Schulung – RAG & LLM-Apps – Mobile Apps

RAG & LLM-Apps für Mobile-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

In diesem Kurs verbinden wir RAG & LLM-Apps mit den typischen Abläufen im Bereich Mobile Apps. 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.

Mobile Entwicklung vereint viele Welten: Swift und SwiftUI für iOS, Kotlin und Jetpack Compose für Android sowie plattformübergreifende Ansätze mit Flutter oder React Native. Dazu kommen Store-Richtlinien, Gerätevielfalt, Offline-Fähigkeit, Push-Benachrichtigungen und anspruchsvolle Release-Prozesse. KI-Coding-Assistenten und Agenten entlasten Teams bei genau diesen Aufgaben: Sie bauen Screens aus Designvorgaben, migrieren UIKit- oder XML-Layouts auf deklarative UI-Frameworks, schreiben UI- und Unit-Tests, analysieren Crash-Reports und automatisieren Build-Pipelines mit Fastlane. Weil mobile Projekte stark von Plattformkonventionen abhängen, braucht die KI präzisen Kontext zu Architektur, State Management und Zielplattformen. Im Kurs lernen Sie, diesen Kontext aufzubauen und Ergebnisse auf echten Geräten abzusichern.

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?

  • iOS-Entwickler:innen mit Swift und SwiftUI
  • Android-Entwickler:innen mit Kotlin und Jetpack Compose
  • Cross-Platform-Entwickler:innen mit Flutter oder React Native
  • Mobile-Teams in Agenturen und Produktunternehmen
  • Tech Leads mit Verantwortung für App-Architektur und Releases

Typische Herausforderungen, die wir adressieren

  • Parallele Pflege mehrerer Plattformen mit unterschiedlichen Sprachen und UI-Paradigmen
  • Migration von UIKit oder XML-Layouts auf deklarative UI-Frameworks
  • Schwer reproduzierbare Abstürze und Performance-Probleme auf unterschiedlichen Geräten
  • Aufwändige Build-, Signier- und Store-Release-Prozesse

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 Screens, UI-Migrationen und Tests in nativen und plattformübergreifenden Apps ein.
  • Sie analysieren Abstürze und Performance-Probleme schneller und automatisieren Build- und Release-Prozesse mit KI-Unterstützung.
  • Sie geben der KI Plattformkonventionen und Architekturregeln vor und prüfen Ergebnisse auf echten Geräten.

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: Mobile Apps
  • Screens aus Designs umsetzen
  • Deklarative UI-Migration
  • Tests für Mobile-Apps
  • Crash-Reports analysieren
  • Offline-Fähigkeit und Datenhaltung
  • Build- und Release-Automatisierung
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Apps verarbeiten oft sensible Gerätedaten wie Standort, Kontakte oder Gesundheitsinformationen: Generierter Code muss Berechtigungen sparsam anfordern und DSGVO-konform mit Einwilligungen umgehen. Signierschlüssel, API-Keys und Store-Zugangsdaten gehören nicht in Prompts; neue SDKs und Pakete sind auf Lizenz, Tracking-Verhalten und Supply-Chain-Risiken zu prüfen.
  • 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

Screens aus Designs umsetzen

Aus Screenshots oder Design-Spezifikationen erzeugt der Assistent SwiftUI-, Compose-, Flutter- oder React-Native-Screens, die vorhandene Komponenten, Themes und Navigation nutzen und Dark Mode sowie dynamische Schriftgrößen berücksichtigen.

Deklarative UI-Migration

Der Agent überführt UIKit-ViewController oder Android-XML-Layouts schrittweise in SwiftUI oder Jetpack Compose, kapselt Altbestand über Interop-Schichten und sichert das Verhalten mit Snapshot- und UI-Tests ab.

Tests für Mobile-Apps

Die KI schreibt Unit-Tests für ViewModels und Repositories, UI-Tests mit XCTest, Espresso oder Flutter-Widget-Tests und richtet Mocks für Netzwerk und Persistenz ein. Instabile UI-Tests werden gezielt stabilisiert.

Crash-Reports analysieren

Symbolisierte Stacktraces aus Crash-Reporting-Diensten werden ausgewertet, wahrscheinliche Ursachen wie Threading-Fehler oder Lifecycle-Probleme eingegrenzt und Fixes mit reproduzierenden Tests vorgeschlagen. So sinkt die Absturzrate nachweislich mit jedem Release.

Offline-Fähigkeit und Datenhaltung

Der Assistent entwirft lokale Persistenz mit Room, Core Data, SwiftData oder SQLite, Synchronisationslogik mit Konfliktbehandlung und robuste Netzwerkschichten mit Retry und Caching. Auch Schemamigrationen werden mitgedacht.

Build- und Release-Automatisierung

Fastlane-Lanes, Gradle-Konfigurationen und CI-Workflows für Builds, Signierung, Testverteilung und Store-Uploads werden erstellt oder repariert, inklusive Versionierung und Release Notes. Abgelaufene Zertifikate und Provisioning-Profile werden frühzeitig erkannt.

Mögliche Praxisprojekte im Kurs

Inventur-App mit Barcode-Scanner

Eine Flutter- oder React-Native-App, die Barcodes scannt, Artikel offline erfasst und bei Verbindung mit einer REST-API synchronisiert. Konflikte bei gleichzeitigen Änderungen werden nachvollziehbar aufgelöst.

SwiftUI-Habit-Tracker

Eine iOS-App mit SwiftUI, lokaler Persistenz, Widgets und lokalen Benachrichtigungen, entwickelt vollständig mit einem KI-Agenten. Gewohnheiten und Fortschritte werden übersichtlich in Diagrammen dargestellt.

Compose-Feedback-Formular

Eine Android-App mit Jetpack Compose, die Formulare mit Fotoanhang erfasst, offline zwischenspeichert und an ein Backend übermittelt – mit UI-Tests.

Voraussetzungen

Solide Programmierkenntnisse in Python (oder alternativ TypeScript), Grundkenntnisse in Datenbanken und REST-APIs sowie erste Erfahrungen mit LLM-APIs. Praktische Erfahrung in der App-Entwicklung mit Swift, Kotlin, Dart oder React Native sowie mit Xcode oder Android Studio 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

Apps verarbeiten oft sensible Gerätedaten wie Standort, Kontakte oder Gesundheitsinformationen: Generierter Code muss Berechtigungen sparsam anfordern und DSGVO-konform mit Einwilligungen umgehen. Signierschlüssel, API-Keys und Store-Zugangsdaten gehören nicht in Prompts; neue SDKs und Pakete sind auf Lizenz, Tracking-Verhalten und Supply-Chain-Risiken zu prüfen.

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

Deckt der Kurs iOS, Android und Cross-Platform gleichermaßen ab?

Ja. Die Arbeitsweisen mit KI-Assistenten sind plattformübergreifend gleich: Kontext bereitstellen, Aufgaben schneiden, Ergebnisse testen. In den Übungen wählen Sie Ihren Schwerpunkt, ob Swift, Kotlin, Flutter oder React Native, und arbeiten an typischen Aufgaben Ihrer Plattform. So profitieren gemischte Teams ebenso wie Spezialist:innen.

Kann die KI mit Xcode und Android Studio arbeiten?

Viele KI-Assistenten lassen sich in Android Studio oder neben Xcode nutzen, Agenten arbeiten zudem über die Kommandozeile mit xcodebuild, Gradle oder der Flutter-CLI. Wir zeigen, wie Sie Builds, Tests und Simulatoren so ansteuern, dass der Agent Ergebnisse selbst überprüfen und Fehler iterativ beheben kann.

Was kostet die Schulung „RAG & LLM-Apps für Mobile-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 Mobile-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