AI Engineering: LLM-Anwendungen entwickeln – Weiterbildung

Das AI-Engineering-Programm vermittelt praxisnahe Kompetenzen in der Konzeption und Entwicklung von Anwendungen mit Large Language Models. Statt sich auf theoretische Grundlagen künstlicher Intelligenz zu beschränken, führt der Kurs direkt in die praktische Entwicklungsarbeit ein: Teilnehmende arbeiten mit Sprachmodellen wie den APIs von OpenAI und Anthropic, lernen den strukturierten Aufbau von LLM-gestützten Anwendungen mit LangChain und LangGraph kennen und setzen Retrieval-Augmented Generation ein, um Sprachmodelle mit externen Datenquellen zu verbinden. Aufbauend darauf entwickeln sie eigenständig KI-Agenten, die komplexe, mehrschrittige Aufgaben automatisiert bearbeiten. In vier aufeinander aufbauenden Sprints entsteht so schrittweise die Fähigkeit, von einzelnen Prompt-Experimenten bis zu einem vollständigen Capstone-Projekt eine eigene LLM-Anwendung oder einen eigenen KI-Agenten zu konzipieren und umzusetzen.

Sprint 1 vermittelt die grundlegenden Konzepte zur Entwicklung von Anwendungen mit Large Language Models und legt besonderen Fokus auf deren Fähigkeiten sowie ethische Implikationen. Teilnehmende lernen zentrale LLM-Konzepte kennen und richten ihre Entwicklungsumgebung in Python oder JavaScript ein.

• Grundprinzipien und Fähigkeiten aktueller Large Language Models
• Ethische Fragestellungen beim praktischen Einsatz von KI-Systemen
• Einrichtung der Entwicklungsumgebung in Python oder JavaScript
• Grundlagen der Prompt-Entwicklung und relevanter LLM-Einstellungen
• Erste praktische Arbeit mit den APIs von OpenAI und Anthropic

Sprint 2 vertieft das Wissen über LLM-gestützte Anwendungen und vermittelt, wie sich externe Datenquellen integrieren und interaktive Tools entwickeln lassen. Im Zentrum stehen LangChain, Retrieval-Augmented Generation und Vektordatenbanken.

• LangChain zur Optimierung und Strukturierung von LLM-Workflows
• Retrieval-Augmented Generation für den Zugriff auf externe Daten
• Vektordatenbanken wie ChromaDB zur Speicherung und zum Abruf von Embeddings
• Erstellung strukturierter Ausgaben aus Sprachmodell-Antworten
• Prototypisierung von Chatbots mit LangChain und Gradio

Sprint 3 führt in die Konzeption von KI-Agenten ein, die komplexe, automatisierte Aufgaben ausführen können. Von einfachen Entscheidungsstrukturen bis zu fortgeschrittenen Systemen behandelt dieser Sprint die Prinzipien autonomer, KI-gestützter Systeme.

• Grundlegende Prinzipien und Architekturen von KI-Agenten
• Entscheidungsstrukturen von einfach bis fortgeschritten
• Agenten, die Code ausführen und mit externen APIs interagieren
• Speichermechanismen für Kontext über längere Zeiträume
• Bewältigung langfristiger, mehrschrittiger Aufgaben durch Agenten

Sprint 4 bildet das AI-Engineering-Capstone-Projekt, in dem die Teilnehmenden ihr erworbenes Wissen in einem praxisnahen Vorhaben anwendenTeilnehmende entwickeln eigenständig eine voll funktionsfähige LLM-Anwendung oder einen KI-Agenten und präsentieren ihre Lösung am Ende des Sprints.

• Konzeption eines eigenen Projektvorhabens auf Basis der Sprints 1 bis 3
• Technische Umsetzung einer LLM-Anwendung oder eines KI-Agenten
• Integration von RAG, Vektordatenbank und Agenten-Logik nach Projektbedarf
• Testen und Iterieren der eigenen Anwendung
• Vorbereitung und Durchführung der Abschlusspräsentation

Im begleitenden Praxisteil, der sich über alle vier Sprints erstreckt, setzen die Teilnehmenden das theoretische Wissen kontinuierlich in Code um und bauen ihre technischen Fertigkeiten schrittweise aus.

• Erstellung und Optimierung eigener Prompts anhand konkreter Aufgabenstellungen
• Anbindung mehrerer LLM-APIs im direkten Vergleich
• Aufbau einer RAG-Pipeline mit eigenen Beispieldokumenten
• Konfiguration und Befüllung einer Vektordatenbank mit ChromaDB
• Entwicklung einer einfachen Gradio-Oberfläche für einen Chatbot-Prototyp
• Implementierung eines Agenten mit einfacher Werkzeugnutzung
• Erweiterung eines Agenten um Speicherfunktionen für längere Dialoge
• Fehleranalyse und Debugging von LLM-gestützten Anwendungen
• Vergleich unterschiedlicher Prompting-Strategien anhand von Beispielausgaben
• Code-Reviews in Kleingruppen zu den eigenen Zwischenständen
• Vorbereitung technischer Dokumentation zum eigenen Projekt
• Präsentation des Capstone-Projekts vor der Kursgruppe

Der Kurs ist konsequent praxisorientiert aufgebaut: Jeder Sprint kombiniert kompakte theoretische Einheiten mit unmittelbarer Umsetzung in eigenem Code, sodass Teilnehmende laufend an einem wachsenden technischen Portfolio arbeiten. Am Ende des Programms steht mit dem Capstone-Projekt ein vorzeigbares Ergebnis, das die im Kurs erworbenen Fähigkeiten in der Entwicklung von LLM-Anwendungen und KI-Agenten sichtbar macht.

Der Kurs richtet sich an Arbeitsuchende und Berufsumsteigende, die eine praxisnahe Qualifizierung im Bereich KI-gestützter Softwareentwicklung suchen und ihre Chancen auf dem Arbeitsmarkt gezielt verbessern möchten. Er eignet sich für Personen mit Programmiererfahrung, die sich in Richtung AI Engineering weiterentwickeln wollen.

• Entwicklerinnen und Entwickler mit Python- oder JavaScript-Erfahrung, die in Richtung KI wechseln möchten
• Berufsumsteigende mit technischem Hintergrund, die sich neu orientieren wollen
• Personen mit Erfahrung in Backend-Entwicklung, die LLM-Anwendungen konzipieren möchten
• Fachkräfte, die praktisches Wissen zu RAG und KI-Agenten aufbauen wollen
• Arbeitsuchende, die eine anerkannt geförderte Weiterbildung mit klarem Praxisbezug suchen

Der Kurs findet als virtuelles Klassenzimmer in Vollzeit statt und ist in vier klar strukturierte Sprints gegliedert, die aufeinander aufbauen. Jeder Sprint verbindet kompakte fachliche Einführungen mit intensiver praktischer Programmierarbeit, sodass die Teilnehmenden kontinuierlich am eigenen Code arbeiten, statt Inhalte nur passiv zu konsumieren. Der hohe Praxisanteil und das Sprint-Format erfordern konsequentes Zeitmanagement und selbstständiges Arbeiten während der gesamten Kursdauer.

Der Kurs ist in vier Sprints unterteilt und wird in Vollzeit absolviert, wobei ein Mindesteinsatz von durchschnittlich 40 fokussierten Unterrichtseinheiten pro Woche für den erfolgreichen Abschluss entscheidend ist. Die intensive Taktung mit wöchentlich hohem Zeiteinsatz ermöglicht es, in vergleichsweise kurzer Zeit von den Grundlagen der Prompt-Entwicklung bis zum eigenständigen Capstone-Projekt zu gelangen.

Der Kurs schließt mit einem Trägerzertifikat ab, das die erfolgreiche Teilnahme sowie die im Capstone-Projekt demonstrierten praktischen Fähigkeiten in der Entwicklung von LLM-Anwendungen und KI-Agenten dokumentiert. Eine externe, herstellerseitige Zertifizierungsprüfung ist mit dem Kurs nicht verbunden; im Mittelpunkt steht das vorzeigbare technische Projektergebnis.

Wer diesen Kurs abschließt, verfügt über praktische Erfahrung in einem der aktuell gefragtesten Felder der Softwareentwicklung. Statt nur theoretisches Wissen über künstliche Intelligenz zu erwerben, haben Teilnehmende eigenständig Code geschrieben, der Sprachmodelle mit externen Daten verbindet und autonome Agenten steuert – eine Fähigkeit, die sich in einem vorzeigbaren Capstone-Projekt konkret nachweisen lässt. Die im Kurs vermittelten Werkzeuge wie LangChain, Retrieval-Augmented Generation und Vektordatenbanken gehören zu den zentralen Bausteinen moderner KI-Anwendungsentwicklung und werden in vielen Unternehmen aktiv eingesetzt. Wer diese Technologien praktisch beherrscht, kann sich von Kandidatinnen und Kandidaten mit rein theoretischem KI-Wissen deutlich abheben. Langfristig eröffnet der Kurs Perspektiven in Richtung AI Engineering, Machine Learning Engineering oder spezialisierter Beratung zu KI-Agenten und LLM-Integration. Das im Capstone-Projekt entstandene, eigenständig entwickelte Portfolio-Stück lässt sich in Bewerbungsprozessen unmittelbar als Nachweis praktischer Kompetenz einsetzen.