Large Language Models verstehen und anwenden: Grundlagen, RAG und Agentensysteme

Startseite Kurse Python Machine Learning & KI Large Language Models verstehen und anwenden: Grundlagen, RAG und Agentensysteme

Trainer: Alexander Hülle

Dauer: 2 Tage

Zielgruppe:

Das Seminar richtet sich an Fach- und Führungskräfte, Wissenschaftlerinnen und Wissenschaftler, Promovierende sowie IT-Fachleute, die ein fundiertes Verständnis moderner Large Language Models (LLMs) erwerben und deren Einsatzmöglichkeiten in Forschung, Entwicklung und beruflicher Praxis kennenlernen möchten.

Besonders angesprochen sind Personen, die KI-gestützte Anwendungen verstehen, bewerten und sinnvoll einsetzen möchten – beispielsweise für die Analyse und Verarbeitung von Informationen, die Nutzung eigener Wissensbestände mittels Retrieval-Augmented Generation (RAG) oder die Entwicklung agentenbasierter Lösungen.

Large Language Models verstehen und anwenden: Grundlagen, RAG und Agentensysteme

Tag 1 – Grundlagen & Funktionsweise

Transformer-Architektur: Self-Attention, Multi-Head-Attention, Positional Encodings, Decoderonly vs. Encoder-Decoder
Tokenisierung: BPE/SentencePiece, Vokabular, Kontextfenster und deren Auswirkung auf Kosten und Leistung
Trainingsprinzipien: Pretraining, Instruction Tuning, RLHF/DPO, Skalierungsgesetze, emergente Fähigkeiten
Überblick aktueller Modelle: proprietär vs. Open-Weight, Lizenzfragen

Tag 2 – Anwendung & verantwortungsvoller Einsatz

Prompt Engineering: Zero-/Few-Shot, Chain-of-Thought, strukturierte Ausgaben, SystemPrompts — Hands-on
Retrieval-Augmented Generation (RAG): Embeddings, Vektordatenbanken (FAISS/Chroma), Chunking, Reranking — Hands-on: Mini-RAG über eigene Dokumente
Agentensysteme: Tool Use, Function Calling, Frameworks
(LangChain/LlamaIndex) und ihre Grenzen
Bewertung & Einsatz: Evaluation (Benchmarks, LLM-as-judge, aufgabenspezifische Metriken), Halluzinationen und Bias, Datenschutz/Ethik und EU AI Act — Hands-on: kleines EvaluationsSetup