Willkommen zurück, Robin

Dashboard

Level 2 350 XP

Lernbibliothek

Lernstoff fuer echte AI-Systeme

Kuratiertes Wissen vor der Mission: Konzepte, mentale Modelle, Beispiele, Fehlerbilder, Uebungen und Knowledge Checks.

Aktueller Fokus

Funktionsweise von LLMs für produktive AI-Systeme

Grundlagen von Training, Inferenz, Token Prediction, probabilistischer Ausgabe und Systemarchitektur rund um Sprachmodelle.

Weiterlernen

Verfügbare Inhalte

12

Laufende Units

2

Zeitaufwand

920 Min

AI Fundamentals foundation 75 Min

Funktionsweise von LLMs für produktive AI-Systeme

Grundlagen von Training, Inferenz, Token Prediction, probabilistischer Ausgabe und Systemarchitektur rund um Sprachmodelle.

Skill: Funktionsweise von LLMs

AI Fundamentals foundation 70 Min

Tokens und Kontextfenster sicher planen

Tokenisierung, Kontextbudget, Input- und Output-Tokens, Truncation, Summarization und RAG-Kontext für stabile AI-Features.

Skill: Tokens und Kontextfenster

AI Fundamentals foundation 80 Min

Halluzinationen erkennen und begrenzen

Arten, Ursachen und Gegenmaßnahmen von Halluzinationen mit Grounding, Retrieval, Confidence, Ablehnung bei Unsicherheit und Human Review.

Skill: Halluzinationen

AI Fundamentals foundation 75 Min

Modellwahl nach Qualität, Kosten und Risiko

Modellentscheidung entlang von Qualität, Kosten, Latenz, Kontextfenster, Structured Output, Tool Calling, Datenschutz und Fallback-Routing.

Skill: Modellwahl

Prompt Engineering foundation 70 Min

Prompts mit Rolle, Ziel und Erfolgskriterien

Rollen, Aufgaben, Ziele, Grenzen, Zielkonflikte und Erfolgskriterien als stabile Grundlage produktiver Prompt-Kontrakte.

Skill: Rollen- und Zieldefinition

Prompt Engineering foundation 75 Min

Kontext strukturieren statt Kontext stapeln

Systemkontext, Nutzereingabe, Referenzdaten, Trennzeichen, Datenhierarchie, Relevanz, Kontextreduktion und Schutz vor Prompt Injection.

Skill: Kontextstrukturierung

Prompt Engineering foundation 80 Min

Output Schemas für verlässliche Weiterverarbeitung

JSON, Typen, Pflichtfelder, Enums, Structured Outputs, Validierung, Schema-Versionierung und Fallbacks bei Parsing-Fehlern.

Skill: Output Schemas

LLM APIs foundation 70 Min

REST-Grundlagen für LLM APIs

HTTP, Methoden, Endpunkte, Header, Body, Statuscodes, Idempotenz, Request-Response-Modell und API-Verträge für AI-Produkte.

Skill: REST-Grundlagen

LLM APIs foundation 75 Min

Authentication und API-Keys sicher verwenden

API Keys, Bearer Tokens, OAuth-Grundidee, Secrets, Rotation, Scopes, Umgebungsvariablen, Logs und kompromittierte Keys.

Skill: Authentication

LLM APIs foundation 75 Min

Requests und Responses robust verarbeiten

Payloads, Header, Timeouts, Parsing, Content Types, Validierung, Request IDs, Usage-Metadaten, Fehlerobjekte und Response Contracts.

Skill: Requests und Responses

LLM APIs foundation 90 Min

Error Handling für LLM APIs

Transportfehler, HTTP-Fehler, fachliche Fehler, 400 bis 5xx, Timeouts, Retry, Backoff, Jitter, Idempotenz, Dead Letter Queue, Circuit Breaker, Logging und Fallbacks.

Skill: Error Handling

AI Automation foundation 85 Min

Prozessanalyse für AI-Automation

Ist-Prozess, Zielprozess, Trigger, Inputs, Outputs, Entscheidungspunkte, manuelle Schritte, Fehlerpfade, ROI, Risiken und Human-in-the-Loop.

Skill: Prozessanalyse