Ihr Nutzen aus dieser Schulung.
- Sie verstehen, wie LLMs in einer Java-/Spring-Boot-Architektur sinnvoll eingebunden werden – von einfachen Chat-Endpunkten bis zu komplexen Workflows.
- Sie entwickeln KI-gestützte Microservices mit Spring AI, LangChain4j und Tool Calling und machen Ihre Anwendungen deutlich intelligenter und flexibler.
- Sie setzen RAG, Embeddings und Vektordatenbanken praktisch ein, um kontextbezogene Antworten aus Ihren eigenen Daten zu generieren.
- Sie lernen, wie Sie mit Agentenlogik und agentischen Workflows KI-Agenten bauen, die Entscheidungen treffen und Tools orchestrieren.
- Sie erhalten konkrete Patterns, Best Practices und Teststrategien, um KI-Funktionalitäten stabil, sicher und wartbar in Ihre bestehende Microservice-Landschaft zu integrieren.
Viele Teams stehen heute vor derselben Herausforderung: Die Microservice-Landschaft läuft stabil, aber KI-Funktionalitäten fehlen – oder werden nur über externe „Bastel-Integrationen“ angebunden. Die Folge: fragile Schnittstellen, unklare Verantwortung und wenig Vertrauen in die Ergebnisse.
In dieser Schulung entwickeln Sie Schritt für Schritt einen durchgängigen, KI-gestützten Microservice-Use-Case. Ausgangspunkt ist eine bestehende Java-/Spring-Boot-Anwendung mit klassischen REST-Endpoints. Ziel ist ein Service, der LLMs sicher integriert, eigene Daten nutzt und per Tool Calling Aktionen ausführt.
Gemeinsam mit der Trainerin oder dem Trainer modellieren Sie zunächst einen Microservice, der Nutzereingaben entgegennimmt und über Spring AI ein LLM ansteuert. Anschließend erweitern Sie diesen Service um:
- kontextspezifische Antworten auf Basis Ihrer eigenen Daten (RAG, Embeddings, Vektordatenbank),
- Tool-Aufrufe, z. B. zum Anstoßen eines internen Workflows oder Abruf von Systemdaten,
- sowie Agentenlogik, mit der Ihr Service mehrere Schritte selbstständig plant und ausführt.
Sie lernen, wie Sie KI-Funktionalitäten sauber in Ihre Architektur integrieren, statt „irgendwo im Backend“ ein Modell anzukleben. Im Training nutzen Sie Tools wie IntelliJ mit AI-Unterstützung, Testcontainers und Mocking für generative Antworten, sodass Sie Ihre Implementierungen sicher testen und CI/CD-fähig machen.
Am Ende der Schulung verfügen Sie über einen Referenz-Use-Case, den Sie als Blaupause für eigene KI-Microservices nutzen können – inklusive Best Practices für Sicherheit, Prompting, Fehlertoleranz und Betrieb.
Zielgruppe
Java-Entwicklerinnen und Java-Entwickler