Kurs · Schulung · Workshop
Spring AI: Intelligente Applikationen mit Java
Softwaresysteme mit KI-Fähigkeiten entwickeln und erweitern. Erlebe, wie du moderne Sprachmodelle mit Java und Spring AI in Applikationen einbettest und damit intelligente Anwendungen baust.
Der Aufstieg der Künstlichen Intelligenz hat unsere Welt revolutioniert und unzählige neue Möglichkeiten eröffnet. Anwendungen mit fortgeschrittenen Sprachfähigkeiten lassen sich heute effizienter und mit weniger Komplexität entwickeln. In diesem Kurs stehen Java-Bibliotheken wie Spring AI im Fokus. Behandelt werden zentrale Themen wie die Auswahl geeigneter Sprachmodelle (LLMs), Prompt Engineering sowie die Interaktion mit KI-Systemen. Durch praxisorientierte Hands-on-Sessions lernst du den Einsatz verschiedener Modelle für Szenarien wie Chat-Interaktionen, Bildgenerierung und Audio-Transkription. Du gewinnst konkrete Einblicke, wie sich die Werkzeuge von Spring AI nutzen lassen, um intelligente, enterprise-taugliche Anwendungen zu entwickeln.
Trainer
Stimmen unserer Teilnehmer:innen
Diese Kunden haben Kurse im gleichen Themen-Cluster bei uns gebucht.Mehr Kunden →
Inhalt
– Einführung in LLMs und Spring AI:
- Grundlagen der Künstlichen Intelligenz und Sprachmodelle
- Überblick über das Spring AI Framework – Grundlagen der KI-Interaktion:
- Prompts und Ausgabe-Parsing verstehen
- Erste Schritte mit Chat-Modellen
- Strukturierte Antworten verarbeiten – Prompt-Techniken und erweiterte Konzepte:
- Prompt Engineering Best Practices
- Stuffing, Chaining und Strukturierung von Prompts
- Optimierung der Modell-Interaktion – Retrieval Augmented Generation (RAG):
- Eigene Daten mit LLMs nutzen
- Vektordatenbanken und Embeddings
- Implementierung von RAG-Patterns – Funktionsaufrufe und strukturierte Ergebnisse:
- APIs und Systemintegration
- Function und Tool Calling mit Spring AI
- MCP Client und Server – Medienintegration:
- Bilderzeugung mit KI-Modellen
- Audio-Transkription und Sprachverarbeitung
- Multimodale Anwendungen entwickeln – Fortgeschrittene Praktiken:
- Evaluierung und Qualitätssicherung
- Observability und Monitoring
- Chat Memory und Guardrails – Multi-Model-Ansätze:
- Lokale und Cloud-Modelle kombinieren
- Modell-Auswahl und -Optimierung
- Kosteneffiziente KI-Strategien – Agentic Patterns:
- KI-gestützte Agenten für komplexe Aufgaben
- Workflow-Automatisierung mit KI
- Autonome Systeme entwickeln – Ausblick und Best Practices:
- Trends in der KI-Entwicklung
- Produktive KI-Anwendungen betreiben
Wir konzentrieren uns auf die Vertiefung und das Verständnis einer spezifischen Auswahl von Themen.
Der effektive Kursinhalt kann, abhängig von Trainer, Durchführung, Dauer und Konstellation der Teilnehmer:innen, von obigen Angaben abweichen.
In-House Kurs anfragen
Öffentlichen Termin anfragen
Kein passender öffentlicher Termin dabei? Trag dich unverbindlich ein – sobald genug Interesse besteht, planen wir einen neuen öffentlichen Termin und informieren dich zuerst.
Mehr über Spring AI
Spring AI ist ein Application Framework aus dem Spring-Ökosystem, das Entwicklern ermöglicht, KI-Funktionalitäten nahtlos in Java-Anwendungen zu integrieren. Es abstrahiert die Komplexität verschiedener Large Language Models (LLMs) und KI-Dienste hinter einer einheitlichen, Spring-typischen API und unterstützt dabei Konzepte wie Retrieval Augmented Generation (RAG), Prompt Engineering, Vektordatenbanken und agentenbasierte Workflows. Mit Spring AI lassen sich enterprise-taugliche KI-Anwendungen mit denselben bewährten Patterns entwickeln, die Java-Entwickler bereits aus Spring Boot kennen.Weitere Ressourcen:
History
Das Spring AI Projekt wurde 2023 ins Leben gerufen und auf der SpringOne-Konferenz in Las Vegas offiziell vorgestellt. Der Aufstieg von Large Language Models wie GPT-4 und der öffentliche Durchbruch von ChatGPT Ende 2022 schufen den Bedarf nach einem Framework, das KI-Fähigkeiten auf einfache Weise in bestehende Java-Unternehmensanwendungen bringt. Die erste öffentliche Version 0.8.0 erschien im Februar 2024.
Spring AI 1.0 GA wurde im Mai 2025 veröffentlicht und brachte stabile Unterstützung für diverse LLM-Anbieter, Vektordatenbanken, das Model Context Protocol (MCP) sowie agentenbasierte Patterns. Das Framework entwickelt sich seitdem mit hohem Tempo weiter und adressiert die wachsenden Anforderungen von Unternehmen an sichere, skalierbare und wartbare KI-Integration.