Unternehmenswissensschätze mit Deepseek-OS-Komponenten datenschutzsicher nutzen

In der heutigen datengetriebenen Welt ist die Fähigkeit, relevante Informationen aus eigenen Wissensbasen wie z.B. Datenbanken, Dokumentenmanagementsystemen oder Wikis schnell und präzise zu extrahieren und zu generieren, von entscheidender Bedeutung. Semantische Suche und Retrieval Augmented Generation (RAG) sind Lösungskonzepte für diese beiden Anforderungen, mit denen es gelingt hochwertige und kontextuell relevante Inhalte zu erstellen. Mit der Verfügbarkeit von sehr leistungsfähigen lokal datenschutzsicher betriebenen Open Source GenAI-Komponenten wie z.B.

Deepseek LLMs sind diese Konzepte auch in der Java-Anwendungsentwicklung verfügbar. Dieser Vortrag richtet sich an erfahrene Java-Entwickler, die offen für die Möglichkeiten neuer Technologien wie GenAI für die eigenen Entwicklungen sind und erfahren möchten, wie sie die Möglichkeiten von RAG-Szenarien in ihren Java-Anwendungen nutzen können. Anhand praktischer Beispiele mit Deepseek OS-Komponenten wird ein Einstieg in die semantische Suche von Kontexten zur gezielten GenAI-Verwendungen für Java-Entwickler erläutert.

1. Wie werden Daten in Vektoren umgewandelt, um sie in Vektordatenbanken zu speichern und semantisch suchbar zu machen?
2. Wie entwickelt man in Java geeignete semantische Abfragen für verschiedene Anwendungsfälle ?
3. Wie kombiniert man in einem RAG-Szenario semantische und nicht-semantische Suchen, um die Ergebnisse von GenAI-Prompts an LLMs zu verbessern?
4. Wie wird dieser Ansatz dazu führen, das wir andersartigen Benutzerschnittstellen für unsere Java-Anwendungen entwickeln werden?