Monster-Meeting Rhein-Main Juli 2026

Unser Treffen findet wieder bei Microsoft im Frankfurter Messeturm statt.
Für den Zugang zum Gebäude ist eine Anmeldung per Email an nwe@datamonster.io oder via meetup unter Angabe folgender Informationen erforderlich:

1. Vorname
2. Name
3. Unternehmen
4. Rolle

Der Abgleich Eures Ausweises mit der Gästeliste erfolgt am Empfang im Erdgeschoss, erst dann ist der personalisierte Zutritt möglich!

Danke fürs Verständnis.
AGENDA
18:00 – Ankommen · Begrüßung . Leute kennenlernen · Food & Drinks genießen
19:00 – Vortrag: Vortrag: KI ohne Cloud: Aufbau einer datenschutzkonformen RAG-Pipeline mit n8n, Qdrant und lokalen LLMs
im Anschluß – Offene Runde · Fragen, Austausch & gemütlicher Ausklang

Abtrakt:
Vortrag: KI ohne Cloud: Aufbau einer datenschutzkonformen RAG-Pipeline mit n8n, Qdrant und lokalen LLMs

Viele Unternehmen stehen vor demselben Dilemma: KI soll internes Dokumentenwissen zugänglich machen – aber sensible Daten dürfen das Unternehmen nicht verlassen. Die Antwort liegt in lokalen Large Language Models, die vollständig on-premise laufen, kombiniert mit einer durchdachten RAG-Architektur (Retrieval-Augmented Generation), die Dokumente semantisch durchsuchbar macht, ohne dass eine einzige Zeile in die Cloud wandert.
In dieser Session bauen wir live eine solche Pipeline auf – mit n8n als Orchestrierungsschicht, Qdrant als Vektordatenbank und Ollama für lokal laufende LLMs auf Apple Silicon (M4Pro, 64 GB).
Der Demo-Fall: Ein Vertriebsmitarbeiter im Außendienst schickt eine E-Mail an das System – und bekommt eine strukturierte Antwort zurück. Konkret: Fragen zu ophthalmologischen Messgeräten werden live beantwortet. Technische Anfragen ("Welche Abmessungen hat Maschine 3XY-45?") ziehen die Antwort aus Hersteller-Handbüchern, Preisanfragen für Neukunden direkt aus der Rabattstaffel.
Die Demo ist von Anfang an interaktiv: Die Teilnehmenden können während des Vortrags selbst E-Mails an das System schicken und in Echtzeit verfolgen, wie Anfragen verarbeitet und beantwortet werden.
Wir zeigen die typischen Fallstricke aus der Praxis und wie man sie löst:

• Chunk-Größe: Warum die richtige Wahl darüber entscheidet, ob das System sinnvoll antwortet oder halluziniert
• Modellauswahl: Was lokale Modelle wie qwen2.5:32b und bge-m3 können – und wo ihre Grenzen liegen
• Thinking-Modi und CoT: Wie Chain-of-Thought-Output die Antwortqualität beeinflusst und wie man ihn kontrolliert
• Tool-Routing: Wann greift der Agent auf die technischen Handbücher, wann auf die Preisliste?

Die Session richtet sich an alle, die KI-Anwendungen datenschutzkonform und praxisnah aufbauen wollen – ohne tiefes ML-Vorwissen, aber mit Interesse an funktionierenden Systemen.