Zum Hauptinhalt springen Zur Suche springen Zur Hauptnavigation springen
Beschreibung

Ihr Guide für eigene RAG-Anwendung!

Freuen Sie sich auf einen umfassenden Einstieg in die Welt der Generativen KI mit Python. Dieses Buch deckt Schlüsselkonzepte wie Large Language Models (LLMs), LangChain, Vektordatenbanken, das Model Context Protocol (MCP) und Retrieval-Augmented-Generation (RAG) ab. Sie lernen die Grundlagen des Prompt Engineering kennen, steigen ins Agentic Coding ein und erfahren, wie Sie Agentensysteme entwickeln und deployen.

Mit praxisnahen Beispielen und klaren Erklärungen tauchen Sie tief in die Materie ein - ideal für alle, die Generative KI-Lösungen mit Python umsetzen wollen.

  • Agentic Coding: Mit KI-Agenten eigenständig Code schreiben, testen und deployen
  • RAG-Anwendungen und Vektordatenbanken für wissensbasierte LLM-Anwendungen
  • MCP, Prompt Engineering, Agentensysteme u.v.m.

Aus dem Inhalt:

  • Große Sprachmodelle - LLMs und LMMs
  • Prompt Engineering
  • Sprachanalyse (NLP)
  • Vektordatenbanken
  • LangChain und LangGraph
  • Hugging Face
  • CrewAI
  • OpenAI- und andere APIs
  • Agentensysteme
  • Model Context Protocol (MCP)
  • Agentic Coding
  • Deployment

Ihr Guide für eigene RAG-Anwendung!

Freuen Sie sich auf einen umfassenden Einstieg in die Welt der Generativen KI mit Python. Dieses Buch deckt Schlüsselkonzepte wie Large Language Models (LLMs), LangChain, Vektordatenbanken, das Model Context Protocol (MCP) und Retrieval-Augmented-Generation (RAG) ab. Sie lernen die Grundlagen des Prompt Engineering kennen, steigen ins Agentic Coding ein und erfahren, wie Sie Agentensysteme entwickeln und deployen.

Mit praxisnahen Beispielen und klaren Erklärungen tauchen Sie tief in die Materie ein - ideal für alle, die Generative KI-Lösungen mit Python umsetzen wollen.

  • Agentic Coding: Mit KI-Agenten eigenständig Code schreiben, testen und deployen
  • RAG-Anwendungen und Vektordatenbanken für wissensbasierte LLM-Anwendungen
  • MCP, Prompt Engineering, Agentensysteme u.v.m.

Aus dem Inhalt:

  • Große Sprachmodelle - LLMs und LMMs
  • Prompt Engineering
  • Sprachanalyse (NLP)
  • Vektordatenbanken
  • LangChain und LangGraph
  • Hugging Face
  • CrewAI
  • OpenAI- und andere APIs
  • Agentensysteme
  • Model Context Protocol (MCP)
  • Agentic Coding
  • Deployment
Über den Autor
Bert Gollnick ist Senior Data Scientist mit Schwerpunkt auf künstlicher Intelligenz. Er unterrichtet Kurse zu Data Science und Machine Learning inklusive generativer KI und natürlicher Sprachverarbeitung. Bert hat an der Technischen Universität Berlin Luft- und Raumfahrttechnik und an der Universität Hagen Volkswirtschaftslehre studiert. Nach 17 Jahren in der Industrie fokussiert er sich nun auf seine Schulungsfirma, um Teilnehmern künstliche Intelligenz [...] lebt und arbeitet in Hamburg und bietet Präsenzkurse im deutschsprachigen Raum sowie Online-Kurse auch für ein internationales Publikum an.
Inhaltsverzeichnis

Materialien zum Buch ... 15

1. Vorwort ... 17

1.1 ... Zielsetzung des Buches ... 18

1.2 ... Zielgruppe ... 19

1.3 ... Was Sie schon wissen sollten ... 20

1.4 ... Struktur des Buches ... 20

1.5 ... Wie man dieses Buch effektiv nutzt ... 24

1.6 ... Systemeinrichtung ... 25

1.7 ... Danksagung ... 32

1.8 ... Konventionen in diesem Buch ... 33

2. Einführung in die generative KI ... 35

2.1 ... Einführung in die künstliche Intelligenz ... 38

2.2 ... Die Säulen des Fortschritts in der generativen KI ... 42

2.3 ... Deep Learning ... 46

2.4 ... Schwache und allgemeine KI ... 48

2.5 ... Natural Language Processing (NLP) ... 51

2.6 ... Large Language Models (LLMs) ... 56

2.7 ... Use-Cases ... 59

2.8 ... Die Grenzen von LLMs ... 61

2.9 ... Large Multimodal Models (LMMs) ... 62

2.10 ... Generative KI-Anwendungen ... 64

2.11 ... Zusammenfassung ... 66

3. Vortrainierte Modelle ... 69

3.1 ... Was sind vortrainierte Modelle? ... 71

3.2 ... Hugging Face ... 71

3.3 ... Modellauswahl ... 72

3.4 ... Coding: Textzusammenfassung ... 73

3.5 ... Übung: Übersetzung ... 75

3.6 ... Coding: Zero-Shot-Klassifikation ... 77

3.7 ... Coding: Füllmaske ... 80

3.8 ... Coding: Frage-Antwort-Modelle ... 81

3.9 ... Coding: Erkennung benannter Entitäten (Named Entity Recognition) ... 83

3.10 ... Coding: Text-zu-Bild ... 85

3.11 ... Übung: Text-zu-Audio ... 87

3.12 ... Abschlussprojekt: Kunden-Feedback analysieren ... 88

3.13 ... Zusammenfassung ... 91

4. Large Language Models ... 93

4.1 ... Eine kurze Geschichte der Sprachmodelle ... 94

4.2 ... LLMs mithilfe von Python nutzen ... 95

4.3 ... Modellparameter ... 109

4.4 ... Modellauswahl ... 113

4.5 ... Messages ... 116

4.6 ... Prompt Templates ... 117

4.7 ... Chains ... 122

4.8 ... LLM-Schutz und -Sicherheit ... 135

4.9 ... Modellverbesserungen ... 143

4.10 ... Neue Trends ... 144

4.11 ... Zusammenfassung ... 151

5. Prompt Engineering ... 153

5.1 ... Prompting -- die Grundlagen ... 154

5.2 ... Meta-Prompting ... 164

5.3 ... Strukturierte Inputs ... 165

5.4 ... Coding: Few-Shot-Prompting ... 166

5.5 ... Chain-of-Thought ... 168

5.6 ... Zero-Shot Chain-of-Thought ... 169

5.7 ... Coding: Self-Consistency Chain-of-Thought ... 169

5.8 ... Coding: Prompt-Chaining ... 173

5.9 ... Coding: Self-Feedback ... 175

5.10 ... Zusammenfassung ... 180

6. Vektordatenbanken ... 183

6.1 ... Einleitung ... 183

6.2 ... Der Data-Ingestion-Prozess ... 186

6.3 ... Dokumente importieren ... 187

6.4 ... Dokumente aufteilen ... 194

6.5 ... Einbettungen erstellen ... 211

6.6 ... Daten speichern ... 226

6.7 ... Daten abrufen ... 232

6.8 ... Abschlussprojekt ... 239

6.9 ... Zusammenfassung ... 251

7. Retrieval-Augmented Generation ... 253

7.1 ... Einleitung ... 254

7.2 ... Ein einfaches System zur Retrieval-Augmented Generation ... 258

7.3 ... Fortgeschrittene Techniken ... 265

7.4 ... Coding: Prompt-Caching ... 286

7.5 ... Evaluierung ... 292

7.6 ... Zusammenfassung ... 296

8. Agentensysteme ... 297

8.1 ... Einführung in KI-Agenten ... 298

8.2 ... Verfügbare Frameworks ... 300

8.3 ... Einfache Agentensysteme ... 301

8.4 ... Agenten-Framework: LangGraph ... 310

8.5 ... Agenten-Framework: Microsoft Agent Framework ... 324

8.6 ... Agenten-Framework: CrewAI ... 336

8.7 ... Agenten-Framework: OpenAI Agents ... 350

8.8 ... Agenten-Framework: Pydantic AI ... 356

8.9 ... Überwachung von Agentensystemen ... 359

8.10 ... Zusammenfassung ... 366

9. Model Context Protocol ... 369

9.1 ... Was ist das Model Context Protocol? ... 370

9.2 ... Das M×N-Integrationsproblem ... 371

9.3 ... Architektur: Host, Client und Server ... 372

9.4 ... Finden von geeigneten MCP-Servern ... 374

9.5 ... Coding: Einen bestehenden MCP-Server einbinden ... 374

9.6 ... Coding: Einen eigenen MCP-Server entwickeln ... 377

9.7 ... MCP in Agenten-Frameworks nutzen ... 383

9.8 ... Sicherheit und Grenzen ... 383

9.9 ... Zusammenfassung ... 387

10. Agentic Coding ... 389

10.1 ... Was ist Agentic Coding? ... 390

10.2 ... Die Werkzeuglandschaft ... 392

10.3 ... Kontextmanagement ... 405

10.4 ... Skills ... 412

10.5 ... Hooks ... 419

10.6 ... MCP-Anbindung ... 420

10.7 ... Arbeitsweisen und Workflows ... 422

10.8 ... Coding: Ein Projekt mit OpenCode umsetzen ... 424

10.9 ... Mit lokalen Modellen arbeiten ... 425

10.10 ... Best Practices, Kosten und Grenzen ... 426

10.11 ... Zusammenfassung ... 427

11. Deployment ... 429

11.1 ... Die Anwendungsarchitektur ... 430

11.2 ... Die Deploymentstrategie ... 432

11.3 ... Entwicklung einer eigenständigen Anwendung ... 442

11.4 ... Deployment auf Heroku ... 449

11.5 ... Deployment auf [...] ... 456

11.6 ... Deployment auf Render ... 459

11.7 ... Zusammenfassung ... 461

12. Ausblick ... 463

12.1 ... Fortschritte in der Modellarchitektur ... 463

12.2 ... Grenzen und Probleme von LLMs ... 464

12.3 ... Regulatorische Entwicklungen ... 470

12.4 ... Künstliche allgemeine Intelligenz und künstliche Superintelligenz ... 470

12.5 ... KI-Fähigkeiten in der nahen Zukunft ... 471

12.6 ... Hilfreiche Ressourcen und Empfehlungen ... 473

12.7 ... Zusammenfassung ... 474

Über den Autor ... 477

Index ... 479

Details
Erscheinungsjahr: 2026
Fachbereich: Programmiersprachen
Genre: Informatik, Mathematik, Medizin, Naturwissenschaften, Technik
Rubrik: Naturwissenschaften & Technik
Medium: Buch
Inhalt: 485 S.
ISBN-13: 9783367120093
ISBN-10: 336712009X
Sprache: Deutsch
Einband: Gebunden
Autor: Gollnick, Bert
Auflage: 2. Auflage
Hersteller: Rheinwerk Verlag GmbH
Verantwortliche Person für die EU: Rheinwerk Verlag GmbH, Rheinwerkallee 4, D-53229 Bonn, service@rheinwerk-verlag.de
Maße: 247 x 181 x 32 mm
Von/Mit: Bert Gollnick
Erscheinungsdatum: 05.11.2026
Gewicht: 1,037 kg
Artikel-ID: 136472746

Ähnliche Produkte