NoSQL für KI: Datenmodelle, die skalieren

Baue performante Datenpipelines für RAG, Feature Stores und Echtzeit-Inferenz mit den passenden NoSQL-Patterns. Zu den Schwerpunkten gehören NoSQL-Auswahl für KI-Workloads, Datenmodellierung, die KI wirklich hilft, Vector Search und RAG-Datenhaltung, Streaming, Events und inkrementelle Updates, Performance, Kosten und Zuverlässigkeit und Security, Governance und Compliance.

Die Schulung richtet sich an Data Engineers und Analytics Engineers, Machine-Learning Engineers und MLOps Engineers, Softwarearchitektinnen und Softwarearchitekten und Backend-Entwicklerinnen und Backend-Entwickler mit KI-Bezug sowie alle, die NoSQL als Datenbasis für RAG, Feature Stores oder Echtzeit-Inferenz robust aufsetzen wollen.

Grundverständnis von Datenbanken und API-basierten Anwendungen. Hilfreich: erste Berührung mit Machine Learning, RAG oder Data Pipelines.

Zu den Schwerpunkten gehören NoSQL-Auswahl für KI-Workloads, Datenmodellierung, die KI wirklich hilft, Vector Search und RAG-Datenhaltung, Streaming, Events und inkrementelle Updates, Performance, Kosten und Zuverlässigkeit und Security, Governance und Compliance.

Die Inhalte werden bis zu konkreten Arbeitsschritten zu Streaming, Events und inkrementelle Updates, Performance, Kosten und Zuverlässigkeit und Security, Governance und Compliance geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.

Zu den angestrebten Ergebnissen gehören: Wenn eine KI-Anwendung in Produktion geht, entscheidet die Datenbank-Architektur über Antwortzeiten, Kosten und Stabilität; In diesem Seminar arbeitest du dich von den typischen Workloads aus vor: Training benötigt große, oft batch-orientierte Lesevorgänge, Serving verlangt deterministische Latenzen,; Du lernst, diese Profile auf NoSQL-Kategorien abzubilden und die Auswahl nicht nach Bauchgefühl, sondern nach messbaren Kriterien wie Konsistenzlevel,; Im Kern geht es um Datenmodellierung, die KI wirklich unterstützt; Du entwickelst ein Query-first Design, setzt Denormalisierung gezielt ein und definierst Regeln für Schema-Governance, damit Schema-on-read nicht zu Datenwildwuchs wird.

Ja. „Streaming, Events und inkrementelle Updates“ ist ein eigener Bestandteil der Schulung. Dazu gehören Event Sourcing Grundlagen und typische Stolperfallen, Idempotenz, Upserts und Exactly-once Illusionen, Change Data Capture (CDC) für Feature Updates und Backfills und Reprocessing ohne Datenchaos.