Spring AI in der Praxis: LLMs, RAG und MCP für Java-Entwickler

Ziele der Schulung

In dieser 2-tägigen Schulung "Spring AI in der Praxis: LLMs, RAG und MCP für Java-Entwickler" lernen Sie künstliche Intelligenz, Large Language Models (LLMs) und standardisierte KI-Ökosysteme nahtlos in bestehende und neue Java-Anwendungen zu integrieren.

Nach dem Seminar können Sie:

• Die Kernkonzepte von Spring AI verstehen und in die Spring-Infrastruktur integrieren.
• Modelle führender Anbieter flexibel ansteuern und austauschen.
• Retrieval-Augmented Generation (RAG) mit Vektordatenbanken von Grund auf implementieren, um KI mit eigenen Unternehmensdaten zu füttern.
• Model Context Protocol (MCP) nutzen, um modulare, standardisierte Clients und Server für KI-Werkzeuge und Datenquellen zu bauen.
• Function Calling einsetzen, um der KI den sicheren Zugriff auf reale Java-Methoden, Datenbanken und APIs zu erlauben.

Zielgruppe Seminar

Dieses Seminar richtet sich an:

• Java-Entwickler und Software-Architekten, die im Spring-Ökosystem (Spring Boot) zu Hause sind und moderne KI-Features in ihre Anwendungen integrieren möchten.
• Technical Leads, die fundierte Entscheidungen über die Architektur von KI-gestützten Java-Anwendungen und die Anbindung von Datenquellen treffen müssen.

Voraussetzungen

• Fundierte Kenntnisse in der Java-Entwicklung.
• Sicherer Umgang mit dem Spring Boot Framework.

Seminarinhalt

Grundlagen, Chat-Modelle & Prompt Engineering

Einführung in die generative KI & das Spring AI Ökosystem

• Architektur von LLMs: Token, Kontextfenster und Funktionsweise
• Warum Spring AI? Philosophie hinter dem Framework (Portabilität und Abstraktion)
• Setup des Projekts (Spring Boot Starter, Dependencies und API-Keys)

Interaktion mit Chat-Modellen (ChatClient & ChatModel)

• ChatModel-Interface: Synchroner vs. asynchroner (Streaming) Aufruf
• Konfiguration von Modellen (OpenAI, Anthropic, lokale Modelle via Ollama)

Prompt Engineering & Strukturierte Ausgaben

• Arbeiten mit Prompt und PromptTemplate
• Rollenverteilung: System-, User- und Assistant-Messages
• Strukturierte Ausgaben (Structured Outputs): KI-Antworten direkt in Java-POJOs (JSON) mappen

RAG & Vektordatenbanken (Einbindung eigener Daten)

Retrieval-Augmented Generation (RAG)

• RAG-Muster: Warum LLMs Zugriff auf interne Daten brauchen
• Embeddings: Text in mathematische Vektoren übersetzen (EmbeddingModel)

Dokumenten-Verarbeitung & Vector Stores

• Dokumente einlesen (ETL-Pipeline: Reader, Splitter, Writer)
• Anbindung von Vector Stores in Spring AI.
• Der QuestionAnsweringAdvisor für automatisiertes RAG

Tools, Function Calling & MCP

Klassisches Function Calling

• Wie KI-Modelle Java-Code ausführen können
• Registrierung von Java-Functions als Tools für das LLM

Model Context Protocol (MCP)

• Was ist MCP? Offener Standard zur Verbindung von KI-Modellen mit Datenquellen und Werkzeugen
• Architektur von MCP: Clients, Server und Hosts
• Spring AI als MCP Client: Anbindung vorgefertigter und externer MCP-Server (z.B. Dateisysteme, GitHub, PostgreSQL)
• Spring AI als MCP Server: Eigene Java-Services standardisiert als MCP-Werkzeuge für andere KI-Systeme bereitstellen

Open Badge für dieses Seminar - Ihr digitaler Kompetenznachweis

Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erhalten Sie zusätzlich zu Ihrem Teilnehmerzertifikat ein digitales Open Badge (Zertifikat) – Ihren modernen Nachweis für erworbene Kompetenzen.

Ihr Open Badge ist jederzeit in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com-Konto verfügbar. Mit wenigen Klicks können Sie diesen digitalen Nachweis in sozialen Netzwerken teilen, um Ihre Expertise sichtbar zu machen und Ihr berufliches Profil gezielt zu stärken.

Übersicht: Spring Framework Schulungen Portfolio

Mehr zu den Vorteilen von Badges

Seminare kurz vor der Durchführung