talk-data.com talk-data.com

Event

GraphRAG & Empfehlungen: Intelligente KI mit Neo4j

2025-04-29 – 2025-04-29 Meetup Visit website ↗

Activities tracked

2

X-INTEGRATE und Neo4j laden dich herzlich zu einem besonderen Event ein, das du nicht verpassen solltest. In den Räumlichkeiten der X-Integrate (TimeToAct Group) laden wir zu spannenden Vorträgen mit Networking und Pizza ein. Informiere dich über die neusten Trends und vernetze dich mit anderen Enthusiasten der Graph-Technologie.

Agenda:

18:00 Einlass 18:30 Willkommen & Intro 18:45 Elena Kohlwey & Moritz Wegener (Data Scientists bei X-Integrate) – Klassische und graph-basierte Recommender Systems Wir beleuchten die Stärken und Schwächen klassischer und graph-basierter Recommender Systems. Anhand eines Praxisbeispiels zeigen wir die unterschiedlichen Herangehensweisen und Implementierungsmöglichkeiten auf.

19:30 Kurze Pause

19:45 Martin Preusse (Partner & Founder bei Kaiser & Preusse) – Einführung in Neo4j + GraphRAG Entdecke, wie GraphRAG, Neo4j und KI Agenten zusammenarbeiten, um intelligentere Datenabfragen und dynamische KI-Anwendungen zu ermöglichen. Beginnend mit einer Einführung, zeigen wir dann eine spannende Live-Demo mit praxisnahen Einblicken in GraphRAG-Workflows mit Neo4j.

20:30 Pizza & Networking

Das Meetup ist die Chance, dich mit anderen Graph-Enthusiasten und Neo4j-Expert:innen zu vernetzen. Egal, ob du bereits Vorerfahrungen mit Graphentechnologie hast oder damit noch keine Berührungspunkte hattest - wir freuen uns auf dich!

Sessions & talks

Showing 1–2 of 2 · Newest first

Search within this event →

Einführung in Neo4j + GraphRAG

2025-04-29
talk
Martin Preusse (Kaiser & Preusse)

Entdecke, wie GraphRAG, Neo4j und KI Agenten zusammenarbeiten, um intelligentere Datenabfragen und dynamische KI-Anwendungen zu ermöglichen. Beginnend mit einer Einführung, zeigen wir dann eine spannende Live-Demo mit praxisnahen Einblicken in GraphRAG-Workflows mit Neo4j.

Klassische und graph-basierte Recommender Systems

2025-04-29
talk
Elena Kohlwey (X-Integrate)

Wir beleuchten die Stärken und Schwächen klassischer und graph-basierter Recommender Systems. Anhand eines Praxisbeispiels zeigen wir die unterschiedlichen Herangehensweisen und Implementierungsmöglichkeiten auf.