Schulung – RAG & LLM-Apps – Tech Leads & Engineering Manager

RAG & LLM-Apps für Tech Leads und Engineering Manager

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 Tech Leads & Engineering Manager. 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.

KI-Coding-Assistenten und autonome Agenten verändern, wie Entwicklungsteams arbeiten: Aufgaben werden anders geschnitten, Reviews verschieben sich vom Schreiben zum Prüfen, und die Frage, welche Arbeit an Agenten delegiert werden kann, wird zur Führungsaufgabe. Tech Leads und Engineering Manager müssen Werkzeuge auswählen, Richtlinien definieren, Teams befähigen und Wirkung messen, ohne Codequalität, Sicherheit oder die Entwicklung von Nachwuchskräften aus dem Blick zu verlieren. Im Kurs lernen Sie, die Einführung von KI-Coding-Tools strukturiert zu planen, gemeinsame Arbeitsweisen und Regeldateien für Ihr Team zu etablieren, sinnvolle Kennzahlen jenseits reiner Geschwindigkeit zu wählen und KI selbst für Führungsaufgaben wie Planung, Onboarding und technische Kommunikation einzusetzen. Tiefe Programmierkenntnisse sind dafür nicht zwingend erforderlich.

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?

  • Tech Leads und Lead Developer
  • Engineering Manager und Teamleitungen in der Softwareentwicklung
  • Heads of Engineering und CTOs in mittelständischen Unternehmen
  • Delivery- und Projektverantwortliche in IT-Organisationen
  • Verantwortliche für Developer Experience und Enablement

Typische Herausforderungen, die wir adressieren

  • Unklare Richtlinien führen zu einem Flickenteppich aus Werkzeugen und Schatten-KI im Team
  • Mehr generierter Code erhöht den Review-Aufwand und das Risiko technischer Schulden
  • Schwierigkeit, den tatsächlichen Nutzen von KI-Werkzeugen belastbar zu messen
  • Sorge um Kompetenzaufbau von Junior-Entwickler:innen und um Akzeptanz im Team

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 planen die Einführung von KI-Coding-Werkzeugen strukturiert, mit klaren Richtlinien, Rollen und Leitplanken.
  • Sie messen die Wirkung auf Lieferfähigkeit, Qualität und Zufriedenheit mit belastbaren Kennzahlen.
  • Sie nutzen KI-Agenten selbst für Führungsaufgaben wie Planung, Onboarding und technische Kommunikation.

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: Tech Leads & Engineering Manager
  • KI-Richtlinie für das Team erstellen
  • Regeldateien und Team-Konventionen
  • Wirkung messen
  • Arbeit für Agenten schneiden
  • Onboarding beschleunigen
  • Technische Kommunikation
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Als Führungskraft verantworten Sie den rechtssicheren Rahmen: Sie lernen, Lizenz- und Urheberrechtsfragen bei generiertem Code, den Schutz von Quellcode und Secrets, Mitbestimmungsrechte des Betriebsrats bei Leistungsmessung sowie Pflichten aus DSGVO und EU AI Act in Ihre Teamrichtlinien aufzunehmen.
  • 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

KI-Richtlinie für das Team erstellen

Eine praxistaugliche Leitlinie entwerfen, die freigegebene Werkzeuge, erlaubte Datenklassen, Review-Pflichten für generierten Code, Umgang mit Secrets und Verantwortlichkeiten klar regelt und mit Beispielen erläutert. Die Richtlinie bleibt kurz und verständlich.

Regeldateien und Team-Konventionen

Gemeinsame Kontextdateien für Coding-Agenten mit Architekturprinzipien, Teststrategie, Stilregeln und verbotenen Mustern aufbauen, versionieren und so einheitliche Ergebnisse über das ganze Team sicherstellen. Änderungen laufen über reguläre Reviews.

Wirkung messen

Kennzahlen wie DORA-Metriken, Durchlaufzeit von Pull Requests, Change Failure Rate und Entwicklerzufriedenheit vor und nach der Einführung erheben und Auswertungen mit KI-Unterstützung aufbereiten. Einzelne Personen werden dabei bewusst nicht bewertet.

Arbeit für Agenten schneiden

Backlog-Einträge so formulieren und zerlegen, dass sie mit klaren Akzeptanzkriterien an Agenten delegierbar sind, und entscheiden, welche Aufgaben bewusst bei Menschen bleiben. So entstehen klare, prüfbare Arbeitspakete.

Onboarding beschleunigen

Codebasen, Architekturentscheidungen und Betriebswissen für neue Teammitglieder aufbereiten, geführte Erkundungsaufgaben erstellen und Fragen zur Codebasis mit Quellenangabe beantworten lassen. Neue Kolleg:innen werden dadurch deutlich schneller produktiv und entlasten erfahrene Teammitglieder.

Technische Kommunikation

Incident-Postmortems, Roadmap-Updates, technische Entscheidungsvorlagen für das Management und Release Notes aus Tickets und Commits strukturiert entwerfen und zielgruppengerecht formulieren. So bleibt mehr Zeit für Führung und fachliche Arbeit im Team.

Mögliche Praxisprojekte im Kurs

Team-Metriken-Dashboard

Eine kleine Web-App, die Daten aus der Git-Plattform abruft und Durchlaufzeiten, Review-Dauer und Deployment-Häufigkeit übersichtlich im Zeitverlauf darstellt. Ausreißer werden automatisch markiert.

PR-Zusammenfasser

Ein Bot, der wöchentlich alle zusammengeführten Pull Requests sammelt und daraus einen verständlichen Statusbericht für Stakeholder erstellt. Auch fachfremde Leser:innen verstehen ihn ohne Vorwissen.

Onboarding-Guide-Generator

Ein Skript, das Repository-Struktur, README-Dateien und ADRs auswertet und einen strukturierten Einarbeitungsplan mit Lernaufgaben erzeugt. Der Plan lässt sich pro Rolle und Erfahrungsstufe anpassen.

Voraussetzungen

Solide Programmierkenntnisse in Python (oder alternativ TypeScript), Grundkenntnisse in Datenbanken und REST-APIs sowie erste Erfahrungen mit LLM-APIs. Sie führen ein Entwicklungsteam fachlich oder disziplinarisch und kennen den Softwareentwicklungsprozess; aktuelle Programmierpraxis ist hilfreich, aber nicht erforderlich.

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

Als Führungskraft verantworten Sie den rechtssicheren Rahmen: Sie lernen, Lizenz- und Urheberrechtsfragen bei generiertem Code, den Schutz von Quellcode und Secrets, Mitbestimmungsrechte des Betriebsrats bei Leistungsmessung sowie Pflichten aus DSGVO und EU AI Act in Ihre Teamrichtlinien aufzunehmen.

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

Wie messen wir, ob sich KI-Coding-Werkzeuge lohnen?

Zählen Sie nicht generierte Codezeilen, sondern betrachten Sie Ergebnisgrößen: Durchlaufzeit von Idee bis Produktion, Change Failure Rate, Review-Aufwand, Fehlerquote und Zufriedenheit im Team. Wichtig ist eine Ausgangsmessung vor der Einführung und eine begleitende qualitative Befragung. Im Kurs entwickeln Sie ein schlankes Messkonzept, das zu Ihrer Organisation passt und den Betriebsrat einbindet.

Lernen Junior-Entwickler:innen noch genug, wenn KI den Code schreibt?

Diese Sorge ist berechtigt und lässt sich gestalten. Bewährt haben sich Regeln wie das Erklären jedes generierten Abschnitts im Review, bewusste Übungsphasen ohne Assistent und Pairing mit erfahrenen Kolleg:innen, bei dem KI als Lernpartner dient. Sie lernen im Kurs, Lernpfade und Review-Kultur so anzupassen, dass Kompetenzaufbau und Produktivität zusammengehen.

Was kostet die Schulung „RAG & LLM-Apps für Tech Leads und Engineering Manager“?

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 Tech Leads und Engineering Manager

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