Seminar DataStax Astra DB Vector Search und RAG

Einordnung

Dieses Training behandelt den Aufbau vektorbasierter Such- und RAG-Anwendungen mit Astra DB. Es verbindet klassische Datenmodellierung mit Embeddings, semantischer Suche, Metadatenfiltern und Qualitätsbewertung. Der Schwerpunkt liegt auf nachvollziehbaren Architekturentscheidungen statt auf Vorführzauber mit drei Klicks.

Zielgruppe

Geeignet für Teams, die Dokumente, Produktdaten, Wissensbasen oder operative Daten für semantische Suche, Assistenten, Chatbots oder interne Rechercheanwendungen nutzbar machen wollen.

Voraussetzungen

Erwartet werden Programmiergrundlagen, sicherer Umgang mit JSON und APIs sowie ein Grundverständnis für Datenbanken. Vorwissen zu Large Language Models ist hilfreich, aber nicht zwingend.

Seminarinhalte

• Grundbegriffe: Embeddings, Vektoren, Ähnlichkeitssuche, Chunking, Kontextfenster und Retrieval-Pipeline
• Anlage vektorbasierter Collections und Tabellen, Dimensionen, Indexierung, Schreibpfad und Abfragemuster
• Vektorsuche mit reinen Vektoren, Text-basierten Suchanfragen, Metadatenfiltern und geeigneter Ergebnisbegrenzung
• Hybrid Search und Re-Ranking als Mittel gegen unpräzise Treffer, semantische Streuung und fehlenden Fachkontext
• RAG-Architektur mit Datenaufnahme, Bereinigung, Chunking, Embedding-Erzeugung, Retrieval und Antwortgenerierung
• Qualitätssicherung: Testfragen, Recall, Precision, Halluzinationsrisiken, Prompt-Kontext und kontrollierte Antwortgrenzen
• Betriebsaspekte: Latenz, Kosten, Indexgrößen, Datenaktualisierung, Zugriffsschutz und Nachvollziehbarkeit

Praxisanteil

Die Übungen führen von der Datenaufbereitung über Embedding-Speicherung bis zu einer lauffähigen Retrieval-Kette. Trefferqualität wird bewusst verglichen, verbessert und mit typischen Fehlmustern konfrontiert.