Kontakt aufnehmen

Schulungsübersicht

Best Practices und hilfreiche Werkzeuge

Häufige Fehlerquellen sowie Gegenmaßnahmen

Einführung in das Prompt-Engineering

Verfeinerung von Prompts und iteratives Gestalten

Erstellung von Prompts für Testautomatisierung sowie SQL-Abfragen

Zusammenfassung und Ausblick auf nächste Schritte

Nutzung von Prompts zur Code-Erklärung und Fehlerbehebung

Formulieren von Prompts für die Generierung von Quellcode

  • Vermeidung von fehlerhaftem oder unsicherem Code durch Halluzinationen der KI
  • Umgang mit unvollständigen oder mehrdeutigen Benutzereingaben
  • Erstellung sicherer Standard-Prompts sowie zusätzlicher Schutzmechanismen
  • Aus Anforderungen oder vorhandenem Code Testfälle erstellen
  • Aus natürlicher Sprache strukturierte SQL-Abfragen erzeugen
  • Ergebnisse so formatieren, dass sie direkt in Testpakete integriert werden können
  • Erläuterung bisher unbekannter oder legacy-Codebestandteile
  • Anweisungen zur logischen Analyse sowie Untersuchung möglicher Sonderfälle formulieren
  • Identifizierung und Erklärung von Fehlern oder ineffizienten Programmabschnitten
  • Aus textbasierten Beschreibungen Code generieren lassen
  • Kontrolle über das gewünschte Ausgabeformat und die Programmiersprache sicherstellen
  • Bearbeitung komplexer Logikstrukturen oder mehrerer Funktionen im selben Prompt
  • Verbesserung der Resultate durch kombiniertes Anwenden mehrerer Prompts sowie Feedback-Schleifen
  • Strategien zur Fehlerbehebung und Optimierung vorhandener Prompts erlernen
  • Beispielhafte Fälle aus der Praxis zur kontinuierlichen Prompt-Optimierung betrachten
  • Aufbau und Wiederverwendung von Prompt-Bibliotheken
  • Integration von Vorlagen in VS Code oder API-gestützte Workflows erläutern
  • Qualität sowie Leistungsfähigkeit eingesetzter Prompts im produktiven Umfeld bewerten
  • Grundlagen zu Prompts, Kontextinformationen, Token-Begrenzungen und verwendeten Modellen kennenlernen
  • Unterschiedliche Prompt-Typen: zero-shot, one-shot sowie few-shot-Anweisungen erklären
  • Nutzung von System- und Benutzeranweisungen in verschiedenen API-Umgebungen praktisch umsetzen

Voraussetzungen

Zielgruppe

  • Entwickler, die Large Language Models bei der Code-Generierung oder -Analyse nutzen
  • Technische Leiter, die nach Möglichkeiten suchen, KI-Tools in bestehende Arbeitsabläufe einzubinden
  • Software-Fachkräfte, die erste Erfahrungen mit der Integration von Large Language Models sammeln möchten
  • Grundkenntnisse in der Softwareentwicklung oder im Skripting
  • Vertrautheit mit gängigen Programmiersprachen wie Python, JavaScript und SQL
  • Grundverständnis für Large Language Models sowie KI-Tools wie ChatGPT, Claude oder Copilot
 7 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien