Spring Boot meets AI - Intelligente Systeme programmieren

Modul 1: Einführung in Spring AI

• Überblick zu LLMs & generativer KI
• Architektur von Spring AI
• Anbieterintegration (OpenAI, Hugging Face)
• Auto-Konfiguration & Maven-Abhängigkeiten

Modul 2: Erste Schritte & API-Nutzung

• Spring Boot Setup mit AI-Komponenten
• TextGenerationClient & REST Endpoints
• Logging & Exception Handling

Modul 3: Prompt Engineering & Parsing

• Best Practices für PromptTemplates
• Structured Outputs mit OutputParsers
• Einsatz von SpEL (Spring Expression Language)

Modul 4: Agents & Tools

• ToolExecutor & Agent Loop verstehen
• ToolResolver und externe API-Anbindung
• Agentenbasierte Abläufe modellieren

Modul 5: Evaluation & Monitoring

• Relevante Metriken (BLEU, ROUGE)
• Prompt-Tests mit JUnit
• Einsatz der Evaluator API
• Observability mit Prometheus & OpenTelemetry

Modul 6: Retrieval Augmented Generation (RAG)

• RAG-Architektur und Use Cases
• Vektor-Datenbanken & Spring VectorStore API
• Embedding, Indexierung & kontextbasierte Abfragen

Modul 7: Best Practices & Mini-Projekt

• Guardrails & Sicherheitsrichtlinien
• Prompt-Versionierung & Testbarkeit
• End-to-End Use Case mit Tooling, Logging & Evaluation

Zielgruppe

Das Seminar richtet sich an:

• Java-Entwickler:innen mit Spring-Erfahrung
• Backend-Entwickler:innen mit Interesse an LLMs und RAG
• IT-Professionals, die KI-Funktionalitäten in bestehende Anwendungen integrieren möchten

Voraussetzungen

Empfohlen werden:

• Gute Kenntnisse in Java (OOP, Generics, Exception Handling)
• Erfahrung mit Spring Boot (Dependency Injection, Projektstruktur)
• Vertrautheit mit Build-Tools wie Maven
• Grundlegende Kenntnisse in Spring Data