tecnovy AI Suite

Advanced RAG & Wissenssysteme

Ein RAG-System muss zwei Dinge belegen: dass die Suche die Textstelle findet, die eine Antwort braucht, und dass die Antwort bei dem bleibt, was dort steht. In Advanced RAG misst du beides an einem Beispielsystem mit Evaluationsdaten, bevor du etwas änderst. Dann baust du Technik für Technik ein, von umformulierten Anfragen über angereicherte Textabschnitte bis zu Wissensgraphen und agentischer Suche, und misst nach jedem Schritt an denselben Daten neu.

Teilnahmezertifikat4,8/5 bei ProvenExpert

Was dieses Modul leistet.

Erst die Diagnose, dann die Technik: Advanced RAG von tecnovy ist für alle, die ein bestehendes RAG-System verbessern. Du ordnest jeden Fehler der Aufbereitung, der Suche oder der Antwort zu. Dein Team behält danach nur Änderungen mit messbarer Wirkung.

So läuft das Training

Methode: Ein bestehendes RAG-System optimieren, jede Technik mit Vorher-nachher-Messung
Grundlage: tecnovy Curriculum für fortgeschrittene RAG-Techniken und Evaluation
Abschluss: tecnovy Teilnahmezertifikat, keine Prüfung

Termine & Buchung

Passenden Termin wählen

Aktuell sind keine öffentlichen Termine ausgeschrieben.

Neue Termine werden laufend veröffentlicht. Lass dich vormerken oder plane ein Inhouse-Training für dein Team.

Inhouse-Training anfragen

Passung

Für wen das Modul gedacht ist

Typische Rollen

Du betreibst oder entwickelst ein RAG-System, dessen Antworten noch nicht gut genug sind.
Du sollst als AI Engineer oder Data Scientist die Suchqualität eines Wissenssystems verbessern.
Du planst Wissenssysteme für große Dokumentenbestände, in denen Antworten über viele Quellen verteilt sind.

Voraussetzungen

Keine Voraussetzungen

Du kannst direkt einsteigen. Mitbringen: praktische Erfahrung mit RAG-Systemen etwa aus der tecnovy RAG Schulung, sichere Python-Kenntnisse.

Stattdessen geeignet RAG Engineering · RAG Schulung: Retrieval Augmented Generation für Unternehmenswissen Für alle, die noch kein RAG-System gebaut haben: Du baust eines von Grund auf, von der Dokumentaufbereitung über die Vektorsuche bis zu Antworten mit Quellenangaben.

Lehrplan

Advanced RAG im Detail

Fünf Teile an einem durchgehenden Beispielsystem: Zuerst findest du heraus, wo es scheitert, dann verbesserst du Suche und Aufbereitung und gehst zu Wissensgraphen und agentischer Suche weiter. Jede Technik wird vor und nach dem Einbau an denselben Evaluationsdaten gemessen.

01Fehleranalyse

Du findest heraus, woran ein bestehendes RAG-System scheitert, bevor du etwas änderst.

Typische Fehlerquellen in Aufbereitung, Suche und Antwort
Evaluation als Grundlage jeder Optimierung
Ausgangswerte des Beispielsystems mit seinen Evaluationsdaten messen

02Bessere Suche

Dieser Teil setzt an der Anfrage und an der Trefferliste an.

Anfragen umformulieren und in Teilfragen zerlegen
Hybride Suche (Stichwort- und Vektorsuche kombiniert) und Reranking (Neusortierung der Treffer) abstimmen
Metadatenfilter gezielt einsetzen
Den Effekt jeder Technik vorher und nachher messen

03Bessere Aufbereitung

Hier geht es um Dokumente, die sich nicht sauber in Textabschnitte zerlegen lassen.

Strukturbewusstes Chunking entlang von Kapiteln und Abschnitten
Tabellen und Bilder für die Suche aufbereiten
Textabschnitte mit Kontext aus ihrem Dokument anreichern

04Wissensgraphen

Ein Wissensgraph bildet Begriffe und ihre Beziehungen ab; dieser Teil klärt, wann sich das lohnt.

Wann Graphen Vorteile bringen und welche Alternativen es gibt
Graphgestützte Suche mit Sprachmodellen
Aufwand des Graphaufbaus gegen den gemessenen Nutzen abwägen

05Agentische Suche

Zum Schluss sucht ein Agent selbst, in mehreren Schritten und über mehrere Quellen.

Agenten, die mehrstufig suchen und Quellen kombinieren
Kosten und Laufzeit pro Anfrage
Nachvollziehbarkeit: welche Suchen der Agent ausgeführt hat

Ergebnis

Was du anschließend leisten kannst

01
Du ordnest Fehler eines RAG-Systems systematisch der Aufbereitung, der Suche oder der Antworterzeugung zu.
02
Du misst vor und nach jeder Änderung, ob die Suche die nötigen Textstellen findet und die Antwort bei ihnen bleibt.
03
Du formulierst Anfragen um und zerlegst komplexe Fragen in Teilfragen, die einzeln gesucht werden.
04
Du stimmst hybride Suche, Reranking und Metadatenfilter aufeinander ab und belegst ihren Effekt mit Messwerten.
05
Du zerlegst Dokumente entlang ihrer Struktur und bereitest Tabellen und Bilder für die Suche auf.
06
Du reicherst Textabschnitte mit Kontext aus ihrem Ursprungsdokument an, bevor sie indexiert werden.
07
Du entscheidest, wann ein Wissensgraph Vorteile bringt, und setzt graphgestützte Suche mit Sprachmodellen um.
08
Du baust eine agentische Suche, die mehrstufig sucht und Quellen kombiniert, und bewertest sie nach Kosten, Laufzeit und Nachvollziehbarkeit.

tecnovy Teilnahmezertifikat

Bestätigt deine Teilnahme und die im Training behandelten Lehrplaninhalte. Ausgestellt von tecnovy, teilbar auf LinkedIn.

Certificate Showroom öffnen tecnovy →

Leistungsumfang

Was enthalten ist

Enthalten

Projekt-Repository mit Beispielsystem und EvaluationsdatenDu erhältst das RAG-Beispielsystem samt Evaluationsdaten, an dem du im Training jede Technik vorher und nachher misst.

Warum tecnovy

Was du bei uns oben drauf bekommst

No Slideshow, Hands-On!

Versprochen: keine PowerPoint-Schlacht. Wir arbeiten in Gruppen, verknüpfen Theorie mit Praxis, und du bekommst Praxisbeispiele unserer erfahrenen Trainer sowie den Austausch mit Gleichgesinnten.

Certificate Showroom

Hol dir dein Teilnahmezertifikat und verbinde es, falls vorhanden, mit deinem Prüfungszertifikat. Vollautomatisiert, schön gestaltet. Nur für dich, nur bei tecnovy.

Flexible Umbuchung

Falls du mal kurzfristig verhindert sein solltest, kannst du deine Schulung bis eine Woche vor Trainingsbeginn kostenlos umbuchen.

Doppelt hält besser

Gerne darfst du innerhalb eines Jahres die Schulung nochmals online als Refresher besuchen.

Lerne von Experten

Wir garantieren dir stets den Einsatz von didaktisch und methodisch erstklassig qualifizierten Trainern, die ihr Wissen sowohl aus Trainingserfahrung als auch beruflicher Praxis- und Projekterfahrung beziehen.

FAQs

Häufige Fragen

01Woran misst Advanced RAG, ob eine Technik etwas bringt?

An zwei getrennten Fragen: ob die Suche die Textstellen gefunden hat, die eine Antwort braucht, und ob jede Aussage der Antwort durch diese Textstellen gedeckt ist. Das Evaluations-Framework Ragas nennt diese Kennzahlen Context Recall und Faithfulness, wobei Context Recall Referenzantworten zum Vergleich braucht (Stand November 2026). Im tecnovy Training Advanced RAG misst du beides vor und nach jeder Technik am Beispielsystem.

02Was unterscheidet Advanced RAG von der tecnovy RAG Schulung?

Die tecnovy RAG Schulung baut ein RAG-System von Grund auf: Dokumente aufbereiten, Vektorsuche und hybride Suche, Antworten mit Quellenangaben. Advanced RAG setzt an einem bestehenden System an, sucht seine Schwachstellen und ergänzt Reranking, Anfrage-Umformung, strukturbewusstes Chunking, Wissensgraphen und agentische Suche, jede Technik mit Messung.

03Brauche ich für Advanced RAG eine Graphdatenbank?

Nicht zwingend. Im tecnovy Training Advanced RAG klärst du, für welche Fragen ein Wissensgraph Vorteile bringt und welche Alternativen es gibt. Ein Graph hat seinen Preis: Microsoft weist für sein Projekt GraphRAG darauf hin, dass die Indexierung, also der Aufbau des Graphen aus den Dokumenten, teuer werden kann (Stand November 2026).

04Was ist agentische Suche?

Bei agentischer Suche entscheidet ein KI-Agent selbst, welche Suchen er nacheinander ausführt, und kombiniert die Ergebnisse, bevor er antwortet. Im tecnovy Training Advanced RAG baust du eine solche Suche und bewertest ihren Nutzen gegen Kosten, Laufzeit und Nachvollziehbarkeit.

05Wie viel Erfahrung brauche ich für Advanced RAG?

Du solltest sicher in Python programmieren und schon mit einem RAG-System gearbeitet haben, etwa in der tecnovy RAG Schulung. Advanced RAG setzt an einem laufenden System an, nicht bei Grundbausteinen wie Embeddings und Vektorsuche.

06Was brauchen die Übungen in Advanced RAG technisch?

Die Übungen im tecnovy Training Advanced RAG rufen Sprachmodelle über eine API auf und brauchen dafür einen API-Zugang mit Schlüssel. Anthropic etwa rechnet solche Aufrufe nach verarbeiteten Eingabe- und Ausgabe-Tokens ab (Stand November 2026); zusätzliche Modellaufrufe einer mehrstufigen Agenten-Suche erhöhen den Tokenverbrauch.

07Antwortet ein RAG-System nach Advanced RAG fehlerfrei?

Nein, auch ein optimiertes RAG-System kann Textstellen übersehen oder falsche Antworten geben. Im tecnovy Training Advanced RAG lernst du, solche Fehler zu messen, ihrer Ursache zuzuordnen und gezielt dort anzusetzen.

08Wie geht es nach Advanced RAG weiter?

Der nächste Schritt bei tecnovy ist AI Evaluation & Observability: Dort baust du Evaluationsdatensätze auf, kombinierst automatische und menschliche Bewertung und überwachst KI-Anwendungen im Betrieb mit Tracing und Monitoring. Advanced RAG misst Qualität im Training, den laufenden Betrieb deckt es nicht ab.

09Gibt es am Ende von Advanced RAG eine Prüfung oder eine Zertifizierung?

Nein, Advanced RAG ist ein tecnovy Training ohne Prüfung und ohne Zertifizierung. Bei mindestens 80 % Anwesenheit erhältst du das tecnovy Teilnahmezertifikat.

Wie sieht deine Schulung bei tecnovy aus?

Advanced RAGAdvanced RAG & Wissenssysteme

Noch keine Termine

Wir merken dich vor, sobald der nächste Termin geplant ist.