4-Familie eine neue Generation von KI-Modellen vorgestellt, die durch zwei wesentliche Innovationen hervorsticht: ein 10-Millionen-Token-Kontextfenster und native Multimodalität. Die Familie besteht aus Scout (109 Milliarden Parameter), Maverick (400 Milliarden Parameter) und dem noch in Entwicklung befindlichen Behemoth (2 Billionen Parameter). Durch die Mixture-of-Experts-Architektur und Unterstützung für 200 Sprachen bieten diese Modelle europäischen Unternehmen eine attraktive Alternative zu proprietären Lösungen. Trotz hoher Hardware-Anforderungen und einiger Lizenzeinschränkungen ermöglichen sie eine souveräne KI-Strategie ohne Vendor Lock-in bei gleichzeitig wettbewerbsfähiger Leistung und Kosteneffizienz.
06.04.2025
AI
AI-Funktionen zu Angular-Apps hinzufügen: lokal und offlinefähig
Künstliche Intelligenz (KI) ist spätestens seit der Veröffentlichung von ChatGPT in aller Munde. Wit WebLLM können Sie einen KI-Chatbot in Ihre eigenen Angular-Anwendungen integrieren. Wie das funktioniert und welche Vor- und Nachteile WebLLM hat, lesen Sie hier.
26.02.2024
AI
Integrating AI Power into Your .NET Applications with the Semantic Kernel Toolkit – an Early View
With the rise of powerful AI models and services, questions come up on how to integrate those into our applications and make reasonable use of them. While other languages like Python already have popular and feature-rich libraries like LangChain, we are missing these in .NET and C#. But there is a new kid on the block that might change this situation. Welcome Semantic Kernel by Microsoft!
03.05.2023