// Spring-Ökosystem

Spring AI: KI-Funktionen in Spring-Anwendungen

Sprachmodelle in Spring-Boot-Anwendungen einbinden, ohne kostenpflichtige Cloud-Dienste.

Was Sie mitnehmen

Sie binden lokale offene Sprachmodelle über Ollama mit dem ChatClient von Spring AI ein.
Sie erzeugen strukturierte Ausgaben direkt als Java-Records.
Sie stellen dem Modell eigene Funktionen per Tool Calling bereit.
Sie bauen RAG mit einem Vektorspeicher auf Basis eigener Dokumente.

Die Agenda ist die Grundlage. Schwerpunkte und Beispiele stimmen wir vorab auf Ihr Team ab.

Spring AI im Überblick: ChatClient, Modellanbindung, Ollama mit offenen Modellen
Prompts, Systemnachrichten und Prompt-Vorlagen
Strukturierte Ausgaben mit Java-Records als Ziel
Gesprächsverlauf mit Chat Memory und Advisors
Übung: Fachlicher Assistent mit strukturierter Ausgabe in einer Spring-Boot-Anwendung

Tool Calling: Java-Methoden mit @Tool für das Modell bereitstellen
Embeddings und Vektorspeicher mit PostgreSQL und pgvector
RAG: Dokumente einlesen, aufteilen, abrufen, mit QuestionAnswerAdvisor einbinden
Übung: RAG-Anwendung für eigene Dokumente mit Quellenangaben
Grenzen lokaler Modelle, Tests und Beobachtbarkeit mit Micrometer

// KI als Bestandteil der Anwendung

Chat, Strukturierte Ausgaben, Tool Calling und RAG mit lokalen offenen Modellen.

Vorwissen: Erfahrung mit Spring Boot. Hardware für lokale Sprachmodelle vorab klären; Container-Laufzeit Podman oder Docker Engine für Ollama und PostgreSQL mit pgvector.
Werkzeuge: Spring AI, Ollama (Open Source, Apache 2.0 / MIT)
Niveau: Fortgeschritten
Teilnehmende: bis 10 Personen, größere Gruppen auf Anfrage
Durchführung: Remote per Videokonferenz oder bei Ihnen vor Ort
Enthalten: Abstimmung vorab, Unterlagen, Übungsprojekte, Teilnahmebescheinigungen

// Trainer mit langjähriger Softwareentwicklungserfahrung, akademische Ausbildung in Informatik und KI.