Beschreibung/Agenda
In diesem Workshop erkunden wir warum KI-Assistenten an internen Dokumenten oft scheitern und wie gezielte Datenqualität den Schritt vom Testbetrieb in Produktivsysteme sichert.
Kostenlos online auf MS Teams am 20. November 2026 um 13:00-13:45 Uhr.
Generative KI-Systeme bieten großes Potenzial für den Wissenszugriff im Arbeitsalltag, stoßen jedoch schnell an Grenzen, wenn Antworten ungenau sind oder frei erfunden werden. Um Sprachmodelle dynamisch an eigene Dokumente anzubinden, hat sich die Architektur der Retrieval-Augmented Generation (RAG) etabliert. In der Praxis zeigt sich jedoch: Eine KI ist nur so gut wie die Daten, auf die sie zugreift. Nach dem Prinzip „Garbage in, Garbage out“ führen Mängel im Quelltext dazu, dass sich Fehler über die Schritte der RAG-Pipeline hinweg verstärken. Das führt dazu, dass viele KI-Initiativen die Proof-of-Concept-Phase nicht überstehen.
In diesem Workshop:
- stellen wir Ergebnisse einer systematischen Literaturanalyse vor, die Lösungsansätze für Datenqualitätsprobleme in RAG-Systemen untersucht,
- und erkunden ein laufendes RAG-System, um ein Gefühl für ein funktionierendes System zu erhalten und damit Erwartungen entsprechend anzupassen.
Wir beleuchten sowohl technische Maßnahmen als auch organisatorische Governance-Praktiken, mit denen sich Datenfehler frühzeitig beheben lassen. Darüber hinaus betrachten wir die wirtschaftliche und betriebliche Machbarkeit dieser Strategien. Sie erhalten konkrete Orientierung, um Aufwand und Nutzen abzuwägen und KI-Anwendungen dauerhaft verlässlich im Betrieb zu verankern.
Die Anmeldung zum Event erfolgt über Typeform und das Event selber findet auf MS Teams statt.
