Seminar Qdrant

Qdrant ist eine spezialisierte Plattform für vektorbasierte Suche und Retrieval-Anwendungen. Das Seminarprogramm deckt den vollständigen Weg von semantischer Suche und sauberem Datenmodell über Hybrid Retrieval, RAG und Personalisierung bis zu sicherem, hochverfügbarem und messbarem Produktivbetrieb ab.

Einzelseminare ermöglichen eine gezielte Vertiefung. Das Kompaktformat schafft einen belastbaren Projektüberblick; zwei Intensivformate bündeln die vollständigen Entwicklungs- beziehungsweise Betriebsthemen in jeweils fünf Tagen.

Inhaltsverzeichnis

• Einordnung
• Seminargruppen
• Empfohlene Reihenfolge
• Rollenbasierte Lernpfade
• Kompakt- und Intensivformate

Einordnung

Die Seminarstruktur trennt fachliche Suchentwicklung und Plattformbetrieb dort, wo unterschiedliche Vorkenntnisse und Verantwortlichkeiten bestehen. Gleichzeitig bleiben die Übergänge sichtbar: Collection-Schema, Filter, Relevanz, Ressourcenverbrauch, Sicherheit und Betriebsfähigkeit werden über alle Lernpfade hinweg konsistent behandelt.

Seminargruppen

• Grundlagen und Datenmodell: Grundlagen, Collections, Payloads, APIs und Embeddings
• Retrieval Engineering: Query API, Hybrid Search, Multivektoren, Multimodalität, RAG und Recommendation
• Betrieb und Plattform: Deployment, Administration, Cloud, Kubernetes, Hochverfügbarkeit und Performance
• Sicherheit und Betriebsresilienz: Zugriffsschutz, Multitenancy, Monitoring, Backup, Restore und Migration
• Verdichtete Lernwege: dreitägiges Kompaktseminar sowie zwei fünftägige Intensivseminare

Empfohlene Reihenfolge

Fundament für alle technischen Rollen

1. Grundlagen und semantische Vektorsuche
2. Datenmodell, Collections und Payloads
3. APIs und Client-SDKs
4. Query API, Filter und benutzerdefiniertes Scoring

Aufbaupfad Entwicklung und Retrieval Engineering

1. Embeddings, FastEmbed und Inference
2. Hybrid Search und Fusion
3. Multivektoren, Late Interaction und Reranking
4. Multimodale Suche und Multi-Representation Retrieval
5. RAG-Anwendungen und Retrieval-Pipelines
6. Recommendation, Discovery und Personalisierung

Aufbaupfad Betrieb, Sicherheit und Skalierung

1. Deployment mit Docker und Self-Hosting
2. Administration und Konfiguration
3. Sicherheit, Zugriffsschutz und Multitenancy
4. Monitoring, Telemetrie und Troubleshooting
5. Backup, Restore und Disaster Recovery
6. Hochverfügbarkeit, Sharding und Replikation
7. Performance-Tuning, HNSW und Quantisierung
8. Kubernetes und Private Cloud
9. Cloud, Hybrid Cloud und Private Cloud
10. Migrationen, Upgrades und Schemawechsel

Rollenbasierte Lernpfade

Anwendungs- und Backend-Entwicklung: Nach dem Fundament folgen Embeddings, Hybrid Search, RAG sowie je nach Fachfall Recommendation oder multimodale und mehrvektorielle Suche.

Search-, ML- und RAG-Engineering: Nach Grundlagen und Datenmodell stehen Query API, Embeddings, Hybrid Retrieval, Reranking, RAG und systematische Evaluation im Mittelpunkt.

Administration, DevOps und Plattformbetrieb: Nach Grundlagen folgen Self-Hosting, Administration, Sicherheit, Monitoring und Backup; anschließend werden Cluster, Performance, Kubernetes, Cloudmodelle und Migration vertieft.

Architektur und technische Projektleitung: Das Kompaktseminar liefert den Gesamtüberblick. Danach werden einzelne Entwicklungs- oder Betriebsvertiefungen anhand des Zielsystems ausgewählt.

Kompakt- und Intensivformate

Das dreitägige Kompaktseminar führt von der Vektorsuche zu einem geprüften Produktivprototyp und eignet sich für interdisziplinäre Teams mit begrenztem Zeitrahmen.

Das fünftägige Intensivformat für Entwicklung und Retrieval Engineering bündelt Datenmodell, APIs, Embeddings, Query API, Hybrid Search, Multimodalität, Multivektoren, Reranking, RAG, Recommendation und Evaluation.

Das fünftägige Intensivformat für Betrieb, Sicherheit und Skalierung bündelt Deployment, Administration, Zugriffsschutz, Cloud und Kubernetes, Hochverfügbarkeit, Performance, Monitoring, Backup, Restore und Migration.