Schulung – RAG & LLM-Apps – Interne Tools & Automatisierung

RAG & LLM-Apps für interne Tools und Automatisierung

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

In diesem Kurs verbinden wir RAG & LLM-Apps mit den typischen Abläufen im Bereich Interne Tools & Automatisierung. Die Teilnehmenden arbeiten an realistischen Szenarien und nehmen sofort einsetzbare Prompts, Workflows und Checklisten mit.

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.

In fast jedem Unternehmen gibt es einen langen Rückstau an kleinen Werkzeugen, die niemand baut: Admin-Oberflächen für Stammdaten, Skripte für wiederkehrende Datenabgleiche, Slack- oder Teams-Bots, Berichtsgeneratoren und Schnittstellen zwischen SaaS-Systemen. Mit KI-Coding-Assistenten und Agenten lassen sich solche internen Tools in Stunden statt Wochen entwickeln. Entwickler:innen, Ops- und Plattform-Teams verlagern ihren Fokus damit vom Schreiben des Codes auf saubere Anforderungen, sichere Zugriffe und verlässlichen Betrieb. Denn gerade interne Werkzeuge haben oft weitreichende Rechte auf Produktionsdaten und werden schnell geschäftskritisch. Im Kurs lernen Sie, interne Tools und Automatisierungen mit KI zügig zu bauen, Authentifizierung und Berechtigungen von Anfang an richtig umzusetzen und Lösungen so zu gestalten, dass sie dokumentiert, getestet und wartbar bleiben.

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?

  • Softwareentwickler:innen, die interne Anwendungen und Skripte betreuen
  • DevOps-, SRE- und Plattform-Teams
  • IT-Administrator:innen mit Automatisierungsaufgaben
  • Operations- und RevOps-Engineers
  • Teams für Business-Process-Automatisierung

Typische Herausforderungen, die wir adressieren

  • Langer Rückstau an internen Werkzeugen, die neben der Produktentwicklung nie priorisiert werden
  • Manuelle Abgleiche zwischen SaaS-Systemen, Tabellen und Datenbanken mit hoher Fehleranfälligkeit
  • Interne Tools mit zu weitreichenden Rechten, fehlender Protokollierung und ohne Verantwortliche
  • Undokumentierte Skripte, die nur eine Person versteht

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 entwickeln interne Tools, Bots und Automatisierungen mit KI-Agenten in kurzer Zeit und in solider Qualität.
  • Sie setzen Authentifizierung, Berechtigungen, Protokollierung und Secret-Management für interne Anwendungen von Beginn an korrekt um.
  • Sie gestalten Automatisierungen dokumentiert, testbar und betreibbar, sodass sie nicht von einzelnen Personen abhängen.

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: Interne Tools & Automatisierung
  • Admin-Oberflächen generieren
  • Datenabgleiche automatisieren
  • Chat-Bots für Teams
  • Ops-Runbooks automatisieren
  • Berichte und Exporte erzeugen
  • Agenten-Workflows bauen
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Interne Tools greifen häufig auf Personal-, Kunden- und Produktionsdaten zu: Sie lernen, Berechtigungen nach dem Least-Privilege-Prinzip zu vergeben, Secrets in Tresoren statt im Code zu halten, Zugriffe zu protokollieren und Vorgaben aus DSGVO und Mitbestimmung bei Werkzeugen mit Mitarbeiterbezug zu berücksichtigen.
  • 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

Admin-Oberflächen generieren

Aus einem Datenbankschema oder einer API CRUD-Oberflächen mit Suche, Filtern, Validierung, rollenbasierten Berechtigungen und Änderungsprotokoll erzeugen, die Fachteams sicher für Stammdatenpflege nutzen können. Direkter Datenbankzugriff wird damit überflüssig.

Datenabgleiche automatisieren

Skripte schreiben, die Daten aus CRM, ERP, Ticketsystem und Tabellen regelmäßig abrufen, abgleichen und Abweichungen melden, mit Wiederholungslogik, Idempotenz und verständlichen Fehlermeldungen. Fehler landen direkt im zuständigen Kanal.

Chat-Bots für Teams

Slack- oder Teams-Bots entwickeln, die Statusabfragen beantworten, Freigaben anstoßen, Deployments melden oder Bereitschaftsinformationen liefern und dabei nur explizit erlaubte Aktionen ausführen. Jede Aktion wird mit Benutzerkennung protokolliert.

Ops-Runbooks automatisieren

Wiederkehrende Betriebsaufgaben wie Benutzerverwaltung, Zertifikatserneuerung oder Log-Auswertung als geprüfte Skripte und Workflows umsetzen und mit Dry-Run-Modus sowie Protokollierung absichern. So werden Betriebsaufgaben auch nachts und am Wochenende verlässlich und einheitlich erledigt.

Berichte und Exporte erzeugen

Regelmäßige Auswertungen aus Datenbanken und APIs automatisiert als PDF, Tabelle oder E-Mail aufbereiten, inklusive Zeitsteuerung, Parametrisierung und nachvollziehbarer Datenquellen. Manuelles Zusammenkopieren aus verschiedenen Systemen entfällt damit vollständig.

Agenten-Workflows bauen

KI-Agenten mit Werkzeugen wie Ticketsystem, Wissensdatenbank und internen APIs verbinden, etwa über MCP, um Anfragen vorzuqualifizieren, Daten zusammenzutragen und Entwürfe zur menschlichen Freigabe vorzubereiten. Jeder Schritt bleibt nachvollziehbar.

Mögliche Praxisprojekte im Kurs

Onboarding-Automat

Ein Workflow, der bei neuen Mitarbeitenden Konten in mehreren Systemen anlegt, Gruppen zuweist und eine Checkliste mit offenen Schritten an die Führungskraft schickt.

Lizenz-Übersicht

Ein internes Dashboard, das Nutzungsdaten aus SaaS-Werkzeugen abruft, ungenutzte Lizenzen markiert und Kosten pro Team übersichtlich darstellt. Das schafft Transparenz für Einkauf und IT.

Deployment-Bot

Ein Chat-Bot, der Deployments ankündigt, Änderungen aus Pull Requests zusammenfasst und bei fehlgeschlagenen Pipelines die zuständigen Personen benachrichtigt. Rückfragen im Team werden so deutlich seltener.

Voraussetzungen

Solide Programmierkenntnisse in Python (oder alternativ TypeScript), Grundkenntnisse in Datenbanken und REST-APIs sowie erste Erfahrungen mit LLM-APIs. Sie haben Programmiererfahrung in einer Sprache wie Python, TypeScript oder Go und kennen Grundlagen von APIs, Datenbanken und Kommandozeile.

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

Interne Tools greifen häufig auf Personal-, Kunden- und Produktionsdaten zu: Sie lernen, Berechtigungen nach dem Least-Privilege-Prinzip zu vergeben, Secrets in Tresoren statt im Code zu halten, Zugriffe zu protokollieren und Vorgaben aus DSGVO und Mitbestimmung bei Werkzeugen mit Mitarbeiterbezug zu berücksichtigen.

Termine & Standorte

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

  • München Do, 10. Dezember 2026 6 Std. Anfragen
  • Salzburg Di, 15. Dezember 2026 6 Std. Anfragen
  • Berlin Mi, 16. Dezember 2026 6 Std. Anfragen
  • Augsburg Do, 10. Dezember 2026 6 Std. Anfragen
  • Hannover Mo, 14. Dezember 2026 6 Std. Anfragen
  • Bremen Di, 15. Dezember 2026 6 Std. Anfragen
  • Stuttgart Fr, 11. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Fr, 11. Dezember 2026 6 Std. Anfragen
  • Online Fr, 11. 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.

Wann lohnt sich ein eigenes internes Tool statt einer Standardlösung?

Wenn ein Ablauf spezifisch für Ihr Unternehmen ist, mehrere Systeme verbindet oder Standardwerkzeuge nur mit großem Anpassungsaufwand passen. Mit KI sinken die Entwicklungskosten deutlich, Betrieb und Wartung bleiben jedoch. Im Kurs lernen Sie, Aufwand und Nutzen realistisch abzuwägen und Werkzeuge so zu bauen, dass sie mit geringem Pflegeaufwand dauerhaft funktionieren.

Wie sichern wir interne Tools ab, die schnell mit KI entstanden sind?

Mit festen Leitplanken: Anmeldung über den zentralen Identitätsanbieter, rollenbasierte Berechtigungen, keine Secrets im Code, Protokollierung aller schreibenden Aktionen und ein kurzes Review vor dem Produktiveinsatz. Diese Grundbausteine lassen sich als Vorlage hinterlegen, sodass KI-Agenten sie automatisch in jedes neue Tool übernehmen. Genau diese Vorlagen erarbeiten Sie im Kurs.

Was kostet die Schulung „RAG & LLM-Apps für interne Tools und Automatisierung“?

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 interne Tools und Automatisierung

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