Elastic für maschinelles Lernen und KI

• Tag 1: Klassisches ML und Vektor-Welt
  
• 1. Was Elastic für ML und KI 2026 leistet
  
• 2. Klassisches Elastic ML: Anomalie-Erkennung und Vorhersagemodelle
  
• 3. Vektor-Suche und Embeddings: ELSER und dense_vector
  
• 4. Inference API: Anbindung an externe Embedding-Modelle und LLMs
  
• Tag 2: Semantic Search, RAG, AI Assistant
  
• 5. Semantic Search mit semantic_text und Hybrid Search mit RRF
  
• 6. RAG: Retrieval-Augmented Generation mit Elasticsearch
  
• 7. Elastic AI Assistant für Search-Anwendungen
  
• 8. ES|QL für ML-Daten, Recht und 90-Tage-Plan
  
• ...

Den kompletten Seminarinhalt finden Sie auf der Anbieterseite

• Data Engineers und Daten-Wissenschaftler mit Elastic-Welt:
    Die ihre klassische ML-Lösung (Anomalie-Erkennung, Vorhersagemodelle)  um moderne Embedding- und LLM-basierte Verfahren erweitern wollen.
• Such- und Backend-Entwickler in Mittelstand und Konzern: Die Semantic Search, Hybrid Search und RAG-Anwendungs-Fälle mit Elasticsearch als Vektor-Datenbank umsetzen möchten.
• IT-Architektinnen und IT-Architekten mit KI-Auftrag:
    Die zwischen Eigenbau mit Elastic, externer LLM-Anbindung und Lösungen  wie Azure AI Search, AWS OpenSearch oder Pinecone entscheiden müssen.
• Detection Engineers und SOC-Verantwortliche: Die Anomalie-Erkennung und KI-gestützte Vorfall-Sichten in ihrer SOC-Welt aufbauen oder modernisieren.
• Produkt- und Innovations-Verantwortliche im DACH-Mittelstand:
    Die KI-Such-Funktionen in eigene Anwendungen einbauen wollen  (Wissens-Datenbank, Produkt-Suche, Kunden-Support, Compliance-Suche).

Voraussetzungen:
  Fundierte Kenntnisse mit Elasticsearch und Kibana (Index-Aufbau, Query  DSL, Aggregationen). Grundverständnis von Logstash- oder  Elastic-Agent-Pipelines. Grundlegendes ML-Verständnis (Überwachtes vs.  unüberwachtes Lernen, Trainings-/Test-Daten, Modell-Bewertung). Erste  Berührung mit Embeddings, Vektor-Suche oder LLM-Konzepten hilfreich,  aber nicht zwingend. Python-Grundkenntnisse für die Inference-Werkstatt  empfehlenswert. Eigene Daten-Welt als Diskussions-Gegenstand.  Bereitschaft zu DSGVO- und EU-AI-Act-Klärungen.