Llm

Retrieval-Augmented Generation aus der Sicht von Entwickler:innen: das Problem, die Grundidee, die Bausteine von Chunking bis Ranking, und die nüchterne Frage, wann sich der Aufwand lohnt und wann nicht.

Wie man ein LLM sauber als Komponente einbaut: klare Schnittstelle, strukturierte Ausgaben, Tool-Calling, mehrschichtige Fehlerbehandlung und der Prompt als versionierter Teil des Codes.

Was ein Large Language Model technisch ist, ohne Hype: Tokens, Parameter, Kontextfenster und Inferenz, betrachtet als Software-Komponente, die man misst und absichert.