Seminare
Seminare

Vektordatenbanken und KI Training: Architektur & Praxis

Webinar - PROKODA GmbH

Vektordatenbanken und KI Training: Architektur & Praxis
Termin Ort Preis*
11.01.2027- 12.01.2027 München 1.725,50 €
11.01.2027- 12.01.2027 online 1.725,50 €
08.03.2027- 09.03.2027 online 1.725,50 €
08.03.2027- 09.03.2027 München 1.725,50 €

Alle Termine anzeigen

*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Vektor-Suche, Embeddings und Retrieval

  • Embedding-Modelle, Dimensionen und Normalisierung
  • Ähnlichkeitsmaße wie Cosine, Dot, L2 und MIPS
  • Chunking-Strategien, Overlap und Dokumentstruktur
  • Qualitätsmetriken wie Recall@k, MRR und NDCG

Index-Design und Performance

  • ANN-Grundlagen mit HNSW, IVF, PQ und Trade-offs
  • Index-Parameter, Build-Zeit und Query-Latenz
  • Metadaten-Filter, Hybrid Search, Sparse und Dense Retrieval
  • Re-Ranking und Two-Stage Retrieval

Architekturentscheidungen für Vector Databases

  • Eigenbetrieb, Managed Services, Kosten- und Betriebsmodelle
  • Sharding, Replikation, Konsistenz und Verfügbarkeit
  • Cold Storage, Hot Storage, Caching und Speicherkosten
  • Multi-Tenancy, Namespaces und Isolation

Implementierung einer RAG-Pipeline

  • Ingestion mit Parsern, Cleaning, Dedup und Versionierung
  • Upserts, Deletes, Re-Embedding und Backfills
  • Prompt- und Kontextaufbau mit Zitierfähigkeit
  • Fehlerbilder durch Halluzinationen, Drift und Datenlücken

Observability, Evaluation und Betrieb

  • Tracing für Retrieval-Latenz, Token-Kosten und Cache-Hits
  • Offline- und Online-Evaluation mit Golden Sets
  • Monitoring von Index-Gesundheit und Datenqualität
  • Rollback-Strategien und kontrollierte Releases

Sicherheit, Compliance und Governance

  • PII-Handling, Zugriffskontrollen und Mandantenfähigkeit
  • Verschlüsselung, Schlüsselmanagement und Audit-Logs
  • Data Residency, Löschkonzepte und Retention
  • Prompt-Injection, Retrieval-Manipulation und Datenvergiftung
  • Embedding- und Vector-Weaknesses in RAG-Architekturen
Teilnahmevoraussetzungen:
  • Grundkenntnisse in KI-, LLM- und API-Konzepten, insbesondere Embeddings und Prompting
  • Erfahrung mit Datenpipelines, Backend-Entwicklung oder Cloud-Architekturen
  • Hilfreich sind Grundlagen aus dem Python Machine Learning Grundkurs oder dem Large Language Model Grundkurs
Zielgruppe:
  • Machine-Learning Engineers und Data Scientists mit Verantwortung für KI-Produkte und Retrieval-Qualität
  • Software Engineers und Architektinnen, die RAG-Systeme planen, implementieren oder bewerten
  • Plattform-, DevOps- und MLOps-Teams, die Vector-DBs produktiv betreiben
  • IT-Security-, Datenschutz- und Compliance-Verantwortliche, die KI-Datenflüsse prüfen
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha