In diesem Modul werden wir die Entwicklung großer Sprachmodelle untersuchen – von ihren Anfängen bis hin zu den aktuellen Spitzentechnologien. Wir werden uns eingehend mit den revolutionären Auswirkungen von ChatGPT und ähnlichen Modellen auf die moderne KI befassen sowie mit den Vorteilen und Herausforderungen, die sie in verschiedenen Bereichen mit sich bringen.

In diesem Modul führen wir Sie durch die Einrichtung von Spring AI und die Integration mit OpenAI, um KI-gestützte Anwendungen zu entwickeln. Sie sammeln praktische Erfahrungen mit Tools wie dem OpenAI Playground und entwickeln eine einfache KI-Chat-Anwendung mit dem Spring ChatClient, um mit der OpenAI-Plattform zu interagieren.

In diesem Modul werden wir untersuchen, wie GitHub Copilot Sie bei der Fehlerbehandlung in Ihrer Spring Boot-Anwendung unterstützen kann. Sie lernen, wie Sie Copilot einrichten und benutzerdefinierte Strategien zur Fehlerbehandlung implementieren, um die Zuverlässigkeit Ihres Codes zu verbessern und die Entwicklung zu optimieren.

In diesem Modul zeigen wir Ihnen, wie Sie KI-Interaktionen mithilfe von StringTemplates und PromptTemplates optimieren können. Sie lernen, wie Sie flexible, dynamische Eingabeaufforderungen erstellen und den Nachrichtenaustausch individuell anpassen, um die Effizienz Ihrer KI-gestützten Anwendungen zu optimieren.

In diesem Modul stellen wir Ihnen Spring AI Advisors vor und zeigen Ihnen, wie Sie damit KI-Interaktionen verbessern und anpassen können. Sie lernen, einen benutzerdefinierten Advisor zu erstellen – beginnend mit einem Logging-Advisor –, um die Debugging- und Überwachungsfunktionen Ihrer KI-Anwendung zu verbessern.

In diesem Modul beschäftigen wir uns eingehend mit dem Thema „Prompt Engineering“ und zeigen Ihnen, wie Sie klare und präzise Prompts verfassen, die zu aussagekräftigen Ergebnissen führen. Außerdem werden Sie Beispiele aus der Praxis kennenlernen und Techniken erlernen, mit denen sich potenzielle Risiken wie „Prompt Injection“ minimieren lassen.

In diesem Modul zeigen wir Ihnen, wie Sie mithilfe von Prompt Engineering und Spring-AI-Tools strukturierte Ausgaben aus LLMs generieren können. Sie sammeln praktische Erfahrungen bei der Analyse strukturierter Daten – eine unverzichtbare Fähigkeit für KI-gestützte Anwendungen, die auf konsistente und gut strukturierte Informationen angewiesen sind.

In diesem Modul werden wir untersuchen, wie sich die Funktionalität von LLMs durch den Aufruf von Tools und die Integration externer Systeme erweitern lässt. Sie lernen, wie Sie Live-Daten wie Wechselkurse und Wetterinformationen abrufen und so den Anwendungsbereich und die Genauigkeit Ihrer KI-gestützten Anwendungen erweitern können.

In diesem Modul stellen wir Ihnen „Retrieval-Augmented Generation“ (RAG) vor, eine Technik, mit der große Sprachmodelle (LLMs) mit externem Wissen versorgt werden können. Sie erfahren, wie RAG die KI-Leistung durch die Einbindung relevanter, aktueller Informationen verbessert, und lernen die Vorteile dieser Methode gegenüber herkömmlichen Ansätzen wie dem „Prompt Stuffing“ kennen.

In diesem Modul führen wir Sie Schritt für Schritt durch die Erstellung einer vollständigen Q&A-Anwendung auf Basis von RAG. Sie lernen den Prozess der Indizierung von Dokumenten, des Abrufs relevanter Informationen und der Generierung präziser Antworten kennen, was schließlich zur Entwicklung einer durchgängigen KI-Lösung führt.

In diesem Modul vermitteln wir Ihnen bewährte Verfahren für die Dokumentenerfassung in Spring AI. Sie lernen, wie Sie verschiedene Dokumenttypen – darunter Text- und Word-Dateien – verarbeiten und mithilfe von Chunking-Techniken Inhalte strukturieren, um die Wissensgewinnung durch KI zu verbessern.

In diesem Modul beschäftigen wir uns eingehend mit dem Konzept der Multimodalität, bei dem KI mit verschiedenen Datentypen arbeiten kann. Sie werden untersuchen, wie die Bildmodelle von OpenAI visuelle Inhalte aus Text generieren können, und lernen, Bilder anhand unterschiedlicher Eingabevarianten anzupassen, um bessere Ergebnisse zu erzielen.

In diesem Modul zeigen wir Ihnen, wie Sie Bilder mithilfe der Vision-API von OpenAI analysieren können. Sie lernen, wie Sie Bilddateien von Ihrem lokalen System oder als Multipart-Daten zur Verarbeitung übermitteln können, und sehen dabei praktische Anwendungsbeispiele wie die Extraktion von Daten aus Rechnungen.

In diesem Modul zeigen wir Ihnen, wie Sie mit den Audiomodellen von OpenAI arbeiten und Text in realistische Sprache umwandeln und umgekehrt. Sie lernen die Anpassungsmöglichkeiten sowohl für die Text-zu-Sprache- als auch für die Sprache-zu-Text-Funktion kennen und erhalten so die notwendigen Werkzeuge, um sprachgesteuerte KI-Anwendungen zu entwickeln.

In diesem Modul werden wir uns damit befassen, wie man mit Ollama und Spring AI lokale KI-Anwendungen entwickelt. Sie lernen, wie Sie Ihre Umgebung für die Ausführung von LLMs auf Ihrem lokalen Rechner einrichten und Spring AI nahtlos integrieren, sodass Sie KI-gestützte Anwendungen entwickeln können, ohne auf Cloud-Dienste angewiesen zu sein.