CAS LLMs and AI Agents (Bootcamp) Produktionsreife LLM-Systeme entwickeln

Die Weiterbildung in der Übersicht

Das CAS LLMs and AI Agents (Bootcamp) schliesst diese Lücke zwischen überzeugendem Prototyp und tragfähigem Betrieb – im technischen, anwendungsnahen Umfeld moderner Sprach-KI: Large Language Models, AI Agents und deren Integration in reale Arbeitsprozesse, Datenlandschaften und bestehende IT-Systeme. Das CAS vermittelt, wie LLM-basierte Anwendungen und Agentensysteme systematisch konzipiert, umgesetzt, evaluiert, abgesichert, eingesetzt und betrieben werden.

Lernziele

In diesem CAS werden Sie zur Fachperson, die LLM-basierte Anwendungen und AI-Agent-Systeme konzipiert, evaluiert, absichert und betreibt – und in Ihrer Organisation Verantwortung für deren sicheren Einsatz übernimmt.

Nach Abschluss des CAS können Sie:

• geeignete Anwendungsfälle für LLMs, Retrieval-Augmented Generation (RAG) und AI Agents beurteilen, abgrenzen und die passende technische Lösung wählen
• KI-Anwendungen entwickeln, die auf verlässliche Daten- und Wissensquellen zugreifen
• AI Agents kontrolliert mit Tools, Daten und bestehenden Systemen verbinden
• Qualität, Sicherheit, Kosten und Geschwindigkeit von KI-Lösungen evaluieren
• Risiken wie Halluzinationen, Datenverlust oder unerwünschte Systemaktionen adressieren
• KI-Lösungen installieren, überwachen und laufend weiterentwickeln

Über das gesamte CAS-Programm hinweg entwickeln Sie ein eigenes Transferprojekt aus Ihrem beruflichen Umfeld. 

Das Programm bietet Ihnen:

• Praxisprojekte: Sie bauen, evaluieren und betreiben eigene LLM- und Agent-Anwendungen und entwickeln ein Portfolio – von der ersten lauffähigen Anwendung bis zur produktionsnahen Lösung.
• Lernen mit und von Expertinnen und Experten: Erfahrene Praktiker:/innen begleiten Sie durch alle Module, geben individuelles Feedback und unterstützen bei konzeptionellen wie technischen Fragen.
• Produktionsreife als Kernkompetenz: Sie lernen nicht nur, wie LLM-Anwendungen und KI-Agenten funktionieren, sondern wie ihre Qualität gemessen, ihre Risiken kontrolliert und wie sie verantwortungsvoll betrieben werden.
• Transferorientierte Projektarbeit: Wir integrieren reale Anwendungsfälle, etwa unternehmensspezifische Mini-Projekte oder explorative Proof-of-Concepts. Ihr Leistungsnachweis ist ein selbst gewähltes Projekt, welches Sie über alle sechs Module weiterentwickeln und schliessen es mit optionalem Coaching eigenständig ab. 
• Karriereimpulse: Ob Sie Verantwortung für LLM-basierte Lösungen übernehmen, sie beurteilen oder ihre Einführung leiten wollen – das CAS gibt Ihnen die nötigen Kompetenzen. 
• Kontakte und Austausch: Sie vernetzen sich mit Fach- und Führungskräften aus verschiedenen Branchen und profitieren vom gemeinsamen Lernprozess einer motivierten Community. 

Module und Inhalte

Das CAS umfasst ein praxisorientiertes 12-Tage-Programm: sechs zweitägige Module im Freitag-Samstag-Rhythmus. Jedes Modul legt zuerst eine direkt anwendbare Kernkompetenz (Tag 1) und vertieft diese mit Blick auf Qualität, Sicherheit, Integration, Deployment und Betrieb (Tag 2).

1. Tag (Freitag) – Grundlagen und Hands-on-Anwendung: Der erste Modultag vermittelt eine vollständige, direkt anwendbare Kernkompetenz zu LLMs und AI Agents.
2. Tag (Samstag) – Vertiefung Produktivbetrieb: Der zweite Modultag führt die Grundlagen in Richtung realen Einsatz weiter: Ergebnisqualität, Sicherheit, Integration in bestehende Systeme und Datenlandschaften, Deployment und Betrieb.

Modul 1: Foundations of LLMs and AI System Design  

1. Tag 1 – Grundlagen: Fundierte Einführung in die zentralen Konzepte von Natural Language Processing und Large Language Models: Tokenisierung, Vektorrepräsentationen, Transformer-Modelle und Prompt Engineering. Sie wenden sie in realistischen Übungen an und bauen Ihre erste strukturierte LLM-Anwendung. 
2. Tag 2 – Vertiefung: LLM-Anwendungen verlässlich gestalten: strukturierte Modellantworten, definierte Eingaben, erwartete Ergebnisse und bekannte Grenzen. Sie entwickeln eine erste, klar abgegrenzte Anwendung als Ausgangspunkt Ihres Transferprojekts. 

Modul 2: Knowledge Systems and Retrieval-Augmented Generation (RAG) 

1. Tag – Grundlagen: Wie LLM-Anwendungen auf Dokumente, interne Informationen und Wissensquellen zugreifen. Sie bauen Retrieval-Augmented-Generation-Pipelines für Kontextoptimierung und belegbare Antworten.
2. Tag – Vertiefung: Sie verbessern die Qualität der abgerufenen Informationen und arbeiten hands-on an vertraulichen Daten, Zugriffsrechten und der Pflege von Wissensquellen – den Voraussetzungen für belastbare RAG-Systeme.

Modul 3: AI Agents and Controlled Workflows

1. Tag – Grundlagen: Der Unterschied zwischen Chatbots, automatisierten Workflows und AI Agents. Sie bauen Agentensysteme, die Aufgaben selbstständig strukturieren, Tools steuern und Entscheidungen treffen, und lernen das Model Context Protocol (MCP) für einheitlichen Zugriff auf externe Tools, Datenquellen und APIs kennen. Dazu kommen Agent-Orchestrierung und Multi-Agent-Workflows – von der sequenziellen Aufgabenbearbeitung bis zu parallelen Agent-Systemen.
2. Tag – Vertiefung: Sie bauen einen kontrollierten Agenten, der Informationen verarbeitet und geregelt mit einem Tool oder externen System interagiert. Im Fokus stehen klare Prozesse, Berechtigungen, Freigaben, Fehlerbehandlung und nachvollziehbare Entscheidungen – die Bedingungen, unter denen Agenten reale Aufgaben übernehmen.

Modul 4: Quality, Safety and Responsible Use

1. Tag – Grundlagen: Warum Leistungsfähigkeit allein nicht genügt: Bias-Erkennung, Fairness und Transparenz in LLM-basierten Systemen. In Übungen setzen Sie Red-Teaming-Strategien ein, um LLMs gezielt auf Schwachstellen, unerwünschte Outputs und Sicherheitsrisiken zu testen.
2. Tag – Vertiefung: Sie evaluieren Ihre LLM-Anwendungen systematisch: Testfälle, schwierige Eingaben, Qualitätskriterien, Antwortqualität. Sie adressieren zentrale Risiken – Halluzinationen, Manipulationsversuche (Jailbreaks, Prompt Injections), Datenverlust, unerwünschte Agent-Aktionen – und implementieren Schutzmechanismen: Guardrails, Freigaben und klare Regeln für den KI-Einsatz.

Modul 5: Customizing, Deploying and Scaling Models

1. Tag – Grundlagen: Wann genügen bestehende Modelle, wann lohnen sich zusätzliche Wissensquellen, Anpassungen oder kleinere spezialisierte Modelle? Sie wägen Aufwand, Qualität, Datenschutz und Nutzen ab und probieren die Optionen praktisch aus.
2. Tag – Vertiefung: Sie erkunden Deployment-Formen – Cloud, On-Premises, hybrid – und deren Auswirkungen auf Kosten, Geschwindigkeit, Datenschutz und Integration in bestehende IT-Landschaften. Anschliessend deployen Sie Ihre eigene Anwendung.

Modul 6: LLMOps and Operating Production-Grade AI Systems 

1. Ta – Grundlagen: Wie LLM-Anwendungen technisch verpackt, evaluiert und freigegeben werden: Sie arbeiten hands-on mit automatisierter Evaluation, Versionierung, Schnittstellen, Logging und Monitoring.
2. Tag – Vertiefung: Betrieb nach dem Go-live: Sie überwachen Qualität, Kosten und Systemverhalten, gehen mit Fehlern und Ausfällen um und üben kontinuierliche Verbesserung im Produktivbetrieb. Sie finalisieren das Betriebskonzept für Ihr Transferprojekt.