Mendelevitch / Bao | RAG im produktiven Einsatz | Buch | 978-3-96009-302-2 | www.sack.de

Buch, Deutsch, 384 Seiten, Format (B × H): 165 mm x 240 mm

Reihe: Animals

Mendelevitch / Bao

RAG im produktiven Einsatz

RAG-Anwendungen entwickeln, skalieren und bereitstellen
1. Auflage 2027
ISBN: 978-3-96009-302-2
Verlag: dpunkt.Verlag

RAG-Anwendungen entwickeln, skalieren und bereitstellen

Buch, Deutsch, 384 Seiten, Format (B × H): 165 mm x 240 mm

Reihe: Animals

ISBN: 978-3-96009-302-2
Verlag: dpunkt.Verlag


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.

Mendelevitch / Bao RAG im produktiven Einsatz jetzt bestellen!

Zielgruppe


Entwickler*innen von KI-Anwendungen

Weitere Infos & Material


Bao, Forrest Sheng
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.

Mendelevitch, Ofer
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).



Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.