Large Language Models Advanced: Eigene LLMs und Tuning
LLM-Schulung für belastbare RAG-Systeme, Fine-Tuning, Guardrails und Betrieb mit messbarer Qualität
Die wichtigsten Themen
RAG-Architektur mit Hybrid Search
Reranking und Kontextsteuerung
LoRA/QLoRA für eigene Use Cases
Datenqualität und Leakage-Prüfung
Evaluation mit Golden Sets
Guardrails gegen Prompt Injection
Überblick In diesem Advanced-Seminar baust du aus LLM-Bausteinen ein belastbares System: Retrieval-Augmented Generation, Fine-Tuning und Evaluation werden nicht isoliert betrachtet, sondern als Architekturentscheidungen für...
In diesem Advanced-Seminar baust du aus LLM-Bausteinen ein belastbares System: Retrieval-Augmented Generation, Fine-Tuning und Evaluation werden nicht isoliert betrachtet, sondern als Architekturentscheidungen für reale Anwendungen. Entscheidend ist, welche Daten für den jeweiligen Use Case tragfähig sind, wie Leakage und Rechteprobleme vermieden werden, wie Qualität messbar wird und wo Guardrails technische Grenzen haben.
Statt Demo-Prompts stehen produktionsnahe Patterns im Mittelpunkt: Hybrid Search, Reranking, kontrollierte Kontextfenster, strukturierte Ausgabevalidierung, Logging, Monitoring und Kostensteuerung. Du arbeitest mit typischen Entscheidungen aus Entwicklungs-, Daten- und Security-Perspektive und leitest daraus ein Vorgehen ab, das sich in internen Wissenssystemen, Assistenzfunktionen oder Tool-gestützten Workflows anwenden lässt. Für Azure-spezifische Implementierungen passt ergänzend das AI-102 Training zu Azure AI Lösungen.
Die Themen Pretraining versus Anpassung bestehender Modelle · Transformer-Architektur und Tokenizer-Grundlagen · Trainingsdaten, Rechte und PII-Handling · Hardware-Bedarf und Software-Stack · Hugging Face Datasets und Parquet...
LLM-Training und Modellanpassung
- Pretraining versus Anpassung bestehender Modelle
- Transformer-Architektur und Tokenizer-Grundlagen
- Trainingsdaten, Rechte und PII-Handling
- Hardware-Bedarf und Software-Stack
- Hugging Face Datasets und Parquet
- Databricks für Datenpipelines
Fine-Tuning und Alignment
- SFT im Vergleich zu LoRA/QLoRA
- Datensatzaufbau für eigene Use Cases
- Hyperparameter und Overfitting-Risiken
- Preference-Daten und DPO-Grundidee
- Safety-Trade-offs bei Alignment
RAG-Architektur und Retrieval-Qualität
- Chunking-Strategien und Kontextbudget
- Embeddings und Vektordatenbanken
- Hybrid Search mit Keyword-Signalen
- Reranking für präzisere Treffer
- Quellenbezug und Antwort-Nachvollziehbarkeit
Evaluation und Qualitätsmessung
- Golden Sets und Rubrics
- Paarvergleiche für Modellvarianten
- LLM-as-a-Judge mit Kalibrierung
- A/B-Tests und Canary-Rollouts
- Feedback-Loops für Verbesserungen
Guardrails, Security und Betrieb
- Prompt Injection und Data Exfiltration
- Tool Misuse und Rechtebegrenzung
- Output-Validation mit JSON-Schema
- Vector-Store- und Embedding-Risiken
- Logging, Redaction und Auditability
- Kostensteuerung durch Caching und Routing
- Monitoring von Drift und Latenz
Zielgruppe
- Machine-Learning Engineers und Data Scientists mit LLM-Grundlagen
- Softwareentwicklerinnen und Softwareentwickler für produktive LLM-Features
- AI Product Owner und Technical Leads mit Architekturverantwortung
- Security- und Compliance-Rollen für LLM-Risikobewertung
Das lernst du
- Begründete Auswahl zwischen RAG, Fine-Tuning und Kombinationen für konkrete Use Cases
- Aufbau belastbarer Daten- und Evaluationspipelines mit messbaren Qualitätskriterien
- Sicherer Umgang mit LoRA/QLoRA, Hyperparametern und Overfitting-Risiken
- Implementierung von Guardrails gegen Prompt Injection, Datenabfluss und fehlerhafte Outputs
- Produktionsnahe Betriebsplanung inklusive Monitoring, Latenz und Token-Kosten
So arbeiten wir
- Kurze Impulse mit Architektur- und Entscheidungsleitfäden
- Geführte Hands-on-Übungen an vorbereiteten Umgebungen
- Fallarbeit an Use-Case-Varianten und Review der Ergebnisse
- Checklisten für Evaluation, Security und Betrieb
Empfohlene Vorkenntnisse
- Solide Grundlagen zu LLMs, Prompting und typischen LLM-Workflows
- Kenntnisse zu Tokens, Embeddings und RAG-Konzepten
- Grundverständnis von Python oder API-basierten Integrationen
- Für fehlende ML-Grundlagen empfiehlt sich der Python Machine Learning Grundkurs
Dein Fahrplan
- Einordnung von RAG, Fine-Tuning und eigenem Modelltraining
- Chunking, Embeddings, Vektordatenbanken und Hybrid Search
- Reranking, Kontextbudget und nachvollziehbare Antworten
- Datensatzaufbau, Rechteprüfung, PII-Handling und Leakage-Vermeidung
- SFT, LoRA/QLoRA, Hyperparameter und Overfitting-Risiken
Organisatorisches
Lernformate
Unsere Seminare bieten dir maximale Flexibilität: Du kannst zwischen Live-Online und Vor Ort in unseren modernen Schulungszentren im D-A-CH Raum wählen. Beide Formate garantieren dir die gleiche hohe Qualität und interaktive Lernerfahrung.
Schulungsarten
Wir bieten dir verschiedene Schulungsarten: Offene Seminare, Firmenseminare für Teams und Inhouse-Schulungen direkt bei dir vor Ort. So findest du genau das Format, das zu deinen Bedürfnissen passt.
Uhrzeiten
9:00-16:00 Uhr
Aktuelle Software
In unseren offenen Kursen arbeiten wir mit der aktuellsten Software-Version. So lernst du direkt mit den Tools und Features, die du auch in deinem Arbeitsalltag verwendest - praxisnah und zukunftsorientiert. Bei Inhouse- und Firmenschulungen bestimmt ihr die Version.
Deine Vorteile
Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Inklusivleistungen
Deine Teilnahme beinhaltet: Schulungsmaterial, Zertifikat, Verpflegung (bei Präsenzveranstaltungen) und persönliche Betreuung durch unsere Trainer und unser Orga-Team. Alles aus einer Hand - keine versteckten Kosten.
Lernen von Experten
Unsere Trainer sind zertifizierte und erfahrene Profis mit jahrelanger Berufserfahrung. Sie vermitteln dir in den Kursen nicht nur theoretisches Wissen, sondern teilen ihre Erfahrungen aus realen Projekten und helfen dir, das Gelernte direkt in deiner täglichen Arbeit anzuwenden. Das ist kein Werbeversprechen, sondern unser Anspruch. Am besten siehst du das in unseren Bewertungen, z.B. auch bei Google.
Keine Vorkasse
Du zahlst erst nach dem Seminar. Keine Vorkasse, keine Vorauszahlung - so kannst du sicher sein, dass du nur für das bezahlst, was du auch wirklich erhalten hast. Die Rechnung erhältst du erst nach Kursbeginn.
Max. 8 Teilnehmende
Wir setzen auf kleine Gruppen, damit du die Aufmerksamkeit bekommst, die du verdienst. So haben wir mehr Zeit für deine individuellen Fragen und können gezielt auf deine Bedürfnisse eingehen.
Termine & Buchung
Vor Ort
Online
Nicht der passende Termin dabei?
Wir finden eine Lösung: anderer Termin, mehrere Teilnehmer, Inhouse-Schulung oder individuelle Beratung.
Lieber gleich das ganze Team schulen?
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine nach Maß.
Inhouse-Schulung
Wir kommen zu euch: diese Schulung maßgeschneidert in euren Räumen, für Unternehmen und Behörden.
- Inhalte exakt auf euch zugeschnitten
- Termine nach euren Bedürfnissen
- Günstiger ab mehreren Teilnehmern
- Vertraute Umgebung, kein Reiseaufwand
Firmen-Seminar
Exklusiv für dein Team an einem unserer Standorte oder Live-Online, individuell angepasst.
- Geschlossene Gruppe aus eurem Haus
- Individuelle Terminplanung
- An unseren Standorten oder Live-Online
- Angepasste Inhalte
Fragen und Antworten zu Large Language Models Advanced: Eigene LLMs und Tuning
Ist das eine LLM Schulung zum Training eines Foundation Models von Grund auf?
Nein. Du arbeitest mit bestehenden LLMs und lernst, wie sie über RAG, Fine-Tuning mit LoRA/QLoRA und saubere Evaluation für eigene Anwendungsfälle angepasst werden. Das vollständige Pretraining eines Foundation Models wird eingeordnet, ist aber nicht Schwerpunkt der Schulung.
Brauche ich ein eigenes Notebook oder zusätzliche Lizenzen?
Nein. Geräte, VMs und Software werden bei Bedarf bereitgestellt. Eigene Lizenzen sind für die Übungen nicht erforderlich.
Welche Vorkenntnisse sind für das Advanced-Seminar sinnvoll?
Du solltest LLM-Grundlagen, Prompting und Begriffe wie Tokens, Embeddings und RAG kennen. Etwas Python- oder API-Erfahrung hilft, um die Übungen und Architekturentscheidungen sicher nachzuvollziehen.
Geht es auch um Security und Compliance bei LLM-Anwendungen?
Ja. Behandelt werden Prompt Injection, Data Exfiltration, Tool Misuse, Output-Validation, Logging, Redaction sowie grundlegende Anforderungen an Auditability und Datenschutz.
Wie werden Qualität und Risiken von LLM-Systemen bewertet?
Du arbeitest mit Golden Sets, Rubrics, Paarvergleichen, LLM-as-a-Judge mit Kalibrierung sowie Online-Evaluation über A/B-Tests, Canary-Rollouts und Feedback-Loops. Für eine vertiefende Testperspektive passt ergänzend das Seminar Effektive KI Software-Tests mit LLMs.
Kann ich die Inhalte auf Cloud-Plattformen übertragen?
Ja. Die Architektur- und Evaluationsmuster sind nicht auf eine einzelne Plattform beschränkt. Für AWS-spezifische Generative-AI-Anwendungen bietet sich ergänzend das Training Developing Generative AI Applications on AWS an.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs .
Passende Schulungen nach dem Kurs
Ähnliche Kurse
Large Language Model Grundkurs: Einsatz und Überblick
Open-Source LLM Fine-Tuning für Entwickler
Large Language Model Strategie: Alles für Entscheider
Python Machine Learning Grundkurs (Für Python Entwickler)
Qdrant-Schulung: RAG und Hybrid Search im Betrieb
Unser Qualitätsversprechen: Wissen, das in der Praxis funktioniert
Aus der Praxis für die Praxis
Schluss mit theoretischem Ballast. Wir trainieren dich für reale IT-Herausforderungen, nicht für Multiple-Choice-Tests. Unsere Trainer vermitteln dir genau das Wissen, das am nächsten Montagmorgen im Job wirklich funktioniert.
Individuell statt "Schema F"
Deine Fragen passen nicht ins Standard-Skript? Bei uns schon. Wir verzichten auf starre Lehrpläne und geben deinen konkreten Projekt-Fragen Raum. Unsere Trainer passen die Inhalte flexibel an das an, was dich und dein Team aktuell weiterbringt.
Maximale Freiheit: Remote oder vor Ort
Lerne so, wie es in deinen Alltag passt - ohne Reise-Stress und Zeitverlust. Egal ob remote, hybrid oder präsent vor Ort: Wir garantieren dir ein nahtloses und effektives Lernerlebnis, egal von wo du dich zuschaltest.
Mit Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt - und wollen, dass du es auch bist. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Über 20.000 Unternehmen und Behörden vertrauen auf uns
