• Verständnis der Grundlagen von Large Language Models (LLMs)
• Zielgerichtete Integration von LLMs in Anwendungen und Workflows
• Erlernen grundlegender Techniken zur Optimierung und Automatisierung
• Einblick in erste Schritte zur Skalierung von LLM-basierten Lösungen
• Kennenlernen von Aspekten der produktionsnahen Nutzung von LLMs

Kombination aus theoretischen Grundlagen und praxisnahen Übungen

Einführung in Large Language Models (LLMs):

• Geschichte von LLMs
• Relevante Anbieter
• Typische Anwendungsfälle

Entwicklung von LLM-basierten Anwendungen:

• Prompt Engineering
• Fine-Tuning
• Domain-Adaption

Behandlung von Workflows und produktionsnahen Aspekten:

• Retrieval-Augmented Generation (RAG)
• Einsatz von Agenten
• Automatisierung
• Grundlegende Konzepte von MLOps

• Anwendungen und Workflows mit LLMs entwickeln und optimieren.
• Frameworks wie LangChain und Transformers effektiv nutzen.
• LLMs an spezifische Anforderungen anpassen, z. B. durch Fine-Tuning.
• Workflows automatisieren und mit Retrieval-Augmented Generation (RAG) erweitern.
• Tools für Monitoring, Testing und Skalierung einsetzen.
• LLMs sicher und effizient in der Produktion verwenden. 

• Eine umfassende Einführung in die Welt der LLMs, speziell für Einsteiger.
• Praktische Übungen zur Entwicklung von LLM-basierten Anwendungen.
• Expertenwissen über Frameworks und Tools wie LangChain, RAG und MLOps.
• Unterstützung durch erfahrene Referenten und praxisorientierte Inhalte.
• Die Möglichkeit, modernste Technologien in Ihre Projekte zu integrieren.

Dorian Knoblauch

Dorian verfügt über mehr als fünf Jahre Berufserfahrung im Bereich Machine Learning. Er hat wissenschaftlich zu Themen rund um ML, der Auditierung und Prüfung von KI‑Systemen sowie Security publiziert. Zudem ist er als Trainer an der Fraunhofer Academy tätig und verbindet in seiner Arbeit technische Expertise mit praxisorientierter Vermittlung.

Für wen ist die LLM Schulung (Basic) geeignet?
Die LLM Schulung richtet sich an Einsteiger*innen mit grundlegenden Programmierkenntnissen sowie Entwickler*innen, die Large Language Models praxisnah in eigene Anwendungen und Workflows integrieren möchten. Grundkenntnisse in Python und Systeminstallation werden vorausgesetzt.

Welche Vorkenntnisse brauche ich für die LLM Grundlagen?
Für die LLM Grundlagen genügen Basiskenntnisse in Python und ein technisches Grundverständnis (z. B. Entwicklungsumgebungen einrichten). Vertiefte KI‑Erfahrung ist nicht erforderlich (Basic‑Niveau).

Was lerne ich konkret in der LLM Entwicklung (Basic‑Kurs)?
Sie erhalten eine kompakte Einführung in LLMs (Geschichte, Anbieter, Anwendungsfälle) und lernen Prompt Engineering, Fine‑Tuning/Domain‑Adaption, RAG (Retrieval‑Augmented Generation), Agenten/Automatisierung sowie MLOps‑Grundlagen kennen – mit Praxisbezug.

Was ist Prompt Engineering – und warum ist es wichtig?
Prompt Engineering ist die gezielte Gestaltung von Eingaben an ein LLM, um präzisere, konsistente und kosteneffiziente Ergebnisse zu erhalten. Es ist ein zentrales Werkzeug der LLM Entwicklung und Teil der Schulungsinhalte.

Deckt die LLM Schulung RAG (Retrieval‑Augmented Generation) ab?
Ja. Der Kurs zeigt, wie RAG funktioniert und wie eigene Datenquellen angebunden werden können, um Antwortqualität und Kontextbezug von LLM‑Anwendungen zu verbessern.

Wird Fine‑Tuning in der LLM Schulung behandelt?
Ja. Sie lernen die Grundlagen von Fine‑Tuning und Domain‑Adaption, inklusive Einordnung, Anwendungsfällen und Qualitätsaspekten – als Orientierung für weitere Schritte.

Geht es auch um Workflows, Agenten und Automatisierung mit LLMs?
Ja. Die Schulung behandelt LLM‑Workflows, Agenten‑Konzepte und Automatisierung, um von einzelnen Prompts zu stabilen Abläufen zu gelangen.

Was umfasst der Bereich MLOps in der LLM Schulung (Basic)?
Sie erhalten MLOps‑Grundlagen für produktionsnahe Nutzung: Basisprinzipien für Stabilität, Skalierung und Betrieb von LLM‑basierten Anwendungen.

Wie praxisnah ist die LLM Schulung?
Die Inhalte kombinieren theoretische Grundlagen mit praxisorientierten Übungen, damit Sie das Erlernte direkt in eigene Projekte übertragen können.

In welchem Format findet die LLM Schulung statt – und in welcher Sprache?
Die Schulung kann Präsenz, Online oder Inhouse durchgeführt werden und ist in Deutsch oder Englisch verfügbar (Basic‑Level, Dauer: 2 Tage).

Welche Ziele verfolge ich mit der LLM Grundlagen‑Schulung?
Ziel ist, LLMs sicher einzuordnen, Best Practices (z. B. Prompt Engineering) zu verstehen und erste LLM‑Prototypen & Workflows zu gestalten – als Basis für die weitere LLM Entwicklung.

Für welche Rollen bringt die LLM Schulung den größten Nutzen?
Insbesondere für Entwickler*innen, technische Einsteiger*innen und IT‑Professionals, die LLMs in Anwendungen integrieren oder Workflows automatisieren wollen – auf Basic‑Niveau mit klarem Praxisfokus.