Ofer Mendelevitch / Forrest Bao

RAG im produktiven Einsatz

RAG-Anwendungen entwickeln, skalieren und bereitstellen

39,90 €

Enthält 7% MwSt.
 
Kostenloser Versand

Lieferbar voraussichtlich ab 01.2027

Erscheinungsdatum: Voraussichtlich 01.2027Seitenanzahl: 356Verlag: O'ReillyAuflage: 1. NeuausgabeEinband: Softcover ISBN Print: 978-3-96009-302-2ISBN Bundle: 978-3-69409-429-6ISBN PDF: 978-3-69409-427-2ISBN ePub: 978-3-69409-428-9 Artikelnummer: 10427

RAG-Anwendungen entwickeln, die im Unternehmenseinsatz bestehen

  • Praxisnahe Roadmap für Aufbau, Optimierung und Skalierung produktionsreifer RAG-Anwendungen.
  • Best Practices für RAG-Anwendungen, die sich im Unternehmenseinsatz bewähren müssen. 
  • Vom RAG-Stack bis zu fortgeschrittenen Ansätzen: multimodales RAG, Agentic RAG und GraphRAG


Retrieval-Augmented Generation (RAG) hat sich als ein bevorzugter Ansatz etabliert, um Large Language Models mit dem spezifischen Wissen eines Unternehmens zu verbinden.

Ein funktionierender Prototyp ist schnell erstellt – ein produktionsreifes System zu entwickeln, ist jedoch deutlich anspruchsvoller. Dieses Buch bietet eine praxisnahe Roadmap für Aufbau, Optimierung und Skalierung von RAG-Anwendungen, die im echten Unternehmenseinsatz bestehen. Sie erfahren, wie Sie aus verfügbaren RAG-Pipelines und Komponenten die passende Lösung auswählen – und wann eine Eigenentwicklung sinnvoller ist. Die Autoren begleiten Sie durch alle Entwicklungsphasen: von der Datenerfassung, Embeddings und Vektorsuche bis zu fortgeschrittenen Ansätzen wie agentischem RAG, multimodalem RAG und GraphRAG. Dabei zeigen sie, wie sich RAG-Systeme so gestalten lassen, dass sie präzise arbeiten, skalieren und Datenschutzanforderungen erfüllen.


Ofer Mendelevitch / Forrest Bao

Ofer Mendelevitch ist ein führender Experte für KI und ML, der sich auf die Entwicklung von Produktionssystemen mit großen Sprachmodellen (LLMs), Retrieval-Augmented Generation (RAG) und agentenbasierten Workflows spezialisiert hat. Er ist Autor des Buches „Practical Data Science with Hadoop“ (Addison-Wesley).

Forrest Sheng Bao ist Mitbegründer von PAIR Systems, Inc. (auch bekannt als pairsys.ai). Zuvor war er Co-Leiter des Bereichs Machine Learning bei Vectara, wo er maßgeblich an der Entwicklung des HHEM-2-Halluzinationsdetektors für LLMs beteiligt war. Vor seiner Zeit bei Vectara war er Assistenzprofessor an der Iowa State University, wo er für seine Forschung zur Bewertung von LLMs mit dem NSF CAREER Award ausgezeichnet wurde. Forrest hat einen Doktortitel in Informatik mit Nebenfach Elektrotechnik von der Texas Tech University.

  • Entwickler*innen von KI-Anwendungen
Zu diesem Titel sind aktuell leider keine Links vorhanden!