Workshops: Prompt Engineering
Prompt Engineering für Entwickler: System-Prompts, APIs, Evals
Dieser zweitägige Workshop richtet sich an Softwareteams, die KI-Funktionen in eigene Produkte einbauen. Sie lernen, System-Prompts wie Code zu entwerfen, LLM-APIs mit Structured Outputs und Tool Use sauber anzubinden und die Qualität mit Evals messbar zu machen, statt nach Bauchgefühl zu deployen.
Für wen ist der Workshop?
- Backend- und Full-Stack-Entwicklerinnen und -Entwickler
- Tech Leads und Software-Architekten
- Data Scientists und ML Engineers mit Produktfokus
- Produktteams, die LLM-Features planen
- DevOps- und Plattform-Teams für KI-Infrastruktur
Das nehmen Sie mit
- Sie schreiben System-Prompts mit klarer Struktur, Versionierung und dokumentierten Annahmen.
- Sie binden die APIs von OpenAI, Anthropic, Google und Mistral an und kennen die wesentlichen Parameter.
- Sie erzwingen valide JSON-Ausgaben über Structured Outputs und Schemas.
- Sie implementieren Tool Use bzw. Function Calling und behandeln Fehlerfälle robust.
- Sie bauen ein Eval-Set auf und messen Prompt-Änderungen automatisiert.
- Sie berücksichtigen Kosten, Latenz, Prompt Caching und Sicherheit bereits im Design.
Agenda
Modul 1
Tag 1: System-Prompts als Software-Artefakt
- Aufbau: Rolle, Kontext, Regeln, Ausgabeformat, Beispiele
- Prompts versionieren, reviewen und testen wie Code
- XML-Tags, Delimiter und Kontextstrukturierung
Modul 2
Tag 1: LLM-APIs in der Praxis
- Messages-Format, Temperatur, Max Tokens, Streaming
- Structured Outputs und JSON-Schemas
- Übung: Ein Extraktions-Feature mit validierter Ausgabe
Modul 3
Tag 2: Tool Use und Retrieval
- Function Calling und Tool-Definitionen entwerfen
- RAG-Grundlagen: Kontext auswählen, Quellen zitieren
- Fehlerbehandlung, Retries und Fallback-Modelle
Modul 4
Tag 2: Evals und Qualitätssicherung
- Testdatensätze, Bewertungskriterien, LLM-as-a-Judge
- Regressionstests in CI integrieren
- Übung: Eval-Pipeline für das eigene Feature
Modul 5
Tag 2: Betrieb und Sicherheit
- Kosten, Latenz, Prompt Caching und Modellwahl
- Prompt Injection, Datenabfluss und Logging
- Datenschutz bei API-Nutzung und EU AI Act-Transparenzpflichten
Vom Demo-Prompt zum produktionsreifen Feature
Ein Prototyp mit LLM ist in einer Stunde gebaut. Der Weg zum verlässlichen Feature ist deutlich länger: unvorhersehbare Eingaben, Formatfehler, Modell-Updates und Kosten müssen beherrscht werden. Genau diese Lücke schließt der Workshop.
Unsere AI Code Engineers vermitteln Muster, die sich in realen Projekten bewährt haben, und arbeiten mit Ihrem Stack und Ihrer Programmiersprache.
APIs und Werkzeuge
Wir arbeiten anbieterübergreifend und zeigen Unterschiede in API-Design und Fähigkeiten. Für die Entwicklung selbst setzen wir Coding-Agenten ein.
- OpenAI API und Anthropic Claude API
- Google Gemini API und Mistral API (EU)
- Coding-Tools wie Claude Code, Cursor, GitHub Copilot und OpenAI Codex
- Eval- und Observability-Ansätze für LLM-Anwendungen
Sicherheit und Regulierung
LLM-Features eröffnen neue Angriffsflächen, allen voran Prompt Injection. Zudem können Pflichten aus dem EU AI Act greifen, etwa Transparenz bei Systemen, die mit Menschen interagieren. Wir zeigen, wie Sie diese Anforderungen technisch berücksichtigen; für die rechtliche Einordnung empfehlen wir die Abstimmung mit Ihrer Compliance.
Häufige Fragen
In welcher Programmiersprache arbeiten wir?
Standardmäßig in Python oder TypeScript, da beide offizielle SDKs der großen Anbieter haben. Auf Wunsch passen wir die Übungen an Ihren Stack an.
Brauchen wir eigene API-Keys?
Idealerweise ja, damit die Übungen in Ihrer Umgebung laufen und Sie den Code weiterverwenden können. Alternativ stimmen wir vorab eine Übungsumgebung ab.
Ist das ein Workshop über Coding-Agenten?
Nein, hier geht es darum, LLMs in Ihre eigene Software einzubauen. Für das Programmieren mit Agenten wie Claude Code oder Cursor bieten wir eigene Agentic-Coding-Workshops an.
Workshop
Kontakt aufnehmen
Sollen wir den Workshop an Ihrem konkreten KI-Feature ausrichten?
Erzählen Sie uns kurz von Ihrem Team – wir melden uns innerhalb von 24 Stunden mit einem Vorschlag für Inhalte, Format und Termin.
Lieber direkt sprechen?
Weitere Workshops
- Workshops: Prompt EngineeringPrompt-Bibliothek fürs Team aufbauen und pflegen: Workshop
- Workshops: Prompt EngineeringPrompting für Bild-KI: Midjourney, ChatGPT, Firefly & Gemini
- Workshops: Prompt EngineeringContext Engineering: Prompting für KI-Agenten – Workshop
- Workshops: EU AI Act & ComplianceEU AI Act für Geschäftsführung & Vorstand: Workshop
