Schulung - Spring Boot meets AI - Intelligente Systeme programmieren

Zielgruppe

Das Seminar richtet sich an:

• Java-Entwickler:innen mit Spring-Erfahrung
• Backend-Entwickler:innen mit Interesse an LLMs und RAG
• IT-Professionals, die KI-Funktionalitäten in bestehende Anwendungen integrieren möchten

Voraussetzungen

Empfohlen werden:

• Gute Kenntnisse in Java (OOP, Generics, Exception Handling)
• Erfahrung mit Spring Boot (Dependency Injection, Projektstruktur)
• Vertrautheit mit Build-Tools wie Maven
• Grundlegende Kenntnisse in Spring Data

Im Seminar arbeiten Sie mit der aktuellen Version von Spring AI. Darauf bezieht sich auch die verwendete Unterlage

Hinweis für Online-Schulungen:

Für unsere Online-Schulungen möchten wir Sie darauf hinweisen, dass es von Vorteil ist, wenn Sie über zwei Bildschirme verfügen. Ein zusätzlicher Bildschirm ermöglicht es Ihnen, die Schulungsinhalte auf einem Bildschirm anzuzeigen, während Sie auf dem anderen Bildschirm praktische Übungen durchführen oder Anwendungen parallel öffnen können.

Weiterführende Informationen: Eine Auswahl vertiefender Inhalte und praxisorientierter Beiträge zum Thema Programmiersprachen findet sich im Programmiersprachen-Blog.

1. Was ist Spring AI und warum ist es relevant für Entwickler:innen?
   Spring AI ist ein neues Modul im Spring-Ökosystem, das die Anbindung von Large Language Models (LLMs) wie GPT-4 oder Hugging Face an Java-Anwendungen erleichtert. Es ermöglicht die Integration von generativer KI, Prompt-Verarbeitung, Tool-Execution und Vektor-Datenbanken in bestehende Spring-Boot-Projekte - mit vertrauter Architektur und bewährten Patterns.
   
   
2. Welche Vorkenntnisse brauche ich für das Seminar?
   Sie sollten über solide Java-Kenntnisse verfügen (OOP, Generics, Fehlerbehandlung) sowie Erfahrung mit Spring Boot und dem Build-Tool Maven mitbringen. Grundlagen in Spring Data und REST-Services sind ebenfalls hilfreich.
   
   
3. Welche Tools und Bibliotheken werden im Seminar verwendet?
   Zum Einsatz kommen Spring Boot, Spring AI, Maven, verschiedene LLM-Provider (OpenAI, Hugging Face), OutputParser, ToolExecutor sowie Frameworks wie JUnit, Prometheus oder OpenTelemetry - alles praxisnah im Code angewendet.
   
   
4. Wird im Seminar auch Retrieval Augmented Generation (RAG) behandelt?
   Ja, ein eigener Block ist der RAG-Architektur gewidmet. Sie lernen, wie Vektor-Datenbanken eingebunden werden, wie Dokumente indexiert und Abfragen mit Kontextinformationen umgesetzt werden - inklusive praktischer Übung.
   
   
5. Ist das Seminar auch für KI-Einsteiger:innen geeignet?
   Das Seminar setzt kein tiefes Wissen zu Machine Learning oder neuronalen Netzen voraus. Die technische Umsetzung mit Spring steht im Fokus - Vorkenntnisse in LLMs sind nützlich, aber keine Voraussetzung.
   
   
6. Gibt es ein Projekt oder eine praktische Abschlussübung?
   Ja, zum Abschluss arbeiten Sie an einem Mini-Projekt, in dem Sie eine komplette Spring-AI-Anwendung mit Textgenerierung, Tooling, RAG und Evaluation umsetzen - ideal für den Transfer in den beruflichen Alltag.
   
   
7. Erhalte ich Seminarunterlagen oder weiterführende Ressourcen?
   Ja. Sie erhalten alle Beispielprojekte, Code-Snippets und eine Zusammenfassung der wichtigsten Konzepte. Zusätzlich stellen wir Ihnen weiterführende Links, API-Dokumentationen und Cheat Sheets zur Verfügung.