Kontakt aufnehmen

Schulungsübersicht

LLM-Anwendungsarchitektur und Design

  • Häufige OpenAI-Anwendungsmuster für Assistenten, Copilots und Workflow-Automatisierung
  • Auswahl der geeigneten Architektur gemäss Geschäftsanforderungen, Zuverlässigkeit und Nutzererfahrung
  • Vom Prototyp zum wartbaren Anwendungsentwurf

Prompting, Kontext und strukturierte Ausgaben

  • Strukturierung von System-, Benutzer- und Entwickleranweisungen für vorhersagbares Verhalten
  • Entwurf von Prompts für Konsistenz, Aufgabensteuerung und klarere Antworten
  • Nutzung strukturierter Ausgaben zur Unterstützung der nachgelagerten Anwendungslogik
  • Verwaltung des Kontextfensters, des Gesprächszustands und der Antwortqualität

Tool-Einsatz und Workflow-Orchestrierung

  • Nutzung von Function Calling und tool-fähigen Workflows mit externen Diensten
  • Validierung von Eingaben und Ausgaben, Fehlerbehandlung und Anwendung von Fallback-Verhalten
  • Entwurf mehrstufiger Abläufe für reale Geschäftsaufgaben

Retrieval und Wissensverankerung (Knowledge Grounding)

  • Erkennen, wann retrieval-augmented generation sinnvoll ist
  • Vorbereitung von Dokumenten und Aufteilung des Inhalts für effektives Retrieval
  • Ermittlung relevanter Kontextinformationen und Verankerung der Antworten in vertrauenswürdigen Quellen

Evaluierung, Guardrails und Betriebsbereitschaft

  • Definition von Qualitätskriterien und Testen der Workflows gemäss erwarteten Ergebnissen
  • Reduktion von Halluzinationen sowie Umgang mit unsicheren, irrelevanteren oder mehrdeutigen Anfragen
  • Überwachung des Verbrauchs, der Latenzzeit, des Token-Verbrauchs und der Kosten
  • Vorbereitung von Anwendungen auf den Einsatz, Support und iterative Verbesserungen

Praxiswerkstatt zur Implementierung

  • Bau einer kleinen End-to-End OpenAI-Anwendung, die Prompting, strukturierte Ausgabe, Tool-Einsatz und Retrieval kombiniert
  • Durchsicht der Designentscheidungen, häufig auftretender Probleme und praktischer nächste Schritte für den produktionsreifen Einsatz

Voraussetzungen

  • Vertrautheit mit Konzepten grosser Sprachmodelle und API-basierter Anwendungsentwicklung
  • Erfahrung in der Arbeit mit REST-APIs, JSON sowie promptgetriebenen Anwendungsworkflows
  • Mittleres Programmiervermögen in Python, JavaScript oder einer ähnlichen Sprache

Zielgruppe

  • Softwareentwickler, die LLM-gestützte Anwendungen erstellen
  • KI-Ingenieure und technische Leiter, die auf OpenAI basierende Lösungen entwerfen
  • Produktteams und Lösungsarchitekten, verantwortlich für produktionsreife KI-Funktionen
 7 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien