BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Deutsche Gesellschaft für Information & Wissen e.V. - ECPv6.16.5//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://dgi-info.de
X-WR-CALDESC:Veranstaltungen für Deutsche Gesellschaft für Information & Wissen e.V.
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Berlin
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20270328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20271031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Berlin:20260119T170000
DTEND;TZID=Europe/Berlin:20260119T183000
DTSTAMP:20260119T125924Z
CREATED:20251113T163247Z
LAST-MODIFIED:20260119T125924Z
UID:45634-1768842000-1768847400@dgi-info.de
SUMMARY:Retrieval-Augmented Generation (RAG): Faktenbasiertes Wissen für Large Language Models
DESCRIPTION: Grundlagen\, Methoden und Anwendungsmöglichkeiten \n\n\n\n\n\n \n\n\n\n\n\n\n\n\n\n \n\n\n\n\nAnmelden\n\n\n\n\n \n\n\n\n\n\n\n\n\n\nIn der modernen KI-Welt sind Large Language Models (LLMs) zu einem unverzichtbaren Werkzeug geworden. Doch trotz ihrer beeindruckenden Fähigkeiten stoßen sie an Grenzen\, wenn es um die Verarbeitung von Faktenwissen und spezifischen Daten geht. Hier kommt Retrieval-Augmented Generation (RAG) ins Spiel. RAG kombiniert die Stärken von Retrieval-Systemen und generativen Modellen\, um präzisere\, faktenbasierte und kontextbezogene Antworten zu liefern. Der Vortrag führt in die Grundlagen von RAG ein und zeigt\, wie diese Technologie in der Praxis eingesetzt werden kann. \n\n\n\nNeben einfachen RAG-Methoden werden auch komplexere Ansätze und mögliche Fehlerquellen beleuchtet sowie unterschiedliche Anwendungen auf Basis von RAG-Infrastruktur vorgestellt. Ein weiterer Schwerpunkt liegt in der Darstellung von infrastrukturellen Rahmenbedingungen für den institutionellen Einsatz von RAG-Diensten. \n\n\n\nHintergrund\n\n\n\nWas ist RAG? RAG ist eine Methode\, die LLMs durch die Integration externer Datenquellen erweitert. Während herkömmliche LLMs auf ihrem trainierten Wissen basieren\, das bis zum Zeitpunkt des Trainings reicht\, ermöglicht RAG den Zugriff auf aktuelle und spezifische Informationen. Dies geschieht durch die Kombination von zwei Hauptkomponenten: \n\n\n\n\nRetrieval-System: Dieses System durchsucht eine Datenbank oder eine Sammlung von Dokumenten\, um relevante Informationen zu finden.\n\n\n\nGeneratives Modell: Das generative Modell nutzt die abgerufenen Informationen\, um eine natürliche und präzise Antwort zu generieren.\n\n\n\n\nDurch diese Kombination können LLMs Antworten liefern\, die nicht nur grammatikalisch korrekt\, sondern auch faktenbasiert und überprüfbar sind – sowohl im Rahmen eines Chatbots als auch für erweiterte Suche. \n\n\n\n\n\nReferent\n\n\n\nMalte Dreyer ist Direktor des Zentrums Computer‑ und Medienservice (CMS) der Humboldt‑Universität zu Berlin. Er verantwortet dort die strategische Steuerung der digitalen Infrastruktur\, der IT-Services sowie der Medientechnik. Seine Schwerpunkte liegen im Bereich Forschungsdatenmanagement\, Service- und Cloudinfrastrukturen sowie digitaler Souveränität von Hochschulen. \n\n\n\nhttps://www.cms.hu-berlin.de/de/dreyer \n\n\n\nTool / Technik\n\n\n\nBenötigt wird ein internetfähiges Endgerät (PC oder Laptop). In der Regel finden unsere Veranstaltungen über Zoom statt. Für Zoom benötigen Sie eine Webcam sowie ein Headset oder ein anderes Audiosystem. \n\n\n\nKosten\n\n\n\nfür Teilnehmende kostenfrei \n\n\n\nAnzahl\n\n\n\nmaximal 300 Personen nach dem Windhundprinzip
URL:https://dgi-info.de/event/retrieval-augmented-generation-rag-faktenbasiertes-wissen-fur-large-language-models/
LOCATION:online\, gratis
ATTACH;FMTTYPE=image/png:https://dgi-info.de/wp-content/uploads/Generated-Image-November-13-2025-4_51PM-e1763049503133.png
ORGANIZER;CN="Deutsche Gesellschaft f%C3%BCr Information und Wissen e.V. (DGI)":MAILTO:mail@dgi-info.de
END:VEVENT
END:VCALENDAR