Python-Workflows - LLMs, NLP & RAG für Texte

Der Schwerpunkt liegt auf belastbaren Abläufen, die sich in bestehende Systeme einbinden lassen, nicht auf der Theorie der Modelle. Alle Übungen laufen in Jupyter-Notebooks. Im Lernpfad Deep Learning und Textanalyse folgt der Kurs auf die Einführung in Deep Learning mit PyTorch, gleichrangig mit LFD473 PyTorch in Practice.

Praxisbezug im Gesundheitswesen

Ein großer Teil des Wissens im Gesundheitswesen steckt in Texten, die heute von Hand gelesen und weitergeleitet werden. Krankenkassen können eingehende Anfragen und Widersprüche nach Thema klassifizieren und an die zuständige Stelle leiten oder aus Gutachten des Medizinischen Dienstes Ergebnis und Begründung strukturiert erfassen, damit Sachbearbeitung und Auswertung schneller werden. Im Krankenhaus lassen sich Verfahrensanweisungen, Standards und andere QM-Dokumente per RAG durchsuchbar machen, sodass Beschäftigte Antworten mit Verweis auf die gültige Fassung erhalten. Entscheidend ist, dass das System nur auf freigegebene Dokumente zugreift und die Quelle jeder Antwort angibt. Für Texte mit Bezug zu Versicherten oder Patienten empfiehlt sich ein lokal betriebenes Modell und eine Pseudonymisierung vor der Verarbeitung.

In dieser 3-tägigen Schulung "Python-Workflows - LLMs, NLP & RAG für Texte" lernen Sie, Texte aus Ihrem Unternehmen mit Python sowohl über klassische NLP-Verfahren als auch mit modernen Large Language Models (LLMs) automatisiert zu verarbeiten. Sie entwickeln praxisnahe Lösungen, um Texte zu klassifizieren, zu segmentieren, Informationen gezielt zu extrahieren und mit Retrieval Augmented Generation (RAG) Unternehmensdokumente sicher mit LLMs zu verbinden. Dabei steht nicht die Theorie komplexer Modelle im Vordergrund, sondern der Aufbau robuster Workflows mit Bibliotheken wie spaCy und LLM-APIs, die sich in bestehende Systeme und Prozesse integrieren lassen.

Zum Beispiel:

• Texte automatisch klassifizieren, z.B. Geht es im Text um das Thema X?
• Texte segmentieren, d.h. Textteile erkennen: Wo steht X, wo steht Y im Text?
• Relevante Informationen aus Texten automatisch extrahieren: Um welches Produkt X geht es in der Kundenanfrage?
• Retrieval Augmentation Generation (RAG): Unternehmensdokumente und LLMs miteinander verbinden

Die Schulung richtet sich an technisch arbeitende Mitarbeitende, die Texte automatisiert verarbeiten oder textbasierte Workflows aufbauen. Dazu gehören insbesondere:​

• Python-affine Entwickler, Data Engineers und Data Scientists, die Textdaten produktiv nutzen möchten.​
• Business- und Data-Analysten, die Kundenanfragen, Tickets, Protokolle oder Dokumente automatisch auswerten wollen.​​
• BI-/DWH- und Reporting-Teams, die Textquellen als zusätzliche Datenquelle erschließen möchten.​
• AI-/Automation-Teams, die RAG- oder LLM-basierte Assistenten auf Unternehmensdokumenten aufbauen.

• Teilnahme am Seminar Python - Grundlagen oder vergleichbare Kenntnisse

Die Schulung bietet Ihnen eine ausgewogene Mischung aus Theorie und Praxis. Sie tauschen sich direkt mit projekterfahrenen Trainerinnen und Trainern und den anderen Teilnehmenden aus.

• Theoretische Ausführungen wie LLMs und NLP-Verfahren funktionieren
• Praktische Python-Übungen zur Textverarbeitung mit LLMs und NLP-Bibliotheken in sogenannten Jupyter-Notebooks