Schulung – RAG & LLM-Apps – C# & .NET

RAG & LLM-Apps für C#- und .NET-Entwickler:innen

RAG und LLM-Anwendungen entwickeln: Embeddings, Vektordatenbanken, Chunking, Retrieval, Evaluierung, Kosten und Datenschutz.

Dauer
6 Stunden, ein Termin
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

„RAG & LLM-Apps für C#- und .NET-Entwickler:innen“ ist ein praxisorientiertes Training für Rollen wie C#-Entwickler:innen mit ASP.NET Core, Blazor oder WPF, Teams, die Anwendungen vom .NET Framework auf modernes .NET migrieren und Software-Architekt:innen für .NET- und Azure-Lösungen. Sie lernen RAG & LLM-Apps nicht abstrakt, sondern an Aufgaben aus Ihrem Arbeitsalltag kennen – mit Beispielen, Übungen und Vorlagen aus dem Bereich C# & .NET.

Retrieval-Augmented Generation verbindet Sprachmodelle mit Ihrem eigenen Wissen: Handbücher, Verträge, Tickets, Wikis oder Produktdaten werden durchsuchbar gemacht und dem Modell zur Laufzeit als Kontext übergeben. So entstehen Assistenten, die fundiert mit Quellenangaben antworten, statt zu halluzinieren. In dieser kompakten Schulung bauen Sie eine vollständige RAG-Pipeline von der Dokumentaufbereitung über Embeddings und Vektordatenbank bis zur Antwortgenerierung und lernen anhand eigener Testdokumente, an welchen Stellschrauben die Qualität der Antworten tatsächlich entschieden wird.

Der zweite Tag führt vom Prototyp zur belastbaren Anwendung. Sie vergleichen Chunking-Strategien, kombinieren semantische und lexikalische Suche, setzen Reranking, Metadatenfilter und Query-Umformulierung ein und messen die Wirkung mit systematischen Evaluierungen. Hinzu kommen Prompt-Caching, Kostensteuerung, Latenzoptimierung, Berechtigungskonzepte auf Dokumentebene und datenschutzkonformer Betrieb mit Blick auf DSGVO und EU AI Act. Am Ende wissen Sie, wann klassisches RAG genügt, wann ein großes Kontextfenster oder ein agentisches Retrieval besser passt und wie Sie Ihre Architektur begründet auswählen.

C# und .NET sind in vielen Unternehmen der DACH-Region gesetzt: ASP.NET-Core-APIs, Blazor- und WPF-Oberflächen, Azure-Dienste und gewachsene Fachanwendungen aus der .NET-Framework-Ära. Gerade die Migration vom klassischen .NET Framework auf das moderne, plattformübergreifende .NET bindet erhebliche Kapazitäten. KI-Coding-Assistenten und Agenten übernehmen hier viel mechanische Arbeit: Projektdateien auf das SDK-Format umstellen, WCF- oder Web-Forms-Abhängigkeiten identifizieren, xUnit- oder NUnit-Tests schreiben, Entity-Framework-Core-Abfragen optimieren und Nullable Reference Types einführen. Damit das gelingt, brauchen sie Kontext zu Solution-Struktur, Analyzer-Regeln und Architekturvorgaben. Im Kurs lernen Sie, Agenten in Visual Studio, VS Code oder Rider und auf der Kommandozeile gezielt einzusetzen.

Das Training findet live statt – wahlweise online im virtuellen Klassenraum oder vor Ort in unseren Trainingsräumen in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch kommen wir auch exklusiv für Ihr Team zusammen.

Für wen ist das Training?

  • C#-Entwickler:innen mit ASP.NET Core, Blazor oder WPF
  • Teams, die Anwendungen vom .NET Framework auf modernes .NET migrieren
  • Software-Architekt:innen für .NET- und Azure-Lösungen
  • Entwickler:innen von Fachanwendungen in Mittelstand und Industrie

Typische Herausforderungen, die wir adressieren

  • Aufwändige Migration von .NET-Framework-Anwendungen mit WCF, Web Forms oder alten NuGet-Paketen
  • Große Solutions mit vielen Projekten, zirkulären Abhängigkeiten und wenig Testabdeckung
  • Performance-Probleme durch ineffiziente Entity-Framework-Abfragen
  • Uneinheitlicher Umgang mit Nullability, async/await und Dependency Injection

Das können Sie nach dem Training

  • Sie bauen eine vollständige RAG-Pipeline von der Dokumentaufbereitung bis zur Antwort mit Quellenangaben.
  • Sie wählen Embedding-Modell, Chunking-Strategie und Vektordatenbank begründet aus.
  • Sie verbessern die Trefferqualität mit hybrider Suche, Reranking und Metadatenfiltern.
  • Sie messen die Qualität Ihrer Anwendung mit systematischen Evaluierungen und erkennen Regressionen.
  • Sie setzen KI-Agenten für .NET-Migrationen, Refactorings und Testgenerierung in großen Solutions ein.
  • Sie optimieren Entity-Framework-Core-Zugriffe und ASP.NET-Core-APIs mit KI-Unterstützung.
  • Sie definieren Analyzer-Regeln, Konventionen und Review-Kriterien, die generierter C#-Code zuverlässig erfüllt.

Inhalte & Ablauf

Modul 1 Grundlagen von RAG und LLM-Anwendungen
  • Architektur einer RAG-Pipeline: Ingestion, Indexierung, Retrieval, Generierung
  • Embeddings verstehen: semantische Ähnlichkeit, Dimensionen, Modellauswahl
  • RAG, Fine-Tuning und lange Kontextfenster sinnvoll gegeneinander abwägen
  • Strukturierte Ausgaben, Quellenangaben und Umgang mit Halluzinationen
Modul 2 Dokumentaufbereitung und Chunking
  • PDF, Office-Dokumente, HTML und Tabellen zuverlässig extrahieren
  • Chunking-Strategien: feste Größe, strukturbasiert, semantisch, mit Überlappung
  • Metadaten anreichern und kontextuelle Zusammenfassungen pro Chunk erzeugen
  • Inkrementelle Aktualisierung und Löschung von Dokumenten im Index
Modul 3 Vektordatenbanken und Retrieval-Strategien
  • Vektordatenbanken und -erweiterungen im Vergleich, etwa pgvector, Qdrant, Weaviate oder OpenSearch
  • Hybride Suche aus Vektor- und Volltextsuche mit BM25
  • Reranking, Metadatenfilter und Query-Umformulierung
  • Agentisches Retrieval: das Modell entscheidet selbst über Suchschritte und Werkzeuge
Modul 4 Evaluierung und Qualitätssicherung
  • Testdatensätze aus echten Fragen aufbauen und pflegen
  • Retrieval-Metriken wie Recall und Precision sowie Antwortmetriken wie Faithfulness
  • LLM-as-a-Judge sinnvoll einsetzen und kalibrieren
  • Regressionstests bei Änderungen an Chunking, Modell oder Prompt
Modul 5 Betrieb, Kosten und Datenschutz
  • Prompt-Caching, Batch-Verarbeitung und Modellwahl zur Kostensenkung
  • Latenz optimieren und Antworten streamen
  • Berechtigungen auf Dokumentebene, Mandantentrennung und Schutz vor Prompt Injection
  • Datenschutz: Datenresidenz, Auftragsverarbeitung, Löschkonzepte, DSGVO und EU AI Act
Modul 6 Praxislabor: C# & .NET
  • Migration auf modernes .NET
  • xUnit- und NUnit-Tests schreiben
  • Entity Framework Core optimieren
  • Nullable Reference Types einführen
  • ASP.NET-Core-APIs entwickeln
  • Code-Analyse und Refactoring
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Klären Sie, ob Quellcode an Cloud-Modelle übertragen werden darf und welche Mandanten- oder Regionseinstellungen gelten, und halten Sie Connection Strings sowie Secrets aus User Secrets oder Key Vault aus Prompts heraus. Neue NuGet-Pakete sollten auf Lizenz, Herkunft und Schwachstellen geprüft werden – auch im Hinblick auf die Pflichten des Cyber Resilience Act.
  • Spielregeln für den sicheren KI-Einsatz im Team
  • Ergebnisse prüfen: Fakten, Quellen, Tests und Vier-Augen-Prinzip
  • Persönlicher Umsetzungsplan für die nächsten 30 Tage
  • Offene Fragen, Ausblick und Ressourcen zum Weiterlernen

Praxisszenarien aus Ihrem Bereich

Migration auf modernes .NET

Der Agent analysiert Projekte mit Upgrade-Assistent und Compiler-Ausgaben, stellt csproj-Dateien auf das SDK-Format um, ersetzt inkompatible APIs und schlägt Alternativen für WCF oder System.Web vor, bis die Solution baut und Tests laufen.

xUnit- und NUnit-Tests schreiben

Für Services, Controller und Domänenlogik entstehen Unit-Tests mit Moq oder NSubstitute sowie Integrationstests mit WebApplicationFactory. Die KI deckt Grenzfälle ab und hält bestehende Testkonventionen ein.

Entity Framework Core optimieren

Die KI analysiert generiertes SQL, erkennt N+1-Probleme, fehlendes AsNoTracking oder ungünstige Includes und erstellt Migrationen sowie Projektionen für performantere Abfragen. Jede Änderung wird anhand des erzeugten SQL nachvollziehbar belegt.

Nullable Reference Types einführen

Projektweise wird Nullable aktiviert, die KI arbeitet Compiler-Warnungen ab, ergänzt Guard Clauses und Annotationen und macht implizite Annahmen im Code explizit. So werden NullReferenceExceptions bereits zur Compile-Zeit sichtbar.

ASP.NET-Core-APIs entwickeln

Aus Spezifikationen entstehen Minimal APIs oder Controller mit Validierung, ProblemDetails-Fehlerbehandlung, Authentifizierung und OpenAPI-Dokumentation, passend zur bestehenden Schichtenarchitektur. Integrationstests sichern jeden neuen Endpunkt zuverlässig ab und dokumentieren das erwartete Verhalten.

Code-Analyse und Refactoring

Roslyn-Analyzer-Befunde werden systematisch behoben, große Klassen aufgeteilt, async-Antipatterns wie .Result entfernt und Dependency-Injection-Registrierungen vereinheitlicht. Jede Änderung wird durch Build, Analyzer und bestehende Tests abgesichert, sodass das Verhalten der Anwendung unverändert bleibt.

Mögliche Praxisprojekte im Kurs

Minimal-API-Service

Ein ASP.NET-Core-Dienst mit Minimal APIs, EF Core, Health Checks, strukturiertem Logging und Integrationstests, komplett per KI-Agent aus einer Spezifikation entwickelt.

Migrations-Inventar

Ein Konsolentool, das eine Solution scannt, Zielframeworks, NuGet-Pakete und inkompatible APIs auflistet und einen priorisierten Migrationsplan erzeugt. Er dient als Grundlage für Aufwandsschätzung und Planung.

Blazor-Admin-Oberfläche

Eine kleine Blazor-Anwendung zur Verwaltung von Stammdaten mit Formularvalidierung, Tabellen mit Filterung und Anbindung an eine bestehende REST-API. Sie wird vollständig mit einem KI-Agenten entwickelt.

Voraussetzungen

Solide Programmierkenntnisse in Python (oder alternativ TypeScript), Grundkenntnisse in Datenbanken und REST-APIs sowie erste Erfahrungen mit LLM-APIs. Gute C#-Kenntnisse, Erfahrung mit ASP.NET Core oder Desktop-Entwicklung in .NET sowie mit Visual Studio, Rider oder VS Code und Git.

Technische Voraussetzungen

Laptop mit Python, Git, Docker und Code-Editor sowie API-Zugang zu mindestens einem LLM- und Embedding-Anbieter. Zugangsdaten für die Übungen können bei Bedarf gestellt werden.

Datenschutz & Compliance

Klären Sie, ob Quellcode an Cloud-Modelle übertragen werden darf und welche Mandanten- oder Regionseinstellungen gelten, und halten Sie Connection Strings sowie Secrets aus User Secrets oder Key Vault aus Prompts heraus. Neue NuGet-Pakete sollten auf Lizenz, Herkunft und Schwachstellen geprüft werden – auch im Hinblick auf die Pflichten des Cyber Resilience Act.

Termine & Standorte

Pro Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Ihr Wunschtermin ist jederzeit möglich.

  • München Fr, 11. Dezember 2026 6 Std. Anfragen
  • Salzburg Mi, 16. Dezember 2026 6 Std. Anfragen
  • Berlin Fr, 11. Dezember 2026 6 Std. Anfragen
  • Augsburg Di, 15. Dezember 2026 6 Std. Anfragen
  • Hannover Fr, 11. Dezember 2026 6 Std. Anfragen
  • Bremen Fr, 11. Dezember 2026 6 Std. Anfragen
  • Stuttgart Fr, 11. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Di, 15. Dezember 2026 6 Std. Anfragen
  • Online Di, 15. Dezember 2026 6 Std. Anfragen

Häufige Fragen

Wann ist RAG besser als Fine-Tuning?

RAG eignet sich, wenn ein Modell auf aktuelles, umfangreiches oder häufig wechselndes Wissen zugreifen und Quellen angeben soll. Fine-Tuning verändert eher Stil, Format oder spezialisiertes Verhalten. In vielen Projekten ist RAG der schnellere, günstigere und besser kontrollierbare Weg, gelegentlich ergänzt durch Fine-Tuning für Spezialaufgaben.

Welche Vektordatenbank sollten wir verwenden?

Das hängt von Datenmenge, bestehender Infrastruktur, Filteranforderungen und Betriebsmodell ab. Wer bereits PostgreSQL nutzt, kommt mit pgvector oft weit, spezialisierte Systeme punkten bei großen Datenmengen und hybrider Suche. Im Kurs vergleichen Sie mehrere Optionen praktisch und leiten Kriterien für Ihre Entscheidung ab.

Wie lässt sich RAG datenschutzkonform betreiben?

Wichtig sind die Wahl von Anbietern mit passender Datenresidenz und Auftragsverarbeitungsvertrag, Berechtigungsprüfungen auf Dokumentebene, ein Löschkonzept für Index und Logs sowie Datenminimierung bei personenbezogenen Inhalten. Für sensible Daten kommen auch selbst betriebene Modelle infrage. Wir behandeln diese Optionen anhand realistischer Architekturen.

Hilft die KI bei der Migration vom .NET Framework wirklich weiter?

Ja, insbesondere bei der mechanischen Arbeit: Projektdateien umstellen, inkompatible APIs finden, Ersatzbibliotheken vorschlagen und Build-Fehler iterativ beheben. Grundlegende Architekturentscheidungen, etwa der Ersatz von WCF durch gRPC oder REST, trifft weiterhin das Team. Im Kurs üben Sie, solche Migrationen in überprüfbare Einzelschritte zu zerlegen.

Funktionieren KI-Agenten auch mit Visual Studio?

Viele KI-Assistenten sind direkt in Visual Studio, VS Code oder Rider integriert, andere arbeiten im Terminal mit der dotnet-CLI. Die Arbeitsweisen im Kurs sind werkzeugneutral: Sie lernen, Kontext bereitzustellen, Aufgaben zu schneiden und Ergebnisse über Build, Analyzer und Tests abzusichern – unabhängig von der Entwicklungsumgebung.

Was kostet die Schulung „RAG & LLM-Apps für C#- und .NET-Entwickler:innen“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 6 Stunden Live-Training mit Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Für jeden Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Im Anfrageformular können Sie aber jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und melden uns innerhalb eines Werktags.

Findet der Kurs online oder vor Ort statt?

Beides ist möglich: live online im virtuellen Klassenraum oder vor Ort in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Kann der Kurs auf unser Team zugeschnitten werden?

Ja. Maßgeschneiderte Kurse kosten ca. 4.500 € mehr, je nach Thema und nach Absprache. Wir stimmen Inhalte, Beispiele und Übungen vorab mit Ihnen ab.

Weitere Kurse für C#- und .NET-Entwickler:innen

Weitere Kurse zu RAG & LLM-Apps

Alle 29 Kurse zu RAG & LLM-Apps

RAG & LLM-Apps – MünchenRAG & LLM-Apps – SalzburgRAG & LLM-Apps – BerlinRAG & LLM-Apps – AugsburgRAG & LLM-Apps – HannoverRAG & LLM-Apps – BremenRAG & LLM-Apps – StuttgartRAG & LLM-Apps – KaiserslauternRAG & LLM-Apps – Online