Teilnahmeanfrage

Sie möchten generative KI nicht nur verstehen, sondern konkret in Ihre Java-Projekte integrieren? In dieser praxisnahen Schulung lernen Entwickler:innen, wie sie mit dem neuen Spring-AI-Framework moderne LLM-Funktionalitäten direkt in Spring Boot-Anwendungen einbinden. Von der Toolauswahl über Prompt-Design bis hin zur automatisierten Evaluation - dieses Seminar liefert das Know-how für die Umsetzung intelligenter Anwendungen im Unternehmenskontext.

Trainingsziel:
Sie lernen, wie Sie mit Spring AI produktiv arbeiten - von der Anbindung von LLMs bis zur Entwicklung komplexer, evaluierbarer KI-Workflows mit Spring-typischen Mitteln.

Lernziele:

• KI-Modelle via Spring AI API anbinden und nutzen
• Effektive Prompts erstellen, strukturieren und auswerten
• Tools & Agents in automatisierte Abläufe integrieren
• Retrieval Augmented Generation (RAG) mit Vektor-Datenbanken umsetzen
• Evaluations- und Monitoring-Mechanismen implementieren
• Projekte wartbar und observierbar gestalten

Ihre Vorteile/ Nutzen

Teilnehmer:innen erwerben praxisnahe Kenntnisse zur Integration generativer KI in bestehende Java- und Spring-Infrastrukturen. Sie sind in der Lage, konkrete Anwendungsfälle umzusetzen, Prompts systematisch zu testen und KI-basierte Services wartbar zu betreiben. Unternehmen profitieren von schnelleren Entwicklungszyklen, zukunftsfähigen Systemen und einer höheren Flexibilität bei der KI-Nutzung.

Sichern Sie sich jetzt Ihren Platz und bringen Sie Ihre Java-Anwendungen mit Spring AI auf das nächste Level.

Modul 1: Einführung in Spring AI

• Überblick zu LLMs & generativer KI
• Architektur von Spring AI
• Anbieterintegration (OpenAI, Hugging Face)
• Auto-Konfiguration & Maven-Abhängigkeiten

Modul 2: Erste Schritte & API-Nutzung

• Spring Boot Setup mit AI-Komponenten
• TextGenerationClient & REST Endpoints
• Logging & Exception Handling

Modul 3: Prompt Engineering & Parsing

• Best Practices für PromptTemplates
• Structured Outputs mit OutputParsers
• Einsatz von SpEL (Spring Expression Language)

Modul 4: Agents & Tools

• ToolExecutor & Agent Loop verstehen
• ToolResolver und externe API-Anbindung
• Agentenbasierte Abläufe modellieren

Modul 5: Evaluation & Monitoring

• Relevante Metriken (BLEU, ROUGE)
• Prompt-Tests mit JUnit
• Einsatz der Evaluator API
• Observability mit Prometheus & OpenTelemetry

Modul 6: Retrieval Augmented Generation (RAG)

• RAG-Architektur und Use Cases
• Vektor-Datenbanken & Spring VectorStore API
• Embedding, Indexierung & kontextbasierte Abfragen

Modul 7: Best Practices & Mini-Projekt

• Guardrails & Sicherheitsrichtlinien
• Prompt-Versionierung & Testbarkeit
• End-to-End Use Case mit Tooling, Logging & Evaluation