Dieses Modul konzentriert sich auf eine der leistungsstärksten Techniken zur Verbesserung von LLMs: Retrieval-Augmented Generation (RAG). Sie lernen, wie Sie Modelle auf externe, private oder Echtzeit-Datenquellen abstimmen, um genauere und kontextbezogene Antworten zu liefern. Sie beginnen mit dem Aufbau einer grundlegenden RAG-Pipeline unter Verwendung von Azure-Diensten und lernen anschließend, wie Sie fortgeschrittene Systeme mit Techniken wie semantischem Ranking und ausgefeilten Strategien zur Datenaufteilung erstellen und optimieren. Wichtiger Hinweis zur Azure-Benutzeroberfläche: Die Screencast-Videos und Screenshots wurden zuletzt Ende 2025 aktualisiert. Bitte beachten Sie, dass Microsoft die Azure-Benutzeroberfläche seitdem möglicherweise aktualisiert hat. Sollten die in den Kursunterlagen gezeigten Schritte von Ihrer aktuellen Azure-Umgebung abweichen, orientieren Sie sich bitte an der aktuellsten Benutzeroberfläche, da die zugrunde liegenden Konzepte und Lernziele unverändert bleiben.

Dieses Modul befasst sich mit dem Fine-Tuning als leistungsstarker Methode zur Anpassung des Kernverhaltens, des Stils oder des Wissens eines LLM an Aufgaben der Spezialisierung. Sie lernen den gesamten Fine-Tuning-Workflow kennen, von der Vorbereitung eines hochwertigen Datensatzes über den Start des Trainingsauftrags bis hin zur Bewertung der Leistung des angepassten Modells in Azure. Vor allem lernen Sie, strategisch zu entscheiden, wann Sie Fine-Tuning gegenüber RAG – oder eine Kombination aus beidem – einsetzen sollten, um hochwirksame, domänenspezifische KI-Lösungen zu entwickeln. Wichtiger Hinweis zur Azure-Benutzeroberfläche: Die Screencast-Videos und Screenshots wurden zuletzt Ende 2025 aktualisiert. Bitte beachten Sie, dass Microsoft die Azure-Benutzeroberfläche seitdem möglicherweise aktualisiert hat. Sollten die in den Kursunterlagen gezeigten Schritte von Ihrer aktuellen Azure-Umgebung abweichen, orientieren Sie sich bitte an der aktuellsten Benutzeroberfläche, da die zugrunde liegenden Konzepte und Lernziele unverändert bleiben.

Dieses Modul schlägt eine Brücke von der Theorie zur Praxis, indem es Sie durch den gesamten Prozess der Entwicklung und Bereitstellung einer vollständigen generativen KI-Anwendung führt. Sie lernen, die Architektur und den Benutzerablauf einer Anwendung zu entwerfen, bevor Sie diese mithilfe der Tools „Azure AI Foundry“ und „Prompt Flow“ erstellen. Anschließend behandelt das Modul den entscheidenden MLOps-Lebenszyklus und vermittelt Ihnen, wie Sie Ihre Anwendung als sicheren Endpunkt bereitstellen, sie in einer Produktionsumgebung verwalten und mit Azure Monitor eine Überwachung hinsichtlich Leistung und Kosten implementieren. Wichtiger Hinweis zur Azure-Benutzeroberfläche: Die Screencast-Videos und Screenshots wurden zuletzt Ende 2025 aktualisiert.Bitte beachten Sie, dass Microsoft die Azure-Benutzeroberfläche seitdem möglicherweise aktualisiert hat. Sollten die in den Kursunterlagen gezeigten Schritte von Ihrer aktuellen Azure-Umgebung abweichen, orientieren Sie sich bitte an der aktuellsten Benutzeroberfläche, da die zugrunde liegenden Konzepte und Lernziele unverändert bleiben.