Schulung – RAG & LLM-Apps – Softwarearchitektur

RAG & LLM-Apps für Softwarearchitekt: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 Softwarearchitekt:innen“ ist ein praxisorientiertes Training für Rollen wie Softwarearchitekt:innen und Solution Architects, Enterprise-Architekt:innen mit Bezug zur Anwendungsentwicklung und Senior Developer und Tech Leads mit Architekturverantwortung. Sie lernen RAG & LLM-Apps nicht abstrakt, sondern an Aufgaben aus Ihrem Arbeitsalltag kennen – mit Beispielen, Übungen und Vorlagen aus dem Bereich Softwarearchitektur.

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.

Wenn KI-Agenten große Teile des Codes schreiben, wird Architektur wichtiger, nicht unwichtiger: Klare Modulgrenzen, dokumentierte Entscheidungen und überprüfbare Qualitätsziele sind der Rahmen, in dem generierter Code konsistent bleibt. Gleichzeitig unterstützen KI-Assistenten Architekt:innen direkt, etwa beim Analysieren bestehender Codebasen, beim Erstellen von C4-Diagrammen, beim Formulieren von Architecture Decision Records und beim Abwägen von Alternativen anhand von Qualitätsattributen. Fitness Functions und Architekturtests lassen sich generieren und in Pipelines verankern. Im Kurs lernen Sie, KI als Sparringspartner für Architekturentscheidungen einzusetzen, Architekturwissen so aufzubereiten, dass Coding-Agenten es zuverlässig befolgen, und Erosion in schnell wachsenden Codebasen frühzeitig zu erkennen.

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?

  • Softwarearchitekt:innen und Solution Architects
  • Enterprise-Architekt:innen mit Bezug zur Anwendungsentwicklung
  • Senior Developer und Tech Leads mit Architekturverantwortung
  • Platform- und Cloud-Architekt:innen
  • Verantwortliche für Architektur-Governance und Review-Boards

Typische Herausforderungen, die wir adressieren

  • Architekturdokumentation veraltet schnell und weicht vom tatsächlichen Code ab
  • Entscheidungen werden mündlich getroffen und ihr Kontext geht verloren
  • Schleichende Architekturerosion durch zyklische Abhängigkeiten und verletzte Schichtgrenzen
  • KI-generierter Code ignoriert ohne klare Vorgaben etablierte Muster und Konventionen

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 nutzen KI zur Analyse bestehender Systeme, zur Bewertung von Architekturoptionen und zur Dokumentation von Entscheidungen als ADRs.
  • Sie verankern Architekturregeln als Fitness Functions in der Pipeline und erkennen Erosion frühzeitig.
  • Sie gestalten Kontext und Regeln so, dass KI-Coding-Agenten Ihre Architekturvorgaben zuverlässig einhalten.

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: Softwarearchitektur
  • Architektur-Entscheidungen dokumentieren
  • Bestandsarchitektur rekonstruieren
  • Alternativen bewerten
  • Fitness Functions generieren
  • Leitplanken für Coding-Agenten
  • Domänen schneiden
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Architekturunterlagen beschreiben oft sicherheitsrelevante Details wie Netzwerkzonen und Datenflüsse: Sie lernen, welche Informationen an KI-Dienste gegeben werden dürfen, wie Sie Lizenzrisiken eingesetzter Komponenten bewerten und wie Architekturentscheidungen Anforderungen aus DSGVO, NIS2 und Cyber Resilience Act nachvollziehbar abbilden.
  • 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

Architektur-Entscheidungen dokumentieren

Diskussionen, Meeting-Notizen und Pull Requests in strukturierte Architecture Decision Records mit Kontext, betrachteten Optionen, Entscheidung und Konsequenzen überführen und konsistent im Repository ablegen. Verwandte Entscheidungen werden automatisch verlinkt.

Bestandsarchitektur rekonstruieren

Bestehende Codebasen analysieren, Module, Abhängigkeiten und Schnittstellen herausarbeiten und daraus aktuelle C4-Diagramme als Diagrams-as-Code mit PlantUML, Mermaid oder Structurizr erzeugen. Die Diagramme lassen sich bei jedem Build automatisch aktualisieren.

Alternativen bewerten

Architekturoptionen wie modularer Monolith, Microservices oder ereignisgetriebene Integration anhand von Qualitätsszenarien, Kosten und Teamstruktur gegenüberstellen und Trade-offs nach ATAM-Prinzipien sichtbar machen. Das Ergebnis dient als fundierte Entscheidungsvorlage.

Fitness Functions generieren

Architekturregeln wie Schichtzugriffe, verbotene Abhängigkeiten oder Namenskonventionen als automatisierte Tests mit ArchUnit, dependency-cruiser oder ähnlichen Werkzeugen formulieren und in die CI-Pipeline integrieren. Verstöße brechen den Build mit klarer Meldung ab.

Leitplanken für Coding-Agenten

Architekturprinzipien, Modulgrenzen und Muster in Regeldateien und Kontextdokumenten so beschreiben, dass KI-Agenten sie bei der Codegenerierung zuverlässig befolgen, und Abweichungen im Review erkennen. So bleibt generierter Code strukturell konsistent.

Domänen schneiden

Aus Event-Storming-Ergebnissen und Fachbeschreibungen Bounded Contexts, Aggregate und Context Maps nach Domain-Driven Design ableiten und als Grundlage für Team- und Service-Zuschnitte nutzen. Offene Fragen werden dabei explizit markiert.

Mögliche Praxisprojekte im Kurs

ADR-Assistent

Ein Kommandozeilenwerkzeug, das aus Stichpunkten einen vollständigen ADR nach Vorlage erstellt, verwandte Entscheidungen verlinkt und einen Index im Repository aktualisiert.

Abhängigkeitsvisualisierung

Ein Skript, das Importbeziehungen einer Codebasis auswertet, Zyklen und Schichtverletzungen markiert und ein interaktives Diagramm im Browser erzeugt. Kritische Hotspots werden farblich hervorgehoben.

Architektur-Q&A über Repos

Eine kleine Anwendung, die ADRs, Diagramme und Code indexiert und Fragen zur Architektur mit Verweis auf die jeweiligen Quellen beantwortet.

Voraussetzungen

Solide Programmierkenntnisse in Python (oder alternativ TypeScript), Grundkenntnisse in Datenbanken und REST-APIs sowie erste Erfahrungen mit LLM-APIs. Sie verfügen über mehrjährige Entwicklungserfahrung und haben bereits Architekturentscheidungen in größeren Softwaresystemen getroffen oder begleitet.

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

Architekturunterlagen beschreiben oft sicherheitsrelevante Details wie Netzwerkzonen und Datenflüsse: Sie lernen, welche Informationen an KI-Dienste gegeben werden dürfen, wie Sie Lizenzrisiken eingesetzter Komponenten bewerten und wie Architekturentscheidungen Anforderungen aus DSGVO, NIS2 und Cyber Resilience Act nachvollziehbar abbilden.

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

Kann KI Architekturentscheidungen treffen?

KI ist ein starker Sparringspartner: Sie liefert Optionen, benennt Trade-offs, findet Lücken in der Argumentation und dokumentiert Entscheidungen strukturiert. Die Verantwortung bleibt jedoch bei Menschen, weil Architektur von Unternehmenskontext, Teamfähigkeiten, Budget und Risikobereitschaft abhängt. Im Kurs lernen Sie, KI so einzusetzen, dass Entscheidungen besser begründet und schneller getroffen werden.

Wie verhindern wir, dass KI-Agenten die Architektur aufweichen?

Durch ein Zusammenspiel aus klarem Kontext und automatischer Prüfung: Regeldateien und ADRs beschreiben Modulgrenzen und Muster, Fitness Functions und Architekturtests in der CI verhindern Verstöße, und Reviews achten gezielt auf strukturelle Änderungen. So wird Architektur von einer Dokumentation zu einer überprüfbaren Leitplanke für Menschen und Agenten gleichermaßen.

Was kostet die Schulung „RAG & LLM-Apps für Softwarearchitekt: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 Softwarearchitekt: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