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

12

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