Large Language Models (LLMs) verstehen und nutzen: Grundlagen, Tools und praktische Anwendung.

Large Language Models (LLMs) verstehen und praktisch einsetzen

In dieser dreitägigen Schulung erhalten Sie ein fundiertes technisches Verständnis moderner Sprachmodelle wie GPT, Llama oder Mistral. Sie lernen, wie LLMs architektonisch aufgebaut sind, welche Rolle Tokenisierung, Transformer-Architektur und Trainingsdaten spielen – und wie Sie Modelle mit Tools wie HuggingFace und PyTorch selbst trainieren, feinabstimmen und evaluieren. Praxisnahe Übungen und Live-Demonstrationen begleiten Sie durch alle Schritte: von der Datenaufbereitung über Prompt-Engineering bis zur Integration eigener Datensätze.

Technisches Know-how trifft praktische Anwendung

Der Schwerpunkt dieser Schulung liegt auf der technischen Durchdringung und der direkten Anwendbarkeit: Sie vergleichen kommerzielle und Open-Source-Modelle, bewerten Lizenzmodelle und Kostenstrukturen und lernen, wie Sie LLMs gezielt an spezifische Aufgaben anpassen – etwa durch RAG, Dokumenteneinbindung oder Feinabstimmung. Ergänzend werden Themen wie Datenschutz, Bias und rechtssichere Nutzung behandelt, damit Sie LLMs kompetent und verantwortungsvoll einsetzen können.

Schulungsinhalte

• Aufbau und Funktionsweise von LLMs: Vom Chatbot zu spezialisierten KI-Anwendungen
• Zentrale Begriffe: Tokenisierung, Transformer-Prinzip, Modellgröße, Trainingsdaten
• Text- und Codegenerierung
• Automatisierung technischer Aufgaben
• Branchenübergreifende Praxisbeispiele
• Einflussgrößen auf Modellqualität, Effizienz und Kosten
• Erklärung der wichtigsten technischen Begriffe und Prinzipien: Tokenisierung, Transformer-Prinzip, Trainingsdaten & Modellgröße
• Kommerzielle und Open-Source-Modelle (z. B. OpenAI, Meta, Mistral)
• Auswahlkriterien: Open Weights, Lizenzen, Kosten-Nutzen-Abwägung
• Interaktiver Modellvergleich: Präzision, Kosten, Bias
• Einfluss von Spracheingabe auf Antwortqualität
• Praktische Übungen: Von einfachen Prompts bis zu fortgeschrittenen Techniken
• Tipps für professionelle Prompt-Gestaltung
• Technische Plattformen: On-Premises, Cloud, hybride Ansätze
• Anforderungen an Infrastruktur, Datensicherheit, Kostenoptimierung
• Anpassungsmethoden: Zusatzwissen, Dokumenteneinbindung, spezielle Datenintegration (z. B. RAG)
• Datenvorbereitung und erste Schritte zur Feinabstimmung
• Praxisübung: Anpassung eines Modells an spezifische Aufgaben
• Training eines vortrainierten GPT-2-Modells mit HuggingFace & PyTorch
• Training an kompaktem Datensatz, Anpassung und Erweiterung
• Diskussion zu Hardwareanforderungen und Skalierungsoptionen
• Umgang mit Bias, Datenschutz und Lizenzmodellen
• Strategien zur rechtssicheren und verantwortungsvollen Nutzung

Zielgruppe und Vorkenntnisse

Die Schulung richtet sich an technisch interessierte Fachkräfte, Entwickler:innen, IT-Verantwortliche sowie fortgeschrittene Anwendende und Entscheidende, die Architektur, Training und Anpassung moderner LLMs im Detail verstehen und praktisch umsetzen möchten. Solide IT-Kenntnisse sowie ein grundlegendes Verständnis von Künstlicher Intelligenz werden vorausgesetzt. Erste Erfahrungen mit Python oder vergleichbaren Tools sind von Vorteil, aber nicht zwingend erforderlich.

Dauer: 3 Tage

Inklusivleistungen:

Im Preis enthalten sind Ihr WissensPiloten-Zertifikat zum Download und die Nutzung eines Professionelles Webinar / Online Meeting System

Förderung:

Bildungsscheck, andere Fördermöglichkeiten auf Anfrage.