2. Studienzyklus, Master
GenAI Technologies and Models
Niveau
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• können unterschiedliche Klassen von Large Language Modellen erklären und diese anhand ihrer Anwendungsszenarien vergleichen
• können relevante Modelle für gegebene Anwendungsfälle auswählen
• können unterschiedliche Technologien für das Betreiben von LLMs benennen und deren Vor- und Nachteile gegenüberstellen
• können unterschiedliche Klassen von Large Language Modellen erklären und diese anhand ihrer Anwendungsszenarien vergleichen
• können relevante Modelle für gegebene Anwendungsfälle auswählen
• können unterschiedliche Technologien für das Betreiben von LLMs benennen und deren Vor- und Nachteile gegenüberstellen
Voraussetzungen der Lehrveranstaltung
keine
Lehrinhalte
- Unterschiedliche Modelle von LLMs
- Vor- und Nachteile dieser Modelle
- Einsatzzwecke dieser Modelle
- Unterschiedliche Technologie-Stacks, um solche Modelle zu betreiben
- Herausforderungen bei der Planung und bei dem Betrieb von lokalen Modellen
- Vor- und Nachteile dieser Modelle
- Einsatzzwecke dieser Modelle
- Unterschiedliche Technologie-Stacks, um solche Modelle zu betreiben
- Herausforderungen bei der Planung und bei dem Betrieb von lokalen Modellen
Empfohlene Fachliteratur
- Laskhamanan, V.; Hapke, H.: Generative AI Design Patterns: Solutions to Common Challenges When Building GenAI Agents and Applications, O'Reilly, 2025
- Gollnick, B.: Generative KI mit Python: KI im Unternehmenskontext – GenAI, Agenten und mehr! Der Guide für RAG-Anwendungen und Agentensysteme mit Vektordatenbanken und LLMs, Rheinwerk, 2025
- Gollnick, B.: Generative KI mit Python: KI im Unternehmenskontext – GenAI, Agenten und mehr! Der Guide für RAG-Anwendungen und Agentensysteme mit Vektordatenbanken und LLMs, Rheinwerk, 2025
Bewertungsmethoden und -Kriterien
Portfolioprüfung
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
6
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Vortrag, Gruppenarbeit, Präsentation und Diskussion von Aufgaben
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
2