Thema
#RAG
Beiträge zu diesem Thema – branchenübergreifend.
Praxis Produktives RAG auf Azure: was die Plattform dir abnimmt — und was nicht Wie produktives RAG auf Azure AI Foundry und AI Search entsteht — warum der Grund die eigene Cloud ist und die schweren Teile trotzdem deine bleiben. KI nach Anwendungsfall Das durchsuchbare Archiv (RAG): Wenn dein Firmenwissen auf Fragen antwortet Wie aus verstreuten Dokumenten ein Archiv wird, das mit Quelle antwortet — die Technik dahinter heißt RAG: was sie kann, wo sie kippt und was sie kostet. Praxis Agentic RAG: wenn das Modell selbst entscheidet, was es nachschlägt Wann einmal suchen nicht reicht und das Modell selbst entscheidet, was es nachschlägt — und warum diese Macht ohne Begrenzung und solides Retrieval nach hinten losgeht. Praxis Graph-RAG: wenn die Antwort in den Verbindungen steckt, nicht in einem Absatz Wann Textbrocken-RAG an Beziehungsfragen scheitert und ein Wissensgraph hilft — warum der Aufbau das Projekt ist und die meisten Fragen ihn gar nicht brauchen. Praxis Mehrsprachiges RAG: in einer Sprache fragen, in jeder Sprache finden Wie ein RAG über Dokumente in mehreren Sprachen sucht, egal in welcher gefragt wird — warum das Einbettungsmodell darüber entscheidet und Fachbegriffe die Falle sind. Praxis Woher du weißt, dass dein RAG nicht lügt: ein Archiv messbar machen Wie du misst, ob dein RAG die richtigen Quellen findet und treu daraus antwortet, statt zu hoffen — der Prüfsatz, die Metriken und warum der Richter selbst geprüft gehört. Praxis Re-Ranking: der zweite Blick, der dein RAG von »fast richtig« zu »richtig« bringt Warum die Vektorsuche nur grob sortiert und der beste Treffer oft tiefer liegt — wie Re-Ranking die Reihenfolge schärft und ohne gute Trefferquote nichts bringt. KI nach Anwendungsfall Wissen & Dokumente automatisieren Der Anwendungsfall mit dem schnellsten Return: Firmenwissen aus PDFs, Wikis und Mails durchsuch- und beantwortbar machen.