LLM-Entwicklung und Deployment – Kompaktkurs
Der Kompaktkurs LLM-Entwicklung und Deployment zeigt Ihnen praxisnah, wie Sie moderne LLM-Anwendungen von Prompt Design und RAG-Pipelines bis zum Betrieb gestalten. Sie arbeiten hands-on mit Embeddings, Vektorsuche, Docker, Monitoring und Governance und entwickeln eine produktionsreife RAG-Anwendung.
Unser Angebot richtet sich ausschließlich an Unternehmer (§ 14 BGB), Gewerbetreibende, Freiberufler sowie öffentliche Auftraggeber. Kein Verkauf an Verbraucher (§ 13 BGB). Alle Preisangaben werden sorgfältig gepflegt. Preisirrtümer und technische Darstellungsfehler können jedoch nicht vollständig ausgeschlossen werden.
Kursdetails & Termine
Kursbeschreibung
Sie lernen im kompakten Format, wie moderne LLM-Anwendungen aufgebaut und betrieben werden – von Prompt Design über RAG-Pipelines bis hin zu Deployment mit Docker, Monitoring und Governance. Der Kurs ist praxisnah und durchgängig hands-on.
Seminarinhalte
Grundlagen & Architektur moderner LLMs
- Überblick über Transformer, Kontext und Tokenisierung
- Prompt Design (Zero-/Few-Shot, System Prompts)
- Unterschiede zu klassischen NLP-Verfahren
- Hands-on: effektive Prompts entwickeln
Retrieval-Augmented Generation (RAG) Essentials
- Rolle von Embeddings und Vektorsuche
- Praktische Arbeit mit FAISS und ChromaDB
- Integration externer Quellen über LangChain / LlamaIndex
- Aufbau einer einfachen RAG-Pipeline
Erweiterte RAG-Pipelines in der Praxis
- Datenvorbereitung und semantische Abfragen
- Tool-Ketten in LangChain
- Query-Antwort-System mit API-Anbindung
- Best Practices: Trennung von Modell- und Wissenskomponente
LLMOps – Deployment & Infrastruktur
- Deployment-Strategien: Hosted vs. On-Premise
- Containerisierung mit Docker sowie Frameworks FastAPI und BentoML
- Monitoring und Logging mit LangSmith, Weights & Biases und OpenTelemetry
- Prompt- und Model-Management
LLMOps – Governance, Security & Skalierung
- Sicherheit: Prompt Injection, Datenschutz und Auditierbarkeit
- Kostenkontrolle: Token-Tracking, Caching und Request-Management
- CI/CD für LLM-Anwendungen
Abschlussprojekt: Bau einer produktionsreifen Anwendung mit RAG, Logging, Monitoring und Guardrails
Zielgruppe
Alle Personen mit technischem Hintergrund, die an der Entwicklung, Integration oder dem Betrieb von LLM-basierten Anwendungen beteiligt sind – z. B. in IT, AI, DevOps oder Produktentwicklung.
Voraussetzungen
Solide Kenntnisse in Python sowie ein Grundverständnis der API-Nutzung, von Machine Learning oder Cloud-Infrastruktur sind erforderlich. Erfahrung mit Tools wie Jupyter, VS Code oder Docker ist hilfreich.
Lernziele
Sie lernen, moderne LLM-Anwendungen praxisnah aufzubauen und zu betreiben – von Prompt Design und RAG-Pipelines bis zum Deployment mit Docker, Monitoring und Governance. Dabei entwickeln Sie hands-on eine produktionsreife Anwendung mit RAG, Logging, Monitoring und Guardrails.
Firmenseminar anfragen
Fragen Sie diesen Kurs für Ihr Team oder Unternehmen an. Wir prüfen passende Termine, Formate und individuelle Anforderungen und melden uns persönlich mit einem Vorschlag.
Termine & Buchung
Terminfilter
Verfügbare Termine
Kursdetails & Termine
Termine & Buchung
Terminfilter
Verfügbare Termine
Kursbewertungen
Wir sind persönlich für Sie da
Nicht jeder Kurs passt sofort auf Anhieb. Wir helfen Ihnen dabei, aus Themen, Formaten und Anforderungen die passende Lösung zu finden – persönlich, praxisnah und mit Blick auf Ihren tatsächlichen Bedarf.
Nicole Mühlbauer
Planen Sie einen Kurs oder Seminar und möchten sich vorab informieren?
Alison Kreis
Haben Sie bereits einen Kurs gebucht und noch Fragen zum Ablauf vor Ort oder Online?
Anouk Mendoza
Haben Sie Fragen zu einer Raumvermietung oder unseren Räumlichkeiten vor Ort?
Fragen & Antworten
Hier beantworten wir die häufigsten Fragen zu unseren Kursen, Abläufen und Formaten. Sollten Sie weitere Fragen haben, unterstützen wir Sie gerne persönlich.
LLM-Entwicklung und Deployment – Kompaktkurs im Überblick
LLM-Entwicklung und Deployment verbindet die Konzeption moderner Anwendungen mit ihrem zuverlässigen Betrieb. Sie lernen, wie Prompt Design, RAG-Pipelines und LLMOps zusammenwirken, um Anwendungen von der ersten Interaktion bis zur produktionsreifen Umsetzung strukturiert zu entwickeln.
Im Mittelpunkt steht die Verbindung von Wissenszugriff und Anwendungslogik: Embeddings und Vektorsuche unterstützen RAG-Pipelines, während LangChain oder LlamaIndex externe Quellen einbinden. Mit Tool-Ketten, semantischen Abfragen und API-Anbindung entwickeln Sie ein Query-Antwort-System und trennen Modell- und Wissenskomponente nachvollziehbar.
Für technisch vorgebildete Personen aus IT, AI, DevOps oder Produktentwicklung bietet der Kurs eine praxisnahe Einordnung von Infrastruktur, Betrieb und Governance. Themen wie Docker, Monitoring, Logging, Security, Kostenkontrolle und CI/CD helfen dabei, LLM-Anwendungen für den Einsatzkontext fundiert zu betrachten. Weitere passende Angebote finden Sie unter Kurse zu KI-AI.
Rezensionen
Es gibt noch keine Rezensionen.