Für wen ist dieser Kurs zur KI-Entwicklung geeignet – und für wen nicht?
Es richtet sich an Analysten, technische Produktmanager, Berater, Datenfachleute und Nachwuchsentwickler, die grundlegenden Python-Code schreiben können und interne Werkzeuge um KI-Funktionen erweitern möchten: eine Hilfe zur Beantwortung von Fragen zu Dokumenten, ein Werkzeug zur Klassifizierung von Support-E-Mails oder eine Zusammenfassungsfunktion, die Daten liefert, die sich in einer Tabellenkalkulation nutzen lassen.
Es ist weder ein Vollzeit-Intensivlehrgang noch ein Studium des maschinellen Lernens oder eine Arbeitsplatzgarantie. Sie trainieren keine Modelle und stimmen sie auch nicht fein ab. Ebenso wenig befassen Sie sich mit der Mathematik neuronaler Netze. Der Schwerpunkt liegt auf der technischen Umsetzung rund um ein Modell: Eingaben, Ausgaben, Kosten, Qualität, Sicherheit und Datenschutz.
Was lerne ich, wenn ich in diesem Kurs KI-Anwendungen entwickle?
Sechs Module, in denen Sie jeweils einen funktionsfähigen Teil einer größeren Anwendung erstellen. Die Beschreibungen der Anbieterfunktionen orientieren sich an der jeweiligen Entwicklerdokumentation der Anbieter. Der Funktionsumfang unterscheidet sich je nach Anbieter.
1. So funktionieren KI-Schnittstellen
Aus Python eine Anfrage an die Programmierschnittstelle eines Modells senden, die Antwort lesen und den Schnittstellenschlüssel in einer Umgebungsvariablen statt im Code speichern.
2. Ein Modell auswählen und Kosten verwalten
Modelle hinsichtlich Qualität, Geschwindigkeit und Preis für eine Aufgabe vergleichen, dabei die Preisseite des jeweiligen Anbieters nutzen und die Kosten einer Funktion pro Nutzung abschätzen.
3. Strukturierte Ausgabe
Zuverlässiges JSON erhalten. Laut der OpenAI-Dokumentation sorgen strukturierte Ausgaben dafür, dass Antworten einem von Ihnen vorgegebenen JSON-Schema entsprechen; Sie müssen trotzdem jede Antwort im Code validieren.
4. Einbettungen und abrufgestützte Generierung
Embeddings messen, wie eng Textabschnitte inhaltlich zusammenhängen. Sie nutzen sie, um relevante Passagen zu finden, und setzen darauf RAG auf: Antworten auf Grundlage Ihrer eigenen Dokumente mit Quellenangaben.
5. Bewertung
Konkrete, messbare Erfolgskriterien und einen Testsatz erstellen, der reale Aufgaben einschließlich Grenzfällen abbildet, und die Ausgaben anschließend nach Möglichkeit automatisch bewerten.
6. Sicherheit, Datenschutz und Überwachung
Schutz vor Prompt-Injection, keine Nutzerdaten in Protokollen, zusätzliche Eingabeprüfungen und Anfragelimits sowie Überwachung von Fehlern, Kosten und Qualität nach der Veröffentlichung.
Brauche ich Vorkenntnisse für diesen LLM-Kurs?
Ja. Voraussetzung ist der Python-Kurs von Tosheo.ai oder ein gleichwertiger Kenntnisstand: Sie sollten Funktionen schreiben, Listen und Dictionaries verwenden, Dateien lesen und schreiben, ein Paket in einer virtuellen Umgebung installieren und eine Web-API aufrufen können. Zeigt der Einstufungstest Lücken, werden die fehlenden Python-Lektionen an den Anfang Ihres Lernpfads gesetzt, statt Sie mit diesen Lücken allein zu lassen. Vorkenntnisse im maschinellen Lernen brauchen Sie nicht.
Wie passt sich der personalisierte Lernpfad an mich an?
Im Einstufungstest lesen Sie ein kurzes Skript, das eine Modell-API aufruft, und erklären, was schiefgeht, wenn die Antwort kein gültiges JSON ist. Außerdem werden Sie gefragt, was Sie entwickeln möchten. Wer eine Dokumentensuche plant, beschäftigt sich länger mit Einbettungen und RAG; wer einen Klassifikator entwickelt, vertieft sich stärker in strukturierte Ausgaben und deren Bewertung.
Wenn Sie bereits API-Aufrufe durchführen können, beschränkt sich das erste Modul auf einen kurzen Wissenscheck. Danach steigen Sie direkt bei Kosten und Modellauswahl ein.
Was übe ich?
Jede Aufgabe besteht aus Code, den Sie mit erfundenen Daten über die API eines echten Modells ausführen. Ein Beispiel aus Modul vier: Kestrel Lettings, eine fiktive Hausverwaltung, hat fünfzehn erfundene Richtliniendokumente für Vermieter. Sie entwickeln einen kleinen RAG-Assistenten, der Fragen beantwortet, etwa mit welcher Frist eine Besichtigung angekündigt werden muss, und dabei die verwendete Textstelle zitiert.
Die Bewertungskriterien sind sichtbar, bevor Sie beginnen. Bewertet wird, ob jede Antwort eine Textstelle als Beleg nennt, die die Antwort tatsächlich enthält, ob der Assistent angibt, dass er die Antwort nicht kennt, wenn die Dokumente dazu keine Angaben enthalten, ob Sie mindestens zehn Fragen getestet haben, darunter drei, auf die es in den Dokumenten keine Antwort gibt, und ob Sie die Kosten des Testlaufs dokumentiert haben.
Wie lange dauert der Kurs für KI-Engineering?
Die Lektionen dauern jeweils 10 bis 15 Minuten. Der Code bleibt kurz genug, damit Sie ihn in einer Sitzung bearbeiten können. Die Anzahl der Lektionen in Ihrem Lernpfad hängt von Ihrem Einstufungstest ab, insbesondere von Ihren Python-Kenntnissen, sowie von Ihrem Lerntempo. Deshalb geben wir keine Stundenzahl an.
Was bekomme ich am Ende?
Die abschließende praktische Prüfung besteht aus einer kleinen KI-Funktion, die Sie entwickeln, bewerten und dokumentieren. Wenn Sie bestehen, erhalten Sie ein anerkanntes Zertifikat. Es handelt sich nicht um einen akkreditierten Abschluss, und das Zertifikat wird von keinem Modellanbieter ausgestellt oder befürwortet.
Wie viel kostet der Kurs für KI-Engineering?
Der Einzeltarif von Tosheo.ai, der diesen Kurs umfasst, kostet USD 79 monatlich oder USD 790 jährlich. Der Teamtarif kostet USD 189 monatlich oder USD 1,890 jährlich für bis zu 3 Mitglieder; zusätzliche Mitglieder kosten USD 49 monatlich oder USD 490 jährlich. Teams ab 25 Mitgliedern erhalten Mengenpreise. Modellanbieter berechnen die API-Nutzung separat. Der Kurs zeigt Ihnen, wie Sie den Umfang von Testläufen klein halten. Probieren Sie es zunächst mit einer kostenlosen 7-tägigen Testphase aus, ohne Kreditkarte.
Quellen und Geltungsbereich
OpenAI-API-Dokumentation, strukturierte Ausgaben, geprüft am 19 October 2026 ↗
OpenAI-API-Dokumentation, Einbettungen, geprüft am 19 October 2026 ↗
OpenAI-API-Dokumentation, Datenkontrollen auf der OpenAI-Plattform, geprüft am 19 October 2026 ↗
Claude-Dokumentation, Halluzinationen reduzieren, geprüft am 19 October 2026 ↗
OWASP Top 10 für LLM-Anwendungen 2025, LLM01 Prompt-Injektion, geprüft am 19. Oktober 2026 ↗