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-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