Seminar Weaviate Intensivseminar Generative AI, RAG und agentische Suche

Dieses praxisorientierte Seminar behandelt komprimierter Gesamtpfad für generative Weaviate-Anwendungen mit Dokumentpipeline, Embeddings, Hybrid Retrieval, Reranking, RAG, Query Agent, multimodalen Kontexten, Evaluation, Sicherheit und produktionsnaher Integration. Alle Arbeitsschritte werden an einer durchgängigen Referenzumgebung ausgeführt, geprüft und in wiederverwendbaren Arbeitsvorlagen dokumentiert.

Inhaltsübersicht

• Tag 1: Generative Anwendungsarchitektur
• Tag 1: Wissensbasis und Embeddings
• Tag 2: Retrieval-Pipeline
• Tag 2: Generative Suche
• Tag 3: RAG-Evaluation
• Tag 3: Multimodale Kontexte
• Tag 4: Query Agent
• Tag 4: Schutzmechanismen
• Tag 5: Betrieb und Skalierung
• Tag 5: Abschlussprojekt
• Lernziele und Abnahmekriterien
• Praxisübungen und Betriebsdokumentation

Lernziele

• Anforderungen in den Bereichen Tag 1: Generative Anwendungsarchitektur, Tag 3: Multimodale Kontexte und Tag 5: Abschlussprojekt strukturiert analysieren und in eine umsetzbare Weaviate-Konfiguration überführen.
• Collections, Daten, Abfragen oder Betriebsparameter nachvollziehbar konfigurieren und mit reproduzierbaren Prüfungen verifizieren.
• Fehlersituationen systematisch eingrenzen, geeignete Diagnoseinformationen erfassen und belastbare Korrekturmaßnahmen ableiten.
• Qualität, Leistung, Sicherheit und Wartbarkeit anhand definierter Kriterien bewerten und die Lösung für den Regelbetrieb dokumentieren.

Schritt-für-Schritt-Inhalte

1. Tag 1: Generative Anwendungsarchitektur

Schwerpunkt: Anwendungsfälle, Qualitätsziele, Datenflüsse, Modellrollen, Quellenbindung, Datenschutz und Kostenrahmen.

1. Anforderungen für Tag 1: Generative Anwendungsarchitektur erfassen: Anwendungsfälle, Qualitätsziele, Datenflüsse, Modellrollen, Quellenbindung, Datenschutz und Kostenrahmen; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

2. Tag 1: Wissensbasis und Embeddings

Schwerpunkt: Extraktion, Chunking, Metadaten, Collection-Modell, Vektorisierung, Named Vectors und Aktualisierung.

1. Anforderungen für Tag 1: Wissensbasis und Embeddings erfassen: Extraktion, Chunking, Metadaten, Collection-Modell, Vektorisierung, Named Vectors und Aktualisierung; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

3. Tag 2: Retrieval-Pipeline

Schwerpunkt: Vektor-, Keyword- und Hybridabfragen, Filter, Kandidatenmenge, Reranking, Distanzgrenzen und Fallbacks.

1. Anforderungen für Tag 2: Retrieval-Pipeline erfassen: Vektor-, Keyword- und Hybridabfragen, Filter, Kandidatenmenge, Reranking, Distanzgrenzen und Fallbacks; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

4. Tag 2: Generative Suche

Schwerpunkt: Single- und Grouped-Task, Prompt-Struktur, Kontextformat, Antwortschema, Quellenmarker und Fehlerfälle.

1. Anforderungen für Tag 2: Generative Suche erfassen: Single- und Grouped-Task, Prompt-Struktur, Kontextformat, Antwortschema, Quellenmarker und Fehlerfälle; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

5. Tag 3: RAG-Evaluation

Schwerpunkt: Retrieval-Relevanz, Antworttreue, Vollständigkeit, Halluzinationen, Testfragen, Kennzahlen und Regression.

1. Anforderungen für Tag 3: RAG-Evaluation erfassen: Retrieval-Relevanz, Antworttreue, Vollständigkeit, Halluzinationen, Testfragen, Kennzahlen und Regression; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

6. Tag 3: Multimodale Kontexte

Schwerpunkt: Text, Bilder, Dokumentseiten, Multi-Vektoren, modalitätsübergreifende Suche und Kontextselektion.

1. Anforderungen für Tag 3: Multimodale Kontexte erfassen: Text, Bilder, Dokumentseiten, Multi-Vektoren, modalitätsübergreifende Suche und Kontextselektion; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

7. Tag 4: Query Agent

Schwerpunkt: Ask- und Search-Modus, Collection-Auswahl, Filter, Aggregationen, strukturierte Rückgaben und Integrationsmuster.

1. Anforderungen für Tag 4: Query Agent erfassen: Ask- und Search-Modus, Collection-Auswahl, Filter, Aggregationen, strukturierte Rückgaben und Integrationsmuster; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

8. Tag 4: Schutzmechanismen

Schwerpunkt: RBAC, Mandantenkontext, sensible Properties, Prompt Injection, Ausgabekontrolle und sichere Fallbacks.

1. Anforderungen für Tag 4: Schutzmechanismen erfassen: RBAC, Mandantenkontext, sensible Properties, Prompt Injection, Ausgabekontrolle und sichere Fallbacks; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

9. Tag 5: Betrieb und Skalierung

Schwerpunkt: Timeouts, Retry, Caching, Monitoring, Modellfehler, Kostenkontrolle, Datenaktualisierung und Runbooks.

1. Anforderungen für Tag 5: Betrieb und Skalierung erfassen: Timeouts, Retry, Caching, Monitoring, Modellfehler, Kostenkontrolle, Datenaktualisierung und Runbooks; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

10. Tag 5: Abschlussprojekt

Schwerpunkt: getesteter Wissensassistent mit Quellenbindung, agentischer Suche, Qualitätsbericht und Produktionscheckliste.

1. Anforderungen für Tag 5: Abschlussprojekt erfassen: getesteter Wissensassistent mit Quellenbindung, agentischer Suche, Qualitätsbericht und Produktionscheckliste; Zielzustand, Eingaben, Abhängigkeiten und messbare Prüfkriterien in einer Arbeitsvorlage festhalten.
2. Technische Grundlage konfigurieren: passende Collections, Properties, Clients, Modelle, Indizes oder Infrastrukturparameter auswählen und jede Einstellung mit ihrem Zweck dokumentieren.
3. Vorgehen mit repräsentativen Daten ausführen: Ausgangszustand prüfen, Operation schrittweise durchführen, Rückgaben protokollieren und das erwartete Verhalten gegen die Prüfkriterien vergleichen.
4. Fehler- und Grenzfälle untersuchen: ungültige Eingaben, fehlende Berechtigungen, leere Ergebnisse, Zeitüberschreitungen oder Ressourcenengpässe gezielt auslösen und diagnostizieren.
5. Ergebnis absichern: Qualität, Latenz, Ressourcenbedarf, Sicherheit und Wartbarkeit bewerten; Konfiguration und Wiederholungsablauf als wiederverwendbares Runbook festhalten.

Praxisübungen

1. Übung 1: Tag 1: Generative Anwendungsarchitektur – Anwendungsfälle, Qualitätsziele, Datenflüsse, Modellrollen, Quellenbindung, Datenschutz und Kostenrahmen in einer vorbereiteten Referenzumgebung konfigurieren, ausführen, mit Negativtests prüfen und in einem Abnahmeprotokoll dokumentieren.
2. Übung 2: Tag 2: Retrieval-Pipeline – Vektor-, Keyword- und Hybridabfragen, Filter, Kandidatenmenge, Reranking, Distanzgrenzen und Fallbacks in einer vorbereiteten Referenzumgebung konfigurieren, ausführen, mit Negativtests prüfen und in einem Abnahmeprotokoll dokumentieren.
3. Übung 3: Tag 5: Betrieb und Skalierung – Timeouts, Retry, Caching, Monitoring, Modellfehler, Kostenkontrolle, Datenaktualisierung und Runbooks in einer vorbereiteten Referenzumgebung konfigurieren, ausführen, mit Negativtests prüfen und in einem Abnahmeprotokoll dokumentieren.
4. Übung 4: Tag 5: Abschlussprojekt – getesteter Wissensassistent mit Quellenbindung, agentischer Suche, Qualitätsbericht und Produktionscheckliste in einer vorbereiteten Referenzumgebung konfigurieren, ausführen, mit Negativtests prüfen und in einem Abnahmeprotokoll dokumentieren.

Zielgruppe

AI Engineers, ML Engineers, RAG-Entwickler, Data Scientists, Search Engineers und technische Architekten.

Voraussetzungen

Gute Programmierkenntnisse, Weaviate-Grundkenntnisse und ein grundlegendes Verständnis generativer Sprachmodelle.