#30: Wissen mit Struktur - Wie Graphen die Antworten von LLMs verbessern

Knowledge Graphs (KGs) speichern Wissen strukturiert, erlauben präzise Abfragen und logisches Schließen, sind aber oft schwer zu skalieren. Sprachmodelle (LLMs) hingegen sind flexibel, generieren gute und sprachlich beeindruckende Antworten, leiden aber unter Halluzinationen und mangelnder Erklärbarkeit. In diesem Meetup werden unsere zwei Referenten Christian Vahrenkamp und Moritz Blum sich mit der Frage auseinandersetzen, was passiert, wenn man beide Ansätze kombiniert?

Open Doors ab 18:30 Uhr, Vorträge starten um 19 Uhr!

Talk 1: Wenn Vektorsuche versagt: GraphRAG als Game-Changer

Warum scheitern 80% der traditionellen RAG-Systeme bei komplexen, mehrstufigen Fragen? Während herkömmliche Vektorsuche isolierte Textfragmente liefert, eröffnen graphbasierte Ansätze neue Möglichkeiten für kontextuelleres Information Retrieval durch vernetzte Wissensstrukturen. Christian Vahrenkamp beleuchtet in seinem Vortrag verschiedene GraphRAG-Architekturen, den kritischen Prozess der Graph-Konstruktion mit seinen Fallstricken sowie optimierte Traversal-Strategien für effizientes Retrieval. Praktische Beispiele aus der Industrieforschung demonstrieren, wie GraphRAG komplexe Wissensdomänen erschließt und präzisere, nachvollziehbare Antworten ermöglicht.

Christian arbeitet als Data Scientist in einem Forschungsprojekt mit einem Industriepartner aus der Nuklearbranche und bringt umfassende Praxiserfahrung in der Anwendung von GraphRAG-Technologien mit. Als Freiberufler beschäftigt er sich intensiv mit innovativen Ansätzen des wissensbasierten Information Retrieval.

Talk 2: Sind LLMs die Zukunft der Knowledge Graphs?
In seinem Talk zeigt Moritz Blum, wie große Sprachmodelle (LLMs) den Umgang mit Knowledge Graphs grundlegend verändern. LLMs eröffnen neue Möglichkeiten vom automatisierten Aufbau über die intelligente Vervollständigung bis hin zur natürlichsprachlichen Datenabfrage von Knowledge Graphs. Dabei geht er auf typische Fallstricke beim Aufbau großer Graphen ein und zeigt, mit welchen Methoden man sie heute erfolgreich überwindet. Zum Schluss wagt er einen Blick in die Zukunft: Welche Rolle werden Knowledge Graphs in einer LLM-dominierten Welt spielen?

Moritz hat Intelligente Systeme in Bielefeld studiert und kürzlich seine Dissertation im Bereich semantische Datenbanken und Natural Language Processing eingereicht. In seiner Forschung kombiniert er Sprachmodelle mit Knowledge Graphs, mit dem Ziel, das Beste aus beiden Welten zu vereinen.