Ziel

Der Kurs "LLM, RAG und Agent Building" vermittelt alle Kernkompetenzen des modernen KI-Engineerings - von der Arbeit mit Sprachmodellen über die Entwicklung von Retrieval-Augmented-Generation-Systemen bis hin zum Aufbau autonomer KI-Agenten - und zeigt, wie Vibe-Coding-Methoden diese Entwicklung beschleunigen. Dieser Kurs ist die umfassende Schulung für alle, die LLM, RAG und Agent Building praxisnah erlernen möchten.

Inhalte (Auswahl)
  • LLM Grundlagen: Funktionsweise, Stärken und Grenzen von Sprachmodellen

  • LLM-API-Integration: OpenAI, Anthropic und Open-Source-Modelle einsetzen

  • Prompt Engineering für LLM, RAG und Agent Building

  • RAG-Architekturen: Retrieval-Augmented Generation von Grund auf entwickeln

  • Vektordatenbanken für RAG: Pinecone, Weaviate und Chroma konfigurieren

  • Agent Building: autonome KI-Agenten mit Tools und Memory entwickeln

  • Multi-Agent-Systeme: komplexe Agenten-Netzwerke mit Vibe Coding aufbauen

  • Deployment und Monitoring von LLM-, RAG- und Agenten-Systemen

Arbeitsweise

Diese Fortbildung ist als intensives Hands-on-Seminar konzipiert, in dem Teilnehmende eigene LLM-, RAG- und Agenten-Projekte entwickeln. Trainer aus dem KI-Engineering begleiten die Entwicklungsprojekte.

Kompetenzen (Ergebnis)
  • LLM-Anwendungen, RAG-Systeme und KI-Agenten eigenständig entwickeln

  • Vibe-Coding-Methoden für LLM-, RAG- und Agent-Building-Projekte einsetzen

  • Vektordatenbanken für RAG-Systeme konfigurieren und betreiben

  • Autonome KI-Agenten mit Tools und Memory entwickeln

  • LLM-, RAG- und Agenten-Systeme deployen und monitoren

Berufsperspektiven und praktische Anwendung

LLM-, RAG- und Agent-Building-Kompetenz ist in der gesamten Tech-Branche gefragt. Absolventen können sich für entsprechende Stellen als KI-Engineering-Positionen in Start-ups und Technologiekonzernen.

Zusammenfassung

Dieser Kurs vermittelt LLM, RAG und Agent Building praxisnah mit Vibe-Coding-Unterstützung. Alle drei KI-Engineering-Kernkompetenzen werden in eigenen Projekten direkt anwendbar erarbeitet.

Tools (Beispiele)

Cursor, Claude API, OpenAI API, LangChain, Pinecone, FastAPI, Python, GitHub