Ihr Nutzen:
- Massive Produktivitätssteigerung durch KI-gestützte Entwicklung und Agentic Coding.
- Fähigkeit, produktionsreife LLM-Apps und KI-Agenten (RAG, Tool Calling, Orchestrierung) selbst zu bauen.
- Sichere, rechtskonforme Umsetzung nach EU AI Act, Datenschutz- und Security-Standards.
- Direkter Transfer in die eigene Entwicklungspraxis und nachhaltige Integration in den Arbeitsalltag.
Kursinhalte:
Modul 1: Python für KI-Anwendungen – Datenstrukturen, APIs, SQL und Backend
- Python-Auffrischung mit Fokus auf KI: Datenstrukturen, Umgebungen, Paketmanagement
- Anbindung externer Dienste über REST-APIs (Requests, Authentifizierung, Fehlerbehandlung)
- Datenhaltung mit SQL und Anbindung von Datenbanken
- Grundlagen des Backends (Services, Endpunkte) als Fundament für KI-Anwendungen
Nach Modul 1 können Sie:
- Python zielgerichtet für KI-Anwendungen einsetzen
- APIs anbinden und Datenflüsse zwischen Diensten aufbauen
- Daten strukturiert speichern und abfragen (SQL)
Modul 2: Software-Engineering, Versionsverwaltung, Testing und CI/CD
- Versionsverwaltung mit Git (Branching, Pull Requests, Kollaboration)
- Testing-Grundlagen (Unit-/Integrationstests) und Testabdeckung
- Continuous Integration / Continuous Delivery (CI/CD) im Überblick
- Clean Code, Code-Reviews und Qualitätssicherung im Team
Nach Modul 2 können Sie:
- Code sauber versionieren und im Team zusammenarbeiten
- Automatisierte Tests schreiben und Qualität sichern
- Grundlegende CI/CD-Pipelines verstehen und nutzen
Modul 3: Künstliche Intelligenz, Large Language Models & Prompt Engineering
- Funktionsweise moderner KI und Large Language Models (LLMs)
- Möglichkeiten, Grenzen und typische Fehlerbilder von LLMs
- Prompt Engineering für Entwicklungsaufgaben (strukturierte, reproduzierbare Prompts)
- Rechtlicher Rahmen und verantwortungsvoller Einsatz im Überblick
Nach Modul 3 können Sie:
- Leistungsfähigkeit und Grenzen von LLMs realistisch einschätzen
- Wirksame, reproduzierbare Prompts für technische Aufgaben formulieren
- Modelle passend zum Anwendungsfall auswählen
Modul 4: LLM-Anwendungen, RAG, Tool Calling und KI-Agenten
- Architektur von LLM-Anwendungen; Anbindung von Wissensquellen
(Retrieval-Augmented Generation, RAG) - Tool Calling / Function Calling – LLMs mit Werkzeugen und Daten verbinden
- Aufbau autonomer KI-Agenten und Orchestrierung mehrstufiger Aufgaben
- Web-UI und Bereitstellung einer produktionsnahen Anwendung
Nach Modul 4 können Sie:
- Produktionsnahe LLM-Anwendungen mit RAG entwerfen und bauen
- KI-Agenten mit Tool-Anbindung und mehrstufi ger Orchestrierung umsetzen
- Eine lauff ähige Anwendung inkl. Oberfläche bereitstellen
Modul 5: KI-gestützte Softwareentwicklung und Agentic Coding
- Arbeiten mit KI-Coding-Assistenten (z. B. Codex, Claude Code) im Entwicklungsalltag
- Agentic-Coding-Workflows: Aufgaben an KI-Agenten delegieren, prüfen, iterieren
- Refactoring, Debugging und Testerstellung mit KI-Unterstützung
- Best Practices, Produktivitätsmessung und Qualitätssicherung KI-generierten Codes
Nach Modul 5 können Sie:
- Deutlich schneller entwickeln durch KI-Coding-Assistenten
- Agentenbasierte Entwicklungs-Workflows sicher einsetzen
- KI-generierten Code kritisch prüfen und in die eigene Codebasis integrieren
Modul 6: Security, Datenschutz, Compliance und EU AI Act
- Security für KI-Anwendungen (u. a. Prompt-Injection, Datenabfluss, Zugriffskontrolle)
- Datenschutz (DSGVO) beim Einsatz von KI und Sprachmodellen
- EU AI Act: Pflichten, Risikoklassen und praktische Auswirkungen
- Compliance-gerechte Bereitstellung und Betrieb
Nach Modul 6 können Sie:
- KI-Anwendungen sicher und datenschutzkonform gestalten
- Anforderungen des EU AI Act auf eigene Projekte anwenden
- Risiken erkennen und geeignete Schutzmaßnahmen umsetzen
Modul 7: Transfermodul – Einsatz in der eigenen Entwicklungspraxis
(inkl. Praxisprojekt)
- Übertragung der Workflows in den eigenen Arbeits-/Entwicklungskontext
- Nachhaltige Integration in die berufliche Praxis (Tooling, Team, Prozesse)
- Bearbeitung des praxisorientierten Abschlussprojekts
- Präsentation und Fachgespräch
Nach Modul 7 können Sie:
- KI-gestützte Workflows dauerhaft in den Arbeitsalltag integrieren
- Ein eigenständiges KI-/Entwicklungsprojekt umsetzen und präsentieren
- Den erzielten Produktivitätsgewinn nachweisen und argumentieren
