GenAI ist angekommen, aber wie geht die Reise weiter?

Generative KI verändert bereits, wie wir arbeiten, aber wie können wir die Art und Weise, wie die KI arbeitet, beeinflussen? Jetzt erfahren, wo Large Language Models (LLMs) und GenAI heute stehen und wie sie mit besseren Daten optimiert werden können.

Die aktuellsten Trends im Bereich der künstlichen Intelligenz.

Online Talk

How to Build RAG Using Confluent with Flink AI Model Inference and MongoDB

In this GenAI tutorial webinar by Confluent and MongoDB, you’ll learn how to build retrieval-augmented generation (RAG) in 4 key steps: data augmentation, inference, workflows, and post-processing. See a step-by-step walkthrough of vector embedding and get all your questions answered in a live Q&A.

Britton LaRoche, Databricks

Vasanth Kumar, MongoDB

Online Talk

How to Build GenAI apps Faster with Confluent’s Connectors

In this demo webinar, you’ll learn about building a real-time knowledge base for RAG architecture. We’ll show you how to configure a source connector to bring in data from various sources, Flink SQL for vector embedding, and sink connector to send data to vector stores like MongoDB Atlas Vector search.

Mac Khajuria, Confluent

Erick Lee, Confluent

Weiteres und Ressourcen

eBook

RAG mit Daten-Streaming: Ein Guide für Entwickler

Wie Retrieval-Augmented Generation (RAG) für Echtzeit-GenAI-Anwendungen mit der Daten-Streaming-Plattform von Confluent effektiv aufgebaut und skaliert werden kann. Connectors, Flink und Stream Governance können für vier Grundbausteine von RAG genutzt werden: Datenanreicherung, Inferenz, Workflows und Post-Processing.