Talk Archives

Extended RAG – mit Langchains Multi-Retriever-Ansatz zu Fragen mit AI die beste Antwortquelle auswählen

Retrieval Augmented Generation (RAG) verwendet Daten aus Retrievern wie Vektor-Datenbanken, damit die relevanten Informationen gefunden werden und Benutzerfragen beantwortet werden können. Wenn mehrere Retriever (z.B. Support-Tickets, Produkte, Kundenliste) verwendet werden sollen, kann die Auswahl der optimalen Datenquelle zur gestellten Frage eine Herausforderung sein. Marco Frodl wird das MultiRouteChain-Paradigma aus dem LangChain-Framework vorstellen, mit dem die …

Extended RAG – mit Langchains Multi-Retriever-Ansatz zu Fragen mit AI die beste Antwortquelle auswählen Weiterlesen »

Contribution Types: Talk

Large Language Models: Szenarien, Use Cases & Patterns für Business-Anwendungen – in Action

Generative AI: Eigene Daten & Dokumente – Semantische Suche & LLMs jenseits des Hello World RAG-Tutorials

Prompt Injections, Halluzinationen & Co. – LLMs sicher in die Schranken weisen

Wieso versteht der Computer mich auf einmal? Wir lüften das Geheimnis von Embeddings

Real-World RAG: Eigene Daten & Dokumente mit semantischer Suche & LLMs erschliessen

Real-World Chat mit Unternehmensdaten: Advanced RAG jenseits von “Hallo Welt”!

AI++: Multimodale Large Language Models (LMMs) als Kern moderner Business-Anwendungen – in Action

Web app automation using LLMs and generative AI

Extended RAG – mit Langchains Multi-Retriever-Ansatz zu Fragen mit AI die beste Antwortquelle auswählen

Wieso versteht der Computer mich auf einmal? Wir lüften das Geheimnis von Embeddings