Schulung · RAG & LLM-Apps · PHP & Laravel/Symfony

RAG & LLM-Apps für PHP-Entwickler:innen

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

Dauer
2 Tage (14 Std.)
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

Das Training „RAG & LLM-Apps für PHP-Entwickler:innen“ richtet sich an Rollen wie PHP-Entwickler:innen mit Laravel oder Symfony, Entwickler:innen von Shop-Systemen wie Shopware oder Magento und Agenturteams mit vielen parallelen Kundenprojekten und zeigt Schritt für Schritt, wie RAG & LLM-Apps im Bereich PHP & Laravel/Symfony produktiv, sicher und nachvollziehbar eingesetzt wird – von den Grundlagen bis zu fortgeschrittenen Workflows.

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 zweitägigen 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.

PHP betreibt einen großen Teil des Webs – von Laravel- und Symfony-Anwendungen über Shopware- und Magento-Shops bis zu individuellen Plattformen, die seit vielen Jahren gewachsen sind. Entsprechend häufig treffen moderne Framework-Projekte auf Legacy-Code ohne Typen, Tests oder Composer-Struktur. KI-Coding-Assistenten und Agenten helfen auf beiden Seiten: Sie schreiben PHPUnit- und Pest-Tests, heben Code mit Rector auf moderne Sprachstandards, beheben PHPStan-Befunde Level für Level, erzeugen Eloquent- oder Doctrine-Modelle samt Migrationen und erklären verschachtelte Altlogik. Voraussetzung ist guter Kontext zu Framework-Konventionen, Coding Standards und Testumgebung. Im Kurs lernen Sie, Agenten so einzusetzen, dass Modernisierung planbar und sicher wird.

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?

  • PHP-Entwickler:innen mit Laravel oder Symfony
  • Entwickler:innen von Shop-Systemen wie Shopware oder Magento
  • Agenturteams mit vielen parallelen Kundenprojekten
  • Teams, die Legacy-PHP-Anwendungen modernisieren

Typische Herausforderungen, die wir adressieren

  • Legacy-Code ohne Typdeklarationen, Namespaces oder automatisierte Tests
  • Aufwändige Upgrades von PHP-Versionen und Framework-Major-Releases
  • Sicherheitsrisiken durch SQL-Injection, XSS und unsichere Dateiuploads in Altcode
  • Hoher Zeitdruck in Agenturprojekten bei gleichzeitig hohen Qualitätsanforderungen

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 Tests, statische Analyse und Upgrades in Laravel-, Symfony- und Legacy-Projekten ein.
  • Sie modernisieren Alt-Code schrittweise und abgesichert mit KI-Unterstützung.
  • Sie erkennen typische Sicherheitslücken in generiertem und bestehendem PHP-Code und beheben sie gezielt.

Inhalte & Ablauf

Tag 1

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

Tag 2

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: PHP & Laravel/Symfony
  • PHPUnit- und Pest-Tests generieren
  • PHPStan-Level schrittweise anheben
  • Upgrades mit Rector
  • Laravel- und Symfony-Features bauen
  • Legacy-Code verstehen und entflechten
  • Sicherheitslücken aufspüren
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • PHP-Anwendungen verarbeiten häufig Kundendaten aus Shops und Portalen: Datenbank-Dumps und Logs mit personenbezogenen Daten dürfen nicht ungefiltert in Prompts gelangen. Prüfen Sie neue Composer-Pakete auf Lizenz und Schwachstellen, halten Sie Zugangsdaten aus .env-Dateien heraus und regeln Sie in Agenturen vertraglich, ob Kundencode mit KI-Diensten verarbeitet werden darf.
  • 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

PHPUnit- und Pest-Tests generieren

Der Agent schreibt Unit- und Feature-Tests für Controller, Services und Models, nutzt Factories und Datenbank-Transaktionen und führt die Tests iterativ aus, bis sie stabil grün sind.

PHPStan-Level schrittweise anheben

Die KI arbeitet statische Analysebefunde systematisch ab, ergänzt Typdeklarationen, Generics-Annotationen und Rückgabetypen und erhöht das Analyse-Level kontrolliert, ohne das Verhalten zu ändern. Die Baseline schrumpft so Schritt für Schritt.

Upgrades mit Rector

Rector-Regeln werden konfiguriert und ausgeführt, verbleibende Inkompatibilitäten bei PHP- oder Framework-Upgrades manuell nachgezogen und Deprecations aus Logs und Tests systematisch beseitigt. Jeder Schritt wird durch Tests abgesichert.

Laravel- und Symfony-Features bauen

Aus einer fachlichen Beschreibung entstehen Migrationen, Eloquent- oder Doctrine-Entities, Form Requests oder Validatoren, Controller, Policies und Tests – konsistent mit den Konventionen des Frameworks. Bestehende Projektstrukturen bleiben erhalten.

Legacy-Code verstehen und entflechten

Der Assistent erklärt prozedurale Altlogik, extrahiert Funktionen in Klassen mit Namespaces, führt Composer-Autoloading ein und schafft so eine Basis für weitere Modernisierung. Charakterisierungstests halten das bisherige Verhalten fest.

Sicherheitslücken aufspüren

Die KI prüft Code auf ungesicherte SQL-Abfragen, fehlendes Output-Escaping, CSRF-Lücken und unsichere Uploads und ersetzt problematische Stellen durch Prepared Statements und Framework-Mechanismen. Jeder Fund wird nachvollziehbar dokumentiert.

Mögliche Praxisprojekte im Kurs

Laravel-Admin-Panel

Ein kleines Verwaltungs-Backend mit Authentifizierung, Rollen, CRUD-Oberflächen und Feature-Tests, das ein KI-Agent aus einer kurzen Spezifikation entwickelt. Ideal, um den Agenten-Workflow durchgängig zu üben.

Symfony-Console-Importer

Ein Symfony-Konsolenbefehl, der CSV- oder XML-Daten validiert, in Doctrine-Entities importiert und Fehler übersichtlich protokolliert. Große Dateien werden dabei speicherschonend in Batches verarbeitet und Fortschritte angezeigt.

Upgrade-Readiness-Check

Ein Skript, das ein PHP-Projekt mit PHPStan, Rector im Dry-Run und Composer-Audit prüft und einen verständlichen Bericht zum Upgrade-Aufwand erstellt.

Voraussetzungen

Solide Programmierkenntnisse in Python (oder alternativ TypeScript), Grundkenntnisse in Datenbanken und REST-APIs sowie erste Erfahrungen mit LLM-APIs. Solide PHP-Kenntnisse, Erfahrung mit Laravel oder Symfony sowie mit Composer 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

PHP-Anwendungen verarbeiten häufig Kundendaten aus Shops und Portalen: Datenbank-Dumps und Logs mit personenbezogenen Daten dürfen nicht ungefiltert in Prompts gelangen. Prüfen Sie neue Composer-Pakete auf Lizenz und Schwachstellen, halten Sie Zugangsdaten aus .env-Dateien heraus und regeln Sie in Agenturen vertraglich, ob Kundencode mit KI-Diensten verarbeitet werden darf.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Di, 24. November 2026 – Mi, 25. November 2026 Online Anfragen
  • Mo, 30. November 2026 – Di, 1. Dezember 2026 München Anfragen
  • Do, 10. Dezember 2026 – Fr, 11. Dezember 2026 Online Anfragen
  • Do, 14. Januar 2027 – Fr, 15. Januar 2027 Hannover Anfragen
  • Mo, 25. Januar 2027 – Di, 26. Januar 2027 Online Anfragen
  • Mo, 1. Februar 2027 – Di, 2. Februar 2027 Berlin 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.

Lohnt sich KI-gestütztes Coding auch für alten PHP-Code ohne Framework?

Gerade dort. KI-Assistenten erklären unübersichtliche prozedurale Logik, schreiben Charakterisierungstests, die das bestehende Verhalten festhalten, und führen anschließend Schritt für Schritt Namespaces, Autoloading und Typen ein. So entsteht eine sichere Grundlage, um Altanwendungen zu modernisieren, statt sie riskant neu zu schreiben.

Wie gehen Agenturen mit Kundencode und KI um?

Agenturen sollten mit ihren Kunden vertraglich klären, ob und mit welchen Diensten Quellcode verarbeitet werden darf. Im Kurs besprechen wir Optionen wie Unternehmenslizenzen ohne Trainingsnutzung, Ausschlussregeln für sensible Dateien und dokumentierte Review-Prozesse, mit denen Sie Transparenz gegenüber Ihren Kunden herstellen.

Was kostet die Schulung „RAG & LLM-Apps für PHP-Entwickler:innen“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 2 Trainingstag(e) mit Live-Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Unsere Terminvorschläge sind eine Orientierung. Im Anfrageformular können Sie jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und bestätigen 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 oder Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Weitere Kurse für PHP-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