Seminar OpenSearch Vektorsuche und KI

OpenSearch unterstützt klassische Suchverfahren ebenso wie moderne vektorbasierte und hybride Suchansätze. Dieses Seminar vermittelt, wie KI-nahe Suchanwendungen technisch sauber entworfen und mit OpenSearch in belastbare Produktionsmuster überführt werden.

Zielsetzung

Nach dem Seminar können Vektorindizes geplant, Suchverfahren passend ausgewählt und hybride Suchszenarien mit klassischer und semantischer Suche kombiniert werden. Außerdem wird eingeordnet, wie ML Commons und Modellintegration in OpenSearch-Prozesse passen.

Inhalte

• Einordnung von OpenSearch als Vektordatenbank innerhalb der Plattform
• Vektorfelder, Distanzfunktionen, exakte und approximate k-NN-Verfahren
• Indexdesign für Vektorsuche und Auswirkungen auf Qualität und Performance
• Embeddings, Datenaufbereitung und Suchlogik für semantische Anwendungsfälle
• Hybride Suche mit lexikalischen und semantischen Signalen
• ML Commons, Modelle, Inferenzpfade und Einbettung in Suchprozesse
• Typische Use Cases wie semantische Suche, RAG-nahe Retrieval-Szenarien und Empfehlungen
• Grenzen, Risiken und Architekturentscheidungen für produktive KI-Suche

Praxis und Nutzen

Das Seminar hilft dabei, KI-Begriffe in umsetzbare OpenSearch-Architekturen zu übersetzen. Dadurch werden Machbarkeit, Aufwand, Datenanforderungen und Performance-Auswirkungen frühzeitig transparent.

Zielgruppe

Geeignet für Teams, die OpenSearch für semantische Suche, moderne Retrieval-Szenarien oder KI-gestützte Suchanwendungen nutzen möchten.