Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
LLM-Anwendungsentwicklung und -Architektur
- Häufige Anwendungsmuster von OpenAI für Assistenten, Copilots und Workflow-Automatisierung
- Auswahl der passenden Architektur unter Berücksichtigung von Geschäftsanforderungen, Zuverlässigkeit und Benutzererfahrung
- Vom Prototypcode zur wartbaren Anwendungsentwicklung
Prompting, Kontext und strukturierte Ausgaben
- Gestaltung von System-, Benutzer- und Entwickleranweisungen für vorhersehbares Verhalten
- Entwurf von Prompts für Konsistenz, Aufgabensteuerung und klarere Antworten
- Nutzung strukturierter Ausgaben zur Unterstützung nachgelagerter Anwendungslogik
- Umgang mit Kontextfenstern, Konversationszustand und Antwortqualität
Tool-Nutzung und Workflow-Orchestrierung
- Einsatz von Funktionsaufrufen und tool-enabled Workflows mit externen Diensten
- Eingabevalidierung, Fehlerbehandlung und Implementierung von Fallback-Verhalten
- Design mehrstufiger Flüsse für praktische Geschäftsaufgaben
Retrieval und Wissen-Bindung
- Bestimmung, wann retrieval-augmented generation sinnvoll ist
- Vorbereitung von Dokumenten und Chunks für effektives Retrieval
- Ermittlung relevanter Kontexte und Bindung der Antworten an vertrauenswürdige Quellen
Evaluation, Guardrails und Betriebsbereitschaft
- Definition von Qualitätskriterien und Testen der Workflows gegen erwartete Ergebnisse
- Reduzierung von Halluzinationen und Umgang mit unsicheren, irrelevanten oder mehrdeutigen Anfragen
- Überwachung von Nutzung, Latenz, Tokenverbrauch und Kosten
- Vorbereitung der Anwendung auf Deployment, Support und iterative Verbesserungen
Hands-on Implementierungsworkshop
- Erstellung einer kleinen End-to-End-OpenAI-Anwendung, die Prompting, strukturierte Ausgabe, Werkzeugnutzung und Retrieval kombiniert
- Besprechung von Designentscheidungen, häufigen Problemen und praktischen nächsten Schritten für den Produktionsbetrieb
Voraussetzungen
- Vertrautheit mit Konzepten großer Sprachmodelle und API-basierter App-Entwicklung
- Erfahrung in der Arbeit mit REST-APIs, JSON und prompt-getriebenen Anwendungsworkflows
- Mittlere Programmierkenntnisse in Python, JavaScript oder einer ähnlichen Sprache
Zielgruppe
- Softwareentwickler, die LLM-gestützte Anwendungen erstellen
- KI-Ingenieure und technische Führungskräfte, die auf OpenAI basierende Lösungen entwerfen
- Produktteams und Lösungsarchitekten, die für Produktion-AI-Features verantwortlich sind
7 Stunden