Hybrid-Search und RAG-Retrieval mit Elasticsearch
Vector Search ist nicht automatisch die beste Retrieval-Strategie für RAG. In einem kleinen Elasticsearch-Experiment vergleichen wir klassische Volltextsuche, semantische Suche und Hybrid Search.
Neu im Blog
Hybrid-Search und RAG-Retrieval mit Elasticsearch
Vector Search ist nicht automatisch die beste Retrieval-Strategie für RAG. In einem kleinen Elasticsearch-Experiment vergleichen wir klassische Volltextsuche, semantische Suche und Hybrid Search.
Artikel
Python, Web und AI Engineering
Technische Artikel über professionelle Softwareentwicklung, Architektur, Python und moderne AI-Systeme.
Tool Calling verstehen: Wie LLMs APIs und andere Systeme nutzen
Ein Large Language Model kann Texte erzeugen, Informationen strukturieren und Entscheidungen vorschlagen. Von sich aus kann es jedoch weder einen Kundendatensatz aus einer Datenbank laden noch eine E-Mail versenden oder einen Termin im Kalender anlegen.
KI-Agenten verstehen: Was hinter AI Agents wirklich steckt
KI-Agenten können Tools nutzen, Entscheidungen treffen und Aufgaben ausführen. Doch wann ist ein Agent sinnvoller als ein klassischer Workflow?
RAG verstehen: Wie KI auf Unternehmenswissen zugreifen kann
Wie bringt man einem Sprachmodell internes und aktuelles Unternehmenswissen bei, ohne das Modell neu zu trainieren? RAG verbindet Large Language Models mit externen Wissensquellen und gehört damit zu den wichtigsten Architekturmustern moderner KI-Anwendungen.
Django Monitoring verstehen: Metrics, Logs, Systemdesign
Viele Django-Anwendungen laufen lange „einfach so“. Requests kommen rein, Daten werden verarbeitet, Antworten gehen raus. Solange nichts offensichtlich kaputt ist, fühlt sich das System stabil an.
Django Projektstruktur mit Fokus auf Systemdesign
Django war lange ein Framework, mit dem man schnell funktionierende Anwendungen bauen konnte. Ein paar Models, ein paar Views, etwas Template-Code, und schon lief ein Projekt. Diese Denkweise funktioniert heute nur noch eingeschränkt.
Django schneller entwickeln mit Mistral Vibe (2026 Guide)
Django-Projekte starten oft gleich. Projekt anlegen, Apps erstellen, Models definieren, Views bauen, URLs verdrahten. Das Problem ist nicht die Komplexität, sondern die Wiederholung immer derselben Schritte. Gerade bei neuen Projekten oder Prototypen kostet das unnötig Zeit und Fokus.
Mistral Vibe erklärt: Was dahinter steckt und wie du es sinnvoll nutzt
In den letzten Jahren sind zahlreiche KI-Tools entstanden, die versprechen, Softwareentwicklung schneller und einfacher zu machen. Viele davon bleiben jedoch auf der Oberfläche und helfen vor allem bei kleinen Code-Snippets oder einfachen Aufgaben.
Services in Django: Saubere Trennung von Logik und Struktur
Viele Django-Projekte starten pragmatisch. Ein paar Models, ein paar Views, vielleicht noch ein Serializer – und schon funktioniert alles. Das Problem zeigt sich erst später: Die Logik verteilt sich unkontrolliert im Code, und es wird zunehmend schwer nachzuvollziehen, wo eigentlich was passiert.