Retrieval Augmented Generation (RAG)

Nutzen Sie künstliche Intelligenz für die Wissens- und Datenintegration im Unternehmen, um präzisere und kontextbezogene Informationen bereitzustellen und Abläufe zu automatisieren.

Retrieval Augmented Generation (RAG) kombiniert bestehende Unternehmensdaten mit Large Language Modellen (LLMs). In dieser Weiterbildung lernen Sie, wie man RAG-Applikationen baut und welche Anwendungen im Unternehmen möglich sind.

Beginnen Sie Ihre Weiterbildung am 1. September 2025.

Steckbrief

  • Titel/Abschluss Short Advanced Studies (SAS)
  • Dauer 5 Tage
  • Unterrichtstage Montag / Dienstag / Mittwoch
  • Anmeldefrist 25. August 2025
  • Anzahl ECTS 4 ECTS-Credits
  • Kosten CHF 2'800
  • Unterrichtssprache Deutsch
  • Studienort Biel, Aarbergstrasse 46 / Hybrid, Remote-Teilnahme möglich
  • Departement Technik und Informatik
  • Nächste Durchführung Herbst 2025:
    1. / 2. September
    8. / 9. / 10. September

Kontakt

Inhalt + Aufbau

Dieses SAS-Angebot ermöglicht Ihnen, den Nutzen von Retrieval Augmented Generation für Ihr Unternehmen einzuschätzen und anhand von ersten Beispielen eine konkrete technologische Umsetzung zu realisieren.

Short Advanced Studies (SAS)

Short Advanced Studies (SAS) sind Kurse im Umfang von 30–160 Stunden (1–6 ECTS, anrechenbar an DAS oder MAS). Sie erhalten in kurzer Zeit fundierte, praxisorientierte Impulse und Kompetenzen zu aktuellen Themen. Studierende, die die Kompetenznachweise des SAS nicht erbringen wollen, erhalten ein Kursattest (keine ECTS).

Portrait

Retrieval Augmented Generation (RAG) ist eine populäre und stark wachsende Technologie im Bereich der künstlichen Intelligenz. RAG kombiniert die Fähigkeiten grosser Sprachmodelle (LLMs) mit externen Datenquellen (bspw. Informationssysteme im Unternehmen), um präzisere und spezifischere Antworten zu generieren. RAG ermöglicht es, die Leistung von LLMs durch den Zugriff auf Kontextinformationen zu verbessern, ohne dass ein langes und teures Training von LLMs erforderlich ist. 

In Dienstleistung, Forschung, Gesundheitswesen, Compliance und Finanzwesen kann RAG beispielsweise genutzt werden, um grosse Mengen von Daten zu durchsuchen und daraus Analysen, Berichte, Empfehlungen, usw. zu erstellen. Im Bereich Kundendienstleistungen können Chatbots via RAG auf Produktkataloge, Support-Dokumentationen und Kundenportfolio zugreifen, um Anfragen zu beantworten und interaktive Dialoge zu führen. 

Dieser Kurs ermöglicht Ihnen, den Nutzen von RAG für Ihr Unternehmen einzuschätzen und anhand von ersten Beispielen eine konkrete technologische Umsetzung zu realisieren.

Ausbildungsziele

In diesem Fachkurs lernen Sie 

  • die Bedeutung und Einsatzmöglichkeiten von RAG kennen, mit verschiedenen Anwendungsbeispielen aus Industrie und Dienstleistung.
  • RAG-Anwendungen zu bauen und einzusetzen.

Titel + Abschluss

Short Advanced Studies (SAS)

Short Advanced Studies (SAS) sind Kurse im Umfang von 30–160 Stunden (1–6 ECTS, anrechenbar an DAS oder MAS). Sie erhalten in kurzer Zeit fundierte, praxisorientierte Impulse und Kompetenzen zu aktuellen Themen. Studierende, die die Kompetenznachweise des SAS nicht erbringen wollen, erhalten ein Kursattest (keine ECTS).

Portrait

Retrieval Augmented Generation (RAG) ist eine populäre und stark wachsende Technologie im Bereich der künstlichen Intelligenz. RAG kombiniert die Fähigkeiten grosser Sprachmodelle (LLMs) mit externen Datenquellen (bspw. Informationssysteme im Unternehmen), um präzisere und spezifischere Antworten zu generieren. RAG ermöglicht es, die Leistung von LLMs durch den Zugriff auf Kontextinformationen zu verbessern, ohne dass ein langes und teures Training von LLMs erforderlich ist. 

In Dienstleistung, Forschung, Gesundheitswesen, Compliance und Finanzwesen kann RAG beispielsweise genutzt werden, um grosse Mengen von Daten zu durchsuchen und daraus Analysen, Berichte, Empfehlungen, usw. zu erstellen. Im Bereich Kundendienstleistungen können Chatbots via RAG auf Produktkataloge, Support-Dokumentationen und Kundenportfolio zugreifen, um Anfragen zu beantworten und interaktive Dialoge zu führen. 

Dieser Kurs ermöglicht Ihnen, den Nutzen von RAG für Ihr Unternehmen einzuschätzen und anhand von ersten Beispielen eine konkrete technologische Umsetzung zu realisieren.

Ausbildungsziele

In diesem Fachkurs lernen Sie 

  • die Bedeutung und Einsatzmöglichkeiten von RAG kennen, mit verschiedenen Anwendungsbeispielen aus Industrie und Dienstleistung.
  • RAG-Anwendungen zu bauen und einzusetzen.

Teil 1: 2 Tage

  • Technologie kennenlernen,
  • Nutzen und Einsatzbereich von RAG einschätzen können,
  • RAG im Umfeld von KI, Large Language Modellen, Transformern und Chat Bots,
  • Aktueller Stand der KI, wichtige Begrifflichkeiten, Einsatzbereiche und Anwendungsbeispiele.
  • Anwendungsbeispiele aus unterschiedlichen Industrien

Teil 2: 3 Tage

  • Einstieg in die Anwendungsentwicklung,
  • Kennenlernen von Tools und APIs,
  • Praktische Einführung in Retrieval Augmented Generation,
  • Entwicklung von Anwendungen mit Transformern,
  • Architektur von RAG und Transformer-Systemen,
  • Anbieter von API und Tools.

Teil 1

Technologie kennenlernen, Nutzen und Einsatzbereich von RAG einschätzen können,
RAG im Umfeld von KI, Large Language Modellen, Transformern und Chatbots. Aktueller Stand der KI, wichtige Begrifflichkeiten, Einsatzbereiche und Anwendungsbeispiele.

Tag 1: Einführung

  1. Entwicklung der KI
  2. Generative KI
  3. Autonome KI-Agents
  4. Arten der generativen KI: von Chatbots bis zu Musikgenerierung
  5. Technologiewahl
    • Ist KI immer die beste Wahl?
    • KI-Ressourcen und -Portale
  6. Programmiersprachen und Frameworks
    • Organisation und Durchführung der KI-Projekte
    • Von der Idee zur Umsetzung: Design-Thinking-Workshops
    • Wo finde ich die KI-Spezialist*innen?
    • Mit welchen Softwarekosten muss ich rechnen?
    • Welche Infrastruktur wird benötigt und was wird sie kosten?
    • Projektteam: welche Rollen und Skills brauche ich in KI-Projekten?
    • Qualitätssicherung

Tag 2

Anwendungsbeispiele aus unterschiedlichen IndustrienAnwendungsbeispiele aus unterschiedlichen Industrien

  1. Lagerhaltung- und Nachfrage Planung im Gross- und Einzelhandel – KI für Demand-Forecasting
  2. KI in Medizin und Labordiagnostik: Blutkrebs-Erkennung
  3. KI für Projekt-Planung: Forecasting von Projekt-Verspätungen und Budget-Overruns
  4. Volkswirtschaftliche Planung: Bestimmung der essenziellen Rohstoffe und ihrer Zukunfts-Preise
  5. Autonomes Fahren, Robotik
  6. Abschluss KI-Projekt zu einem Wahlthema
    • Rollenverteilung
    • Workshop zur Lösungsfindung und Umsetzungsplanung
    • Festlegung der Technologie und Ressourcen
    • Mitarbeitendensuche und Interviews
    • Abschliessende Präsentation der Idee und deren Umsetzung

Teil 2

Einstieg in die Anwendungsentwicklung, Kennenlernen von Tools und APIs 
Praktische Einführung in Retrieval Augmented Generation und Entwicklung von Anwendungen mit Transformern, Architektur von RAG und Transformer-Systemen, Anbieter von API und Tools. 

Tag 3: Transformer

  1. Was sind Transformer?
  2. Was ist RAG und warum wird es benötigt?
    • Warum ist ein Abruf von relevanten Informationen aus einer Datenbank eine bessere Lösung als grosser mitgegebener Prompt-Kontext?
    • Warum verringert RAG die sogenannten «Halluzinationen»?
    • Bereitstellung relevanter und aktueller Informationen in der RAG-Pipeline
    • Nutzung von unternehmenseigenen Inhalten/Wissensbasis
  3. Transformer-Anwendungen
    • Textvervollständigung, Code-Vervollständigung
    • Image Generation
    • Einbettungen («Embeddings»)
  4. Einführung in die Transformer-Architektur
    • Das Encoder-Decoder-Framework
    • Attention Mechanismus
    • Hugging Face Transformer
  5. Tour durch die Transformer-Anwendungen
    • Text Classification, Named Entity Recognition
    • Question Answering
    • Summarization
    • Translation
    • Text Generation
  6. Hugging Face: Hub, Models, Tokenizers, Datasets
  7. Praxis: Aufbau einer vollständigen Transformer-Anwendung in Python (Teamarbeit)

Tag 4: RAG

  1. Beispiel: «Verwandeln von PDF-Dokumenten in eine RAG-Applikation»
  2. Diskussion der Problemstellung: Umwandlung von unstrukturierten Daten mit wertvollen Informationen zum Bestandteil der RAG-Pipeline
  3. Zieldefinition: RAG-Pipeline mit Benutzeranfragen auf der Grundlage der in PDF-Dokumenten enthaltenen Informationen
  4. Prozess
    • Textextrahierung 
    • Konvertierung der Dokumente in Bilder
    • Analyse der Seiten mit GPT
    • Generierung von Text-Embedding-Tabellen
    • Erstellen von RAG, Prompt-Engineering für RAG 

Tag 5: Begleitete Erstellung einer RAG-Applikation

  1. Umsetzung der Prozess-Schritte aus Tag 2
  2. Test der Anwendung an einem Live OpenAI Terminal
  3. Präsentation der Anwendung
  4. Übersicht über weitere RAG-Architekturen: RAG und Graph-Datenbank Neo4J
  5. Q+A und Abschluss
  • Kursattest
  • 4 ECTS-Credits

Titel + Abschluss

Short Advanced Studies (SAS) in «Retrieval Augmented Generation (RAG)»

Voraussetzungen + Zulassung

Eine Weiterbildung für Fachspezialist*innen aus allen Branchen, die das grosse Potenzial von künstlicher Intelligenz mit Unternehmenswissen verbinden wollen

Voraussetzungen

Der Kurs baut auf Kenntnissen und ersten Erfahrungen in maschinellem Lernen und Python auf.
Für die für die praktischen Teile des Kurses benötigen Sie ein Konto bei OpenAI.  

Zielpublikum

Die Short Advanced Studies (SAS) richten sich an Fachspezialist*innen aus allen Branchen, Entwickler*innen, Data Scientists und Data Engineers, die das enorme Potential von KI mit Unternehmenswissen verbinden möchten.
 

Organisation + Anmeldung

Sichern Sie sich Ihren Weiterbildungsstudienplatz frühzeitig.

Anmeldetermine

Anmeldefrist: 21. August 2025

Starten Sie Ihre Weiterbildung jetzt

Sie können sich zum Studium nur online anmelden.

Anleitung Online-Anmeldung

CHF 2'800

Dauer + Umfang

5 Tage

Unterrichtstage

Montag / Dienstag / Mittwoch

Unterrichtszeiten

8.30–16.30 Uhr

Beratung

Sie haben Fragen zur Weiterbildung? Wir beantworten Ihre Fragen gerne.

Beratung

Die Wahl einer Aus- oder Weiterbildung ist eine wichtige Entscheidung bei der Planung der Berufskarriere. Im Rahmen eines individuellen Beratungsgesprächs beantworten wir gerne Ihre Fragen und klären mit Ihnen die persönlichen Voraussetzungen für das gewünschte Bildungsangebot.

Studienort + Infrastruktur

Der Unterricht findet hybrid statt, eine Remote-Teilnahme ist möglich. Der Studienort für den Vor-Ort-Unterricht ist an der Aarbergstrasse 46 im Switzerland Innovation Park Biel/Bienne (SIPBB).

Switzerland Innovation Park Biel/Bienne (SIPBB)

Vielseitige Standortvorteile
 

  • Unterrichtsräume in zwei Minuten Gehdistanz vom Bahnhof Biel/Bienne
  • Ideale Zugsverbindungen im 15-Minuten-Takt ab Hauptbahnhof Bern und im 30-Minuten-Takt ab Bern Wankdorf (neue Linie Thun-Biel)
  • Modernste Infrastruktur im SIPBB-Neubau
  • Vielseitige Verpflegungsmöglichkeiten in unmittelbarer Nähe
  • Innovative Events und Networkinganlässe

Und noch dies…
 

  • Innovations-Hotspot Biel/Bienne
  • Hochschulstadt Biel/Bienne
  • Industrie- und Dienstleistungsstadt mit zahlreichen Leadern in den Bereichen der Uhren-, Maschinen-, Präzisions- und Medizinaltechnikindustrie sowie Vertretern der Kommunikations- und Telekommunikationsbranche
  • Unmittelbare Nähe zum Bielersee mit vielseitigem Sport- und Freizeitangebot
  • Gelebte Zweisprachigkeit
  • Kulturleben in allen Facetten

Biel Aarbergstrasse 46 (Switzerland Innovation Park Biel/Bienne)

Biel, Aarbergstrasse 46

Berner Fachhochschule

Technik und Informatik
Switzerland Innovation Park Biel/Bienne
Aarbergstrasse 46
CH 2503 Biel

Berner Fachhochschule

Technik und Informatik
Switzerland Innovation Park Biel/Bienne
Aarbergstrasse 46
CH 2503 Biel