Seminar Qdrant – Query API, Filter und benutzerdefiniertes Scoring

Die Query API bündelt einfache Ähnlichkeitssuche, Empfehlungen, Discovery, mehrstufige Abfragen und benutzerdefiniertes Scoring. Ihre Stärke entsteht erst durch ein passendes Datenmodell, indizierte Filter und klar getestete Rankingregeln.

Das Seminar behandelt die Query-Familie systematisch und baut daraus eine wiederverwendbare Abfrageschicht. Komplexe Filter, Prefetch-Pipelines und fachliche Scoringformeln werden mit reproduzierbaren Testfällen abgesichert.

Inhaltsverzeichnis

• Zielsetzung
• Zielgruppe
• Voraussetzungen
• Seminarinhalte
• Praxisübungen
• Methodik

Zielsetzung

• Die Query-Varianten passend zu Such- und Explorationsfällen auswählen
• Komplexe Payload-, Nested-, Geo- und Volltextfilter korrekt formulieren
• Scroll, Gruppierung, Sortierung und Ergebnisprojektion sicher einsetzen
• Prefetch, Fusion und Formula Query zu mehrstufigen Pipelines verbinden
• Query-Verhalten mit automatisierten Positiv- und Negativtests absichern

Zielgruppe

Backend-Entwicklung, Search Engineering, RAG-Entwicklung, Data Engineering und technische Architektur.

Voraussetzungen

Qdrant-Grundlagen, Programmierpraxis und Verständnis von JSON-Strukturen und Suchabfragen.

Seminarinhalte

Tag 1: Query-Familie und Filterlogik

1. Schritt 1: Query-Arten zuordnen

   Nearest, Suche über gespeicherte IDs, Recommendation, Discovery, Kontext, Scroll, Gruppierung und Sortierung werden typischen Fachfällen zugeordnet.

2. Schritt 2: Ergebnisumfang steuern

   Limit, Offset, Score-Grenze, Payload- und Vektorrückgabe sowie feldbezogene Projektion werden auf stabile API-Verträge abgestimmt.

3. Schritt 3: Boolesche Filter aufbauen

   Must, Should, Must Not, Match, Bereich, Existenz und ID-Bedingungen werden schrittweise kombiniert.

4. Schritt 4: Komplexe Strukturen filtern

   Verschachtelte Objekte, Arrays, Nested Conditions, Geo-Bedingungen und zeitliche Bereiche werden mit realistischen Payloads geprüft.

5. Schritt 5: Volltextfilter gestalten

   Tokenisierung, Mehrsprachigkeit, Stopwörter, Stemming, Phrase Matching und erforderliche Textindizes werden an Suchfällen erprobt.

Tag 2: Mehrstufige Queries und Scoring

1. Schritt 6: Prefetch planen

   Mehrere Vorabfragen mit getrennten Vektorfeldern, Filtern, Limits und Suchparametern werden zu einer Kandidatenpipeline verbunden.

2. Schritt 7: Fusion anwenden

   RRF und DBSF werden eingesetzt, um Ranglisten oder Score-Verteilungen kontrolliert zusammenzuführen.

3. Schritt 8: Formula Query formulieren

   Basisscore, Payload-Werte, Bedingungen, Summen, Produkte und fachliche Gewichtungen werden zu einer transparenten Rankingformel kombiniert.

4. Schritt 9: Decay-Funktionen integrieren

   Aktualität, geografische Entfernung und andere kontinuierliche Merkmale werden mit exponentiellen oder gaußförmigen Abwertungen modelliert.

5. Schritt 10: Query-Suite automatisieren

   Testdaten, erwartete Treffer, Ausschlussfälle, Ranggrenzen, Latenzbudgets und Regressionstests sichern die Abfrageschicht ab.

Praxisübungen

• Eine Query-Matrix mit Nearest, Recommendation, Discovery, Scroll und Grouping umsetzen
• Nested-, Geo- und Volltextfilter mit passenden Payload-Indizes erstellen
• Eine mehrstufige Prefetch- und Fusion-Pipeline aufbauen
• Fachliche Boosts und Aktualitätsabwertung über Formula Query testen

Methodik

Kurze Fachimpulse werden unmittelbar mit Demonstrationen, angeleiteten Laboraufgaben, Mess- und Kontrollpunkten sowie dokumentierten Praxisübungen verbunden. Jeder Arbeitsschritt endet mit einer technischen Prüfung, einer Einordnung typischer Fehlerbilder und einem wiederverwendbaren Ergebnis für den eigenen Projekt- oder Betriebskontext.