Embeddings

8 Artikel

Ablaufdiagramm einer RAG-Pipeline mit Dokument-Chunking, Embedding, Vektorsuche-Retrieval und LLM-Generierung mit Kontext-Injektion

RAG in Produktion: Vom Retrieval zur präzisen Antwort

Baue produktionsreife RAG-Pipelines, die echten Kontext abrufen und präzise antworten: Chunking, Embeddings, Vektorsuche, Re-Ranking, Evaluation.

2. Nov. 2025·4 Min. Lesezeit

Ein Pipeline-Diagramm, das die Phasen Dokumentenaufnahme, Embedding, Retrieval und LLM-Generierung eines RAG-Systems zeigt

Künstliche Intelligenz

RAG-Systeme bauen, die wirklich funktionieren

Praktischer Leitfaden für produktive RAG-Systeme mit fundierten Antworten: Embeddings, Vektordatenbank, Chunking, Reranking und Evaluierung.

22. Apr. 2025·5 Min. Lesezeit

Diagramm einer Pipeline für den Dokumentenabruf, die Daten in ein Sprachmodell einspeist

Künstliche Intelligenz

RAG-Pipelines bauen, die wirklich funktionieren

Praxisnaher Leitfaden für zuverlässige RAG-Systeme: Chunking, Embedding-Modelle, Vektordatenbanken und die Retrieval-Muster jenseits des Prototyps.

13. Sept. 2024·6 Min. Lesezeit

Diagramm einer RAG-Pipeline, das zeigt, wie Dokumente die Phasen Chunking, Embedding, Vektorspeicherung, Retrieval und Generierung durch ein LLM durchlaufen

Künstliche Intelligenz

Retrieval-Augmented Generation: RAG-Pipelines, die tragen

Baue effektive RAG-Pipelines mit TypeScript: Chunking, Embeddings, Feintuning der Vektorsuche, Prompt-Konstruktion und Evaluation der Retrieval-Qualität.

28. März 2024·5 Min. Lesezeit

Architekturdiagramm, das eigenständige Vektordatenbanken mit eingebetteten Vektorerweiterungen vergleicht und den Abfragefluss von der Embedding-Erzeugung über die Indexsuche bis zur Ergebnisbewertung zeigt

Künstliche Intelligenz

Leitfaden zur Auswahl von Vektordatenbanken für KI-Anwendungen

Vergleich von Pinecone, Weaviate, Qdrant, Milvus und pgvector für KI-Anwendungen: Indexierung, Abfrageleistung, Filterung, Betriebskomplexität.

21. Nov. 2023·4 Min. Lesezeit

Architekturdiagramm einer RAG-Pipeline mit den Phasen Dokumentenaufnahme, Vektorspeicherung, Retrieval und LLM-Generierung

Künstliche Intelligenz

Produktionsreife RAG-Pipelines mit LangChain entwickeln

Entwirf RAG-Pipelines jenseits einfacher Demos: Chunking-Strategien, Embedding-Optimierung, Reranking und Evaluationsmetriken für die Produktion.

4. Mai 2023·5 Min. Lesezeit

Visualisierung eines Vektorraums, in dem ähnliche Elemente zusammen gruppiert sind, mit den Distanzmetriken zwischen den Punkten

Künstliche Intelligenz

Vektordatenbanken und Ähnlichkeitssuche

Praktischer Leitfaden zu Vektordatenbanken für Ähnlichkeitssuche: Embeddings, Indexierungsstrategien, Distanzmetriken und die Wahl des Systems.

19. Aug. 2022·5 Min. Lesezeit

Diagramm einer NLP-Pipeline, das zeigt, wie eingehender Text durch die Phasen Vorverarbeitung, Tokenisierung, Embedding und Klassifikation fließt

Künstliche Intelligenz

NLP-Pipelines für Produktionsanwendungen

Wie man produktionsreife NLP-Pipelines baut: Textvorverarbeitung, Tokenisierung, Embeddings, Klassifikation und Entitätsextraktion.

3. Juli 2022·5 Min. Lesezeit

Alle Artikel anzeigen