Das AI Engineering-Programm bietet eine praxisnahe Erfahrung in der Konzeption und Entwicklung von Anwendungen mit Large Language Models (LLMs), LangChain und KI-Agenten.
Kerntechnologien, die im Programm gelehrt werden:
Python (or Javascript), LangChain, LangGraph, Retrieval-Augmented Generation (RAG), OpenAI GPT Models, Google Gemini, Meta Llama, Anthropic Claude, Prompt Engineering, Vector Databases (e.g., ChromaDB), Gradio, AI Agents
Kursablauf:
- Sprint 1: Grundlagen der LLM-Anwendungsentwicklung
Dieser Sprint vermittelt die grundlegenden Konzepte zur Entwicklung von Anwendungen mit Large Language Models (LLMs) und legt besonderen Fokus auf deren Fähigkeiten sowie ethische Implikationen.
Die Teilnehmenden lernen LLM-Konzepte kennen, darunter Prompt-Entwicklung, LLM-Einstellungen sowie die Entwicklungsumgebungen in Python oder JavaScript. In praxisnahen Übungen arbeiten sie mit APIs wie OpenAI, Anthropic und weiteren Schnittstellen und erproben die Erstellung und Optimierung effektiver Prompts.
- Sprint 2: Entwicklung von Anwendungen mit LangChain, RAG und Streamlit
Dieser Sprint vertieft das Wissen über LLM-gestützte Anwendungen und vermittelt, wie sich externe Datenquellen integrieren und interaktive Tools entwickeln lassen.
Der Fokus liegt auf LangChain und dessen Einsatz zur Optimierung von LLM-Workflows, Retrieval-Augmented Generation (RAG) für den Zugriff auf externe Daten sowie Vektordatenbanken wie ChromaDB zur Speicherung und Abruf von Einbettungen.
Die Teilnehmenden erlernen praktisch, die Erstellung strukturierter Ausgaben sowie der Prototypisierung von Chatbots. Am Ende des Sprints entwickeln sie mit LangChain und Gradio Anwendungen, die LLMs mit realen Daten kombinieren - eine Grundlage für die Umsetzung innovativer KI-Lösungen.
- Sprint 3: KI-Agenten
In diesem Sprint lernen die Teilnehmenden, KI-Agenten zu konzipieren, die komplexe, automatisierte Aufgaben ausführen können.
Es werden grundlegende Prinzipien von KI-Agenten behandelt - von einfachen Entscheidungsstrukturen bis hin zu fortgeschrittenen Systemen, die Code ausführen, mit APIs interagieren und langfristige Aufgaben bewältigen. Zudem werden Speichermechanismen untersucht, die es den Agenten ermöglichen, Kontext über längere Zeiträume hinweg zu behalten.
Durch praxisorientierte Übungen und ein Abschlussprojekt erhalten die Teilnehmenden die erforderlichen Fähigkeiten, um intelligente, autonome Systeme zu entwerfen und einzusetzen.
- Sprint 4: AI Engineering Capstone-Projekt
Im abschließenden Sprint wenden die Teilnehmenden ihr erworbenes Wissen in einem praxisnahen Projekt an. Sie entwickeln eigenständig eine voll funktionsfähige LLM-Anwendung oder einen KI-Agenten und präsentieren ihre Lösung am Ende des Sprints.