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.
Dauer 35 Stunden
Schulungsübersicht
Grundlagen von LangGraph im Finanzwesen
- Auffrischung der LangGraph-Architektur und der zustandsbehafteten Ausführung.
- Anwendungsfälle im Finanzwesen: Research-Copilots, Transaktionssupport, Kundenservice-Agenten.
- Regulatorische Einschränkungen und Überlegungen zur Prüfbarkeit (Auditability).
Finanzdatenstandards und Ontologien
- Grundlagen von ISO 20022, FpML und FIX.
- Kartierung von Schemata und Ontologien in den Graphenzustand.
- Datenqualität, Datenherkunft (Lineage) und die Verarbeitung von PII (personenbezogenen Daten).
Workflow-Orchestrierung für Finanzprozesse
- KYC (Know Your Customer) und AML (Anti-Money Laundering)-Onboarding-Workflows.
- Transaktionslebenszyklus, Ausnahmen und Fallmanagement.
- Kreditprüfung und Entscheidungspfade.
Compliance, Risiko und Kontrollen
- Durchsetzung von Richtlinien und Modellrisikomanagement.
- Schutzmechanismen (Guardrails), Genehmigungen und Human-in-the-Loop-Schritte.
- Audit-Trails, Aufbewahrungspflichten und Erklärbarkeit (Explainability).
Integration und Deployment
- Anbindung an Kernsysteme, Data Lakes und APIs.
- Containerisierung, Secrets und Umgebungsverwaltung.
- CI/CD-Pipelines, gestufte Rollouts und Canary-Deployments.
Observability und Leistung
- Strukturierte Logs, Metriken, Traces und Kostenüberwachung.
- Lasttests, SLOs (Service Level Objectives) und Fehlerbudgets.
- Incident Response, Rollbacks und Resilienz-Muster.
Qualität, Evaluation und Sicherheit
- Unit-, Szenario- und automatisierte Evaluierungs-Harnesses.
- Red Teaming, adversarials Prompts und Sicherheitsprüfungen.
- Zusammenstellung von Datensätzen, Drift-Monitoring und kontinuierliche Verbesserung.
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegende Kenntnisse in Python und der Entwicklung von LLM-Anwendungen
- Erfahrung mit APIs, Containern oder Cloud-Diensten
- Grundverständnis von Finanzdomänen oder Datenmodellen
Zielgruppe
- Domänen-Technologen
- Lösungsarchitekten
- Berater, die LLM-Agenten in regulierten Industrien entwickeln