Eine neue Welle der KI rollt an. Diese bringt Veränderungen zur Art und Weise mit sich, wie Unternehmen interne und externe Daten in bestehenden Arbeitsabläufen verwenden. Dank der Kombination von Large Language Models (LLM) und Embedding Models (Modelle, die hochdimensionale Vektoren aus unstrukturierten Daten erstellen können) sind Sie nun in der Lage, Daten jeder Art sinnvoll zu nutzen.

> 80 % der Informationen sind unstrukturiert (denken Sie an Texte, Dokumente, Bilder, Videodateien usw.), und die Suche geht über das bloße Keyword hinaus. Vektoreinbettungen helfen dabei, diese Daten zu kontextualisieren – selbst dann, wenn Ihre Endbenutzer gar nicht wissen, wonach sie eigentlich suchen. Wie also kann Ihr Unternehmen die Vektorsuche und die Kraft der LLM nutzen, um das eigene Unternehmenswissen zu erweitern und mehr relevante Ergebnisse zu gewinnen?

In diesem Webinar diskutieren Stephen O'Grady, Principal Analyst und Mitbegründer von RedMonk, und Benjamin Flast, Product Management Lead bei MongoDB, über diese tektonischen Trends, darunter:

Was Vektorsuche ist und welche Rolle KI dabei spielt, Klarheit in unstrukturierte Daten zu bringen
Wie man Vektoreinbettungen erstellt, um die Relevanz durch Nutzung der Kraft von LLM zu steigern
Verschiedene Ansätze zum Speichern und Abrufen von Vektoren
Alltägliche Beispiele für Vektor-Anwendungsfälle, KI-Integrationen und Ergebnisse