tecnovy AI Suite

LLM-Anwendungen entwickeln

Ganz unten liegt ein Aufruf an eine Modell-API, der Fehler abfängt und Tokens und Antwortzeit mitschreibt. Darauf setzt du einen versionierten Prompt, der das Verhalten festlegt. Ein JSON-Schema bringt die Antwort in eine Form, die dein Code weiterverarbeiten kann. Ein Werkzeugaufruf lässt das Modell eine deiner Funktionen anfordern, die dein Code erst nach Prüfung ausführt. Zuletzt zeigen Tests, ob jede Schicht tut, was sie soll. Diese Schichten baust du in Python auf.

Teilnahmezertifikat4,8/5 bei ProvenExpert

Was dieses Modul leistet.

Softwareentwickler:innen, Data Scientists und Tech Leads lernen in LLM Engineering von tecnovy, Sprachmodelle herstellerneutral in Software einzubinden. Danach wählt dein Team Modelle nach Qualität, Kosten und Latenz und prüft LLM-Funktionen mit eigenen Tests.

So läuft das Training

Methode: Kurze Theorieblöcke, dann Python-Übungen an einem durchgehenden Projekt
Grundlage: Herstellerneutrales tecnovy Curriculum, Stand November 2026
Abschluss: tecnovy Teilnahmezertifikat, keine Prüfung

Termine & Buchung

Passenden Termin wählen

Aktuell sind keine öffentlichen Termine ausgeschrieben.

Neue Termine werden laufend veröffentlicht. Lass dich vormerken oder plane ein Inhouse-Training für dein Team.

Inhouse-Training anfragen

Passung

Für wen das Modul gedacht ist

Typische Rollen

Du entwickelst Software und sollst LLM-Funktionen in bestehende Anwendungen einbauen.
Du arbeitest als Data Scientist oder ML Engineer und willst Sprachmodelle in eigene Anwendungen einbinden.
Du bist Tech Lead und bewertest LLM-Vorhaben nach Modellwahl, Kosten und Risiken.

Voraussetzungen

Keine Voraussetzungen

Du kannst direkt einsteigen. Mitbringen: Programmiererfahrung in Python, Grundlagen zu REST-APIs und JSON.

Stattdessen geeignet AI Agents Foundations · KI-Agenten Grundlagen: verstehen, planen, erste Agenten bauen Ohne Python-Erfahrung: Du bewertest Prozesse nach Nutzen, Aufwand und Risiko und baust erste KI-Agenten mit No-Code-Werkzeugen.

Lehrplan

LLM Engineering im Detail

Fünf Teile in der Reihenfolge, in der eine LLM-Anwendung entsteht: vom Modell selbst über den API-Aufruf, Prompts und strukturierte Ausgaben bis zu Funktionsaufrufen und Tests. Retrieval aus Unternehmensdokumenten und mehrstufige Agenten gehören zu den tecnovy Kursen RAG und KI-Agenten entwickeln.

01Wie LLMs funktionieren

Bevor die erste Zeile Code entsteht, klärst du, was im Modell passiert und was es kostet.

Tokens, Kontextfenster und Sampling-Parameter wie Temperature
Modellfamilien im Vergleich: Stärken, Kosten und Latenz
Auswahlkriterien für ein Modell zu einer konkreten Aufgabe

02Mit Modell-APIs arbeiten

Der API-Aufruf ist die unterste Schicht, auf der alles Weitere aufsetzt.

Anfragen mit System-, Nutzer- und Assistentenrolle
Streaming: die Antwort Stück für Stück empfangen
Fehler, Zeitüberschreitungen und Wiederholungen
Kosten und Latenz messen und senken

03Prompt-Design für Anwendungen

Ein Prompt in einer Anwendung ist Code und wird auch so behandelt.

Systemprompts und Beispiele im Prompt
Vorlagen und Versionierung
Strukturierte Ausgaben mit JSON-Schemas und ihre Prüfung im Code

04Tool Use und Funktionsaufrufe

Hier fordert das Modell Funktionen deiner Anwendung an, und dein Code behält die Kontrolle.

Funktionen so beschreiben, dass das Modell sie passend anfordert
Der Ablauf eines Aufrufs: Anforderung, Ausführung, Ergebnis zurück
Argumente prüfen, bevor eine Funktion läuft

05Qualität und Risiken prüfen

Zum Schluss prüfst du, ob deine Anwendung liefert, was sie soll.

Testfälle und Evaluationen für LLM-Ausgaben
Halluzinationen: plausibel klingende, aber erfundene Angaben
Prompt Injection: Anweisungen, die in Eingaben eingeschleust werden
Datenschutz: welche Daten an einen Modellanbieter gehen

Ergebnis

Was du anschließend leisten kannst

01
Du wählst ein Modell nach Qualität, Kosten, Latenz und Kontextfenster aus und begründest die Wahl.
02
Du bindest eine Modell-API mit Rollen, Streaming, Fehlerbehandlung und Wiederholungen in deinen Code ein.
03
Du misst Tokenverbrauch und Antwortzeit deiner Aufrufe und leitest Maßnahmen ab, um beide zu senken.
04
Du schreibst Systemprompts mit Beispielen als Vorlagen und versionierst sie wie Code.
05
Du definierst JSON-Schemas für strukturierte Ausgaben und prüfst jede Antwort dagegen, bevor dein Code sie verwendet.
06
Du lässt das Modell Funktionen deiner Anwendung anfordern und prüfst die Argumente, bevor dein Code den Aufruf ausführt.
07
Du schreibst Testfälle und Evaluationen, die LLM-Ausgaben gegen erwartete Ergebnisse prüfen.
08
Du testest deine Anwendung auf erfundene Angaben (Halluzinationen), eingeschleuste Anweisungen (Prompt Injection) und den Umgang mit personenbezogenen Daten.

tecnovy Teilnahmezertifikat

Bestätigt deine Teilnahme und die im Training behandelten Lehrplaninhalte. Ausgestellt von tecnovy, teilbar auf LinkedIn.

Certificate Showroom öffnen tecnovy →

Leistungsumfang

Was enthalten ist

Enthalten

Projekt-Repository mit BeispielcodeEs enthält den Code des durchgehenden Kursprojekts, von dem du nach dem Training für eigene LLM-Anwendungen ausgehen kannst.

Warum tecnovy

Was du bei uns oben drauf bekommst

No Slideshow, Hands-On!

Versprochen: keine PowerPoint-Schlacht. Wir arbeiten in Gruppen, verknüpfen Theorie mit Praxis, und du bekommst Praxisbeispiele unserer erfahrenen Trainer sowie den Austausch mit Gleichgesinnten.

Certificate Showroom

Hol dir dein Teilnahmezertifikat und verbinde es, falls vorhanden, mit deinem Prüfungszertifikat. Vollautomatisiert, schön gestaltet. Nur für dich, nur bei tecnovy.

Flexible Umbuchung

Falls du mal kurzfristig verhindert sein solltest, kannst du deine Schulung bis eine Woche vor Trainingsbeginn kostenlos umbuchen.

Doppelt hält besser

Gerne darfst du innerhalb eines Jahres die Schulung nochmals online als Refresher besuchen.

Lerne von Experten

Wir garantieren dir stets den Einsatz von didaktisch und methodisch erstklassig qualifizierten Trainern, die ihr Wissen sowohl aus Trainingserfahrung als auch beruflicher Praxis- und Projekterfahrung beziehen.

FAQs

Häufige Fragen

01Mit welchen Modellen arbeitet der Kurs?

LLM Engineering von tecnovy arbeitet herstellerneutral mit gängigen kommerziellen und offenen Modellen über ihre APIs. Prompt-Vorlagen, JSON-Schemas, Funktionsaufrufe und Tests baust du so, dass du sie auf einen anderen Anbieter übertragen kannst.

02Brauche ich Vorwissen in Machine Learning?

Nein. Für LLM Engineering von tecnovy reichen Programmiererfahrung in Python und Grundlagen zu REST-APIs und JSON, denn du trainierst im Kurs keine Modelle, sondern rufst sie über ihre APIs auf.

03Eignet sich der Kurs auch für Java- oder .NET-Entwickler:innen?

Ja, sofern du auch Programmiererfahrung in Python hast, denn die Übungen in LLM Engineering von tecnovy laufen in Python. Die Muster selbst, von der Prompt-Vorlage bis zum Testfall, überträgst du danach auf andere Sprachen.

04Garantieren strukturierte Ausgaben eine gültige Antwort?

Nicht in jedem Fall. Anthropic und OpenAI sagen zu, dass Antworten mit Structured Outputs einem übergebenen JSON-Schema folgen, nennen aber Ausnahmen wie eine Ablehnung durch das Modell oder ein erreichtes Token-Limit (Stand November 2026). In LLM Engineering von tecnovy prüft dein Code deshalb jede Antwort, bevor er sie weiterverwendet.

05Wie weit geht der Kurs beim Thema Tool Use?

LLM Engineering von tecnovy behandelt den einzelnen Werkzeugaufruf, den manche Anbieter Function Calling nennen: Das Modell fordert eine Funktion deiner Anwendung an, dein Code prüft die Argumente, führt sie aus und gibt das Ergebnis zurück. Agenten, die solche Aufrufe zu mehrstufigen Abläufen verketten, baust du im tecnovy Workshop KI-Agenten entwickeln.

06Laufen die Übungen über echte Modell-APIs?

Ja, jede Übung in LLM Engineering von tecnovy spricht ein Sprachmodell über seine API an und braucht dafür einen API-Zugang mit Schlüssel. Aufrufe verbrauchen Tokens; Anthropic berechnet Eingabe- und Ausgabetokens getrennt (Stand November 2026). Den Verbrauch misst du im Kurs.

07Macht der Kurs meine Anwendung sicher gegen Prompt Injection?

Nein, das verspricht LLM Engineering von tecnovy nicht. Du lernst, deine Anwendung mit eigenen Testfällen auf eingeschleuste Anweisungen und erfundene Angaben zu prüfen und zu entscheiden, welche Daten du überhaupt an einen Modellanbieter schickst.

08Welchen Nachweis bringt LLM Engineering?

Das tecnovy Teilnahmezertifikat, das du ab 80 % Anwesenheit erhältst. Eine Prüfung oder eine Zertifizierung eines Modellanbieters gehört zur tecnovy Schulung LLM Engineering nicht.

09Welcher Kurs baut auf LLM Engineering auf?

Der nächste Schritt bei tecnovy ist die RAG Schulung: Dort verbindest du eine LLM-Anwendung mit Unternehmensdokumenten, über Suche und Antworten mit Quellenangaben. Retrieval, also das Heraussuchen passender Inhalte, ist bewusst kein Teil von LLM Engineering.

Wie sieht deine Schulung bei tecnovy aus?

LLM EngineeringLLM-Anwendungen entwickeln

Noch keine Termine

Wir merken dich vor, sobald der nächste Termin geplant ist.