Kurs
digicode: LLMENG
LLM Engineering & AIOps – Übersicht und Einsatz
Kurs-Facts
Als PDF herunterladen- KI-Systemarchitektur verstehen: Einordnen von LLMs in moderne IT-Infrastruktur
- Modell- & Infrastruktur-Strategie: Differenzieren zwischen Proprietary-, Open-Weight- und Open-Source-Modellen
- Enterprise Integration: Verbinden von LLMs, RAG (Retrieval Augmented Generation) und MCP (Model Context Protocol) mit Anwendungen und Unternehmenswissen
- Skalierbare Automatisierung: Verstehen des Aufbaus von Multi-Agent-Systemen und deren Einsatz für komplexe Automatisierungsprozesse
In diesem Kurs erhältst du ein strukturiertes Verständnis moderner KI-Systeme mit Fokus auf Large Language Models (LLMs). Du lernst, diese Technologien zu verstehen und wie du sie produktiv in deine Plattform integrierst.
1 Grundlagen & Modell-Ökosystem
- Erlebe die Entwicklung vom klassischen Machine Learning zu modernen Foundation Models.
- Vergleiche offene mit proprietären Modellen und verstehe den Zusammenhang zwischen Modellgrösse und Performance.
- Identifiziere die richtigen Einsatzszenarien für dein Unternehmen.
2 Praktischer Umgang & Infrastruktur
- Erfahre, wie du Modelle findest, bewertest und den Unterschied zwischen Training und Inferenz meisterst.
- Verstehe die spezifischen Infrastrukturanforderungen für den stabilen Betrieb.
- Wäge die Vor- und Nachteile von cloudbasierten gegenüber selbst betriebenen Modellen ab.
3 Integration & Enterprise Data (RAG)
- Greife auf Unternehmenswissen zu und binde dieses in bestehende LLMs (Large Language Models) ein.
- Verbinde LLMs über moderne Protokolle wie MCP mit deinen Datenbanken und Tools.
4 Multi-Agent im Unternehmen
- Baue Multi-Agent-Systeme auf, in denen spezialisierte Agents komplexe Aufgaben orchestriert lösen.
- Behalte betriebliche Aspekte und die Skalierung im Griff.
- Integriere deine Lösungen nahtlos in bestehende IT-Infrastrukturen.
Der Kurs ist interaktiv aufgebaut und kombiniert Demos, Hands-on-Übungen und Theorie-Impulse an einem Beispielprojekt sowie mit Cloud Native. Die Teilnehmenden lernen typische Betriebsanforderungen kennen und setzen ausgewählte Tools in der Lab-Umgebung direkt ein.
- DevOps- und Plattform-Engineers
- Site Reliability Engineers (SREs)
- Softwareentwickler/innen mit Fokus auf Developer Experience
- Technische Projektleiter/innen und Architekt/innen
Kursteilnehmende sollten einfache Python Scripts lesen können sowie Grundwissen über Container und Kubernetes (z. B. Kurs DUK) mitbringen.