Die softwareseitige Konzeption von Systemen auf Basis künstlicher Intelligenz erfordert eine methodische Steuerung generativer Modelle. Durch systematisches Prompt Engineering werden Eingaben so strukturiert dass die Ausgaben den Anforderungen komplexer Programmieraufgaben entsprechen. In der Anwendungsentwicklung ist diese Fähigkeit entscheidend um die Präzision und Verlässlichkeit automatisierter Prozesse zu gewährleisten.

Kursinhalt
1. Grundlagen und fachlicher Kontext
  • Architektur und Funktionsweise von Large Language Models
  • Bedeutung von Kontextfenstern und Token Management in der Entwicklung
  • Einordnung von Sprachmodellen in die moderne Softwarearchitektur

2. Methoden und Arbeitsweisen
  • Systematische Erstellung von strukturierten Eingabeaufforderungen
  • Einsatz von Techniken wie Few Shot Learning und Chain of Thought
  • Anwendung von Delimitern und strukturierten Datenformaten zur Steuerung

3. Praktische Anwendung im Arbeitskontext
  • Integration von KI Modellen in bestehende Softwareprojekte
  • Automatisierte Generierung und Prüfung von Programmiercode
  • Entwicklung von Vorlagen für die fachspezifische Text und Datenverarbeitung

4. Analyse, Optimierung und Weiterentwicklung
  • Evaluierung der Antwortqualität und Identifikation von Fehlerquellen
  • Iterative Verfeinerung von Anweisungen zur Steigerung der Prozesseffizienz
  • Sicherstellung der Konsistenz bei der Arbeit mit generativen Werkzeugen

Berufliche Relevanz
  • Steigerung der Produktivität in der softwaregestützten Problemlösung
  • Erweiterung des technologischen Spektrums in der KI Entwicklung
  • Optimierung der Schnittstellen zwischen menschlicher Vorgabe und maschineller Umsetzung