Andrej Karpathy. Dies ist die klarste durchgängige Erklärung auf YouTube, was ein LLM tatsächlich ist: Vortraining, Tokenisierung, SFT, RLHF, Reinforcement Learning für Reasoning, Werkzeugnutzung und Halluzinationen. Die Detailtiefe reicht aus, um als Entwickler Modell-Zielkonflikte fundiert zu bewerten. Nach diesem Vortrag wirken die Entscheidungen im Artikel zwischen GPT-Klasse, Open-Weight- und Reasoning-Modellen nicht mehr wie Markenentscheidungen, sondern wie Entscheidungen über Trainingsverfahren.
Modellnamen, Preise und Fähigkeiten ändern sich schnell. Nutzen Sie das Video für das Entscheidungsmuster und prüfen Sie anschließend das aktuelle Modellverhalten, bevor Sie ein Modell einsetzen.
Den modernen LLM-Stack so gut verstehen, dass Sie Tokens, Training, Werkzeuge und Fehlermodi fundiert beurteilen können.
Technischer Hintergrund ist hilfreich; Vorkenntnisse im maschinellen Lernen sind nicht erforderlich. Planen Sie jedoch die dreieinhalbstündige Laufzeit ein.
Zuletzt geprüft: 18. Mai 2026
Fahren Sie mit demselben Lernpfad fort und sehen Sie die nächsten kuratierten Begleitvideos.
18 MinutenVerstehen, warum schemaorientierte LLM-Aufrufe typisierte Objekte, Validatoren, Wiederholungsversuche und einen expliziten Umgang mit fehlerhaften oder halluzinierten Feldern benötigen.
77 MinutenNachvollziehen, wie Fachleute für produktive Prompts Anweisungen, Beispiele und Verhaltensgrenzen unter realem Zeitdruck überarbeiten, statt Prompts als einmalig geschriebenen Text zu behandeln.
55 MinutenEine Eval-Stufenfolge entwerfen, die Regressionen erkennt, bevor Änderungen an Prompts oder Modellen die Nutzer erreichen.
Sorgfältig ausgewählte externe Kurse, die dieses Thema vertiefen.
Coursera · DeepLearning.AI + AWSAntje Barth · Shelbee Eigenbrode · Mike Chambers · Chris Fregly
Wenn Fachleute fragen: „Welchen Kurs sollte ich belegen, wenn ich ernsthaft mit LLMs entwickeln möchte?“, ist dies die Antwort. Mathematisch fundiert, ohne wie eine Forschungsarbeit geschrieben zu sein; die AWS-geprägten Kapitel zur Bereitstellung bleiben auch dann nützlich, wenn Sie SageMaker nie verwenden werden.
DeepLearning.AI · LlamaIndexJerry Liu
Naives RAG (Vektorsuche → in den Prompt einfügen) ist die Variante, die zuerst produktiv eingesetzt wird und am schnellsten enttäuscht. Dieser Kurzkurs zeigt die Weiterentwicklung: einen Agenten, der das Retrieval plant, Tools auswählt, Quellen vergleicht und Fragen über mehrere Dokumente hinweg beantwortet. Zwei Stunden, deren Inhalt sich unmittelbar in einem realen Produkt anwenden lässt.
DeepLearning.AI · LangChainHarrison Chase
Die Amnesie des Kontextfensters lässt die meisten Agenten schon am zweiten Tag vergesslich und wenig intelligent wirken. Dieser Kurs vermittelt die LangMem-Muster, die das Problem lösen – episodisches, prozedurales und semantisches Gedächtnis. Damit merkt sich ein Agent Benutzerpräferenzen und frühere Interaktionen über Sitzungen hinweg, ohne den Prompt unnötig aufzublähen.
