Java-KI-Microservices für Entwicklerteams

Du lernst, Java-KI-Microservices in typischen Arbeitssituationen strukturiert einzusetzen, zentrale Methoden sicher einzuordnen und belastbare Ergebnisse für Deine Projekte und Teams vorzubereiten.

Kursdetails ansehen

3 Tage

23 Standorte

Online & Präsenz

Nächster Termin: 11. – 13.01.2027 · 143 weitere verfügbar

ab 1.690,00 € zzgl. 19 % MwSt.

Weitere Termine & Buchungsoptionen

Mehr als 5.000 Unternehmen vertrauen uns

Das lernst Du

Du ordnest einen zentralen Themenbereich fachlich ein: Überblick: Warum künstliche Intelligenz in Microservices? Typische Einsatzszenarien.
Du setzt die vermittelten Methoden in praxisnahen Aufgaben um; im Fokus steht Architektur-Grundlagen: Java, Spring Boot und Microservice-Landschaften.
Du entwickelst nachvollziehbare Workflows; ein Schwerpunkt ist Rolle von LLMs, Generative AI und KI-Agenten im Enterprise-Umfeld.
Du analysierst typische Anforderungen und vertiefst dabei Entwicklungsumgebung mit IntelliJ IDEA und AI-Features einrichten.
Du bewertest Nutzen, Qualität und Risiken am Beispiel Dependency Management, Artifact-Repositories und Projektstruktur.
Du überträgst die Erkenntnisse auf eigene Projekte; ein Schwerpunkt ist Vergleich: ChatGPT im Browser vs. IDE-Integration vs. AI Assistant.

Überblick

Künstliche Intelligenz eröffnet neue Möglichkeiten für leistungsfähige und flexible Microservice-Anwendungen. In diesem dreitägigen Training lernst Du, wie sich KI-Funktionen sinnvoll in Java-basierte Microservice-Landschaften integrieren lassen. Du beschäftigst Dich mit typischen Einsatzszenarien und vertiefst die architektonischen Grundlagen rund um Java und Spring Boot. Darüber hinaus erfährst Du, welche Rolle Large Language Models, generative KI und KI-Agenten in Enterprise-Anwendungen spielen können. Praxisnahe Übungen und konkrete Anwendungsfälle unterstützen Dich dabei, tragfähige Workflows zu entwickeln, technische Entscheidungen fundiert vorzubereiten und häufige Fehler frühzeitig zu erkennen. Dabei berücksichtigst Du neben der technischen Umsetzung auch Qualität, Sicherheit, Einsatzgrenzen und den verantwortungsvollen Umgang mit KI. Nach dem Training kannst Du Anforderungen strukturiert bewerten, geeignete Lösungsansätze auswählen und nächste Schritte für eigene Projekte oder Dein Team planen. So schaffst Du eine fundierte Grundlage für die Entwicklung KI-gestützter Microservices mit Java und Spring Boot.

Kursinhalte

Einstieg: Java Microservices mit KI

Überblick: Warum künstliche Intelligenz in Microservices? Typische Einsatzszenarien
Architektur-Grundlagen: Java, Spring Boot und Microservice-Landschaften
Rolle von LLMs, Generative AI und KI-Agenten im Enterprise-Umfeld

Setup & Tooling für KI-gestützte Java-Entwicklung

Entwicklungsumgebung mit IntelliJ IDEA und AI-Features einrichten
Dependency Management, Artifact-Repositories und Projektstruktur
Vergleich: ChatGPT im Browser vs. IDE-Integration vs. AI Assistant

LLM-Grundlagen & Einstieg in Spring AI

Grundbegriffe: AI, ML, LLM, NLP, Generative AI, GPTs
Einbettung von LLMs in Java-/Spring-Boot-Anwendungen
Spring-AI-Setup: BOM, Starter, Auto-Konfiguration und erste Requests

Prompt Engineering & strukturierte Antworten

Arbeiten mit dem ChatClient als zentrale Schnittstelle
Prompting-Strategien: Zero-Shot, Few-Shot, Chain-of-Thought
Schutz vor Prompt-Injection und unsicheren Eingaben

Advisors & Vor-/Nachverarbeitung

Templates für Q&A, Pro/Contra-Analysen, Schritt-für-Schritt-Erklärungen
Strukturierte Ausgaben mit Output Parsing und JSON-Mapping
Einsatz der Advisors API zur Steuerung von Anfragen

KI-gestützte Microservices mit Spring AI

Logging, Validierung und Transformation von Eingaben und Ausgaben
Beispiele für eigene Advisors im Projektkontext
Architekturkonzepte für KI-Endpunkte in Microservices

Reaktive KI-Microservices & Streaming

Synchrones und asynchrones Antworten: call() und Streaming
Rollenmodell (user, system, assistant) sinnvoll nutzen
Streaming-Modelle mit dem Spring-AI-ChatClient nutzen

Tool Calling & MCP

Schrittweiser Antwortaufbau für Chat-UIs und APIs
Fehlerbehandlung und Timeouts in reaktiven Szenarien
Funktionserweiterung durch Tools und Services via @Tool-Annotation

Eigene Daten & APIs integrieren (RAG & Embeddings)

Ablauf: Modell trifft Tool-Auswahl, führt aus und integriert Ergebnisse
Überblick über MCP (Model Control Protocol) für standardisierte Tool-Anbindung
Grundidee von Retrieval Augmented Generation (RAG)

Intelligente KI-Agenten & agentische Workflows

Embeddings erzeugen und verwalten
Einsatz von Vektordatenbanken (z. B. Pgvector) im Java-Stack
Dokumenten-Import, ETL-Pipelines und Kontextaufbereitung

Zielgruppe & Voraussetzungen

Für wen der Kurs geeignet ist

Softwareentwicklerinnen und Softwareentwickler
Technical Leads, Architektinnen und Architekten
DevOps-, Plattform- und Qualitätssicherungsteams
Für alle, die Anwendungen strukturiert entwickeln und technische Workflows verbessern möchten

Deine Vorteile

Garantierte TermineMarkierte Termine finden statt und bieten 10 % Preisvorteil.
Kleine GruppenMaximal 8 Teilnehmende für intensiven Austausch und nachhaltigen Lernerfolg.
Praxiserfahrene Trainer:innenBerufsrelevante Fachexpertise aus langjähriger Praxiserfahrung.
Keine HybridschulungenBewusst live online oder in Präsenz – für eine klare, fokussierte Lernumgebung.

FAQ

Was lerne ich in der Schulung „Java-KI-Microservices für Entwicklerteams“?

Du lernst, Java-KI-Microservices in typischen Arbeitssituationen strukturiert einzusetzen, zentrale Methoden sicher einzuordnen und belastbare Ergebnisse für Deine Projekte und Teams vorzubereiten. Zu den Schwerpunkten gehören Einstieg: Java Microservices mit KI, Setup & Tooling für KI-gestützte Java-Entwicklung, LLM-Grundlagen & Einstieg in Spring AI, Prompt Engineering & strukturierte Antworten, Advisors & Vor-/Nachverarbeitung und KI-gestützte Microservices mit Spring AI.

Für wen ist die Schulung geeignet?

Die Schulung richtet sich an Softwareentwicklerinnen und Softwareentwickler, Technical Leads, Architektinnen und Architekten, DevOps-, Plattform- und Qualitätssicherungsteams und Für alle, die Anwendungen strukturiert entwickeln und technische Workflows verbessern möchten.

Welche Vorkenntnisse brauche ich für die Schulung?

Du solltest folgende Voraussetzungen mitbringen: Sichere Java-Kenntnisse (Klassen, Interfaces, Collections, Exceptions, Generics); Erfahrung mit Build-Tools wie Maven oder Gradle haben; Praxis in Spring/Spring Boot. Hilfreich ist außerdem: Grundlegende Kenntnisse zu Dependency Injection, Konfiguration, Beans.

Welche Themen und Schwerpunkte werden behandelt?

Zu den Schwerpunkten gehören Einstieg: Java Microservices mit KI, Setup & Tooling für KI-gestützte Java-Entwicklung, LLM-Grundlagen & Einstieg in Spring AI, Prompt Engineering & strukturierte Antworten, Advisors & Vor-/Nachverarbeitung, KI-gestützte Microservices mit Spring AI, Reaktive KI-Microservices & Streaming und Tool Calling & MCP.

Wie praxisnah ist die Schulung?

Die Schulung greift praxisnah insbesondere die Bereiche Tool Calling & MCP, Eigene Daten & APIs integrieren (RAG & Embeddings) und Intelligente KI-Agenten & agentische Workflows auf. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben und Projekte übertragen.

Was kann ich nach dem Seminar in der Praxis umsetzen?

Zu den angestrebten Ergebnissen gehören: Du ordnest einen zentralen Themenbereich fachlich ein: Überblick: Warum künstliche Intelligenz in Microservices? Typische Einsatzszenarien; Du setzt die vermittelten Methoden in praxisnahen Aufgaben um; im Fokus steht Architektur-Grundlagen: Java, Spring Boot und Microservice-Landschaften; Du entwickelst nachvollziehbare Workflows; ein Schwerpunkt ist Rolle von LLMs, Generative AI und KI-Agenten im Enterprise-Umfeld; Du analysierst typische Anforderungen und vertiefst dabei Entwicklungsumgebung mit IntelliJ IDEA und AI-Features einrichten; Du bewertest Nutzen, Qualität und Risiken am Beispiel Dependency Management, Artifact-Repositories und Projektstruktur.

Wird im Seminar auch das Thema „KI-gestützte Microservices mit Spring AI“ behandelt?

Ja. „KI-gestützte Microservices mit Spring AI“ ist ein eigener Bestandteil der Schulung. Dazu gehören Logging, Validierung und Transformation von Eingaben und Ausgaben, Beispiele für eigene Advisors im Projektkontext und Architekturkonzepte für KI-Endpunkte in Microservices.

Java-KI-Microservices für Entwicklerteams

Kursdetails

Einstieg: Java Microservices mit KI

Setup & Tooling für KI-gestützte Java-Entwicklung

LLM-Grundlagen & Einstieg in Spring AI

Prompt Engineering & strukturierte Antworten

Advisors & Vor-/Nachverarbeitung

KI-gestützte Microservices mit Spring AI

Reaktive KI-Microservices & Streaming

Tool Calling & MCP

Eigene Daten & APIs integrieren (RAG & Embeddings)

Intelligente KI-Agenten & agentische Workflows

Für wen der Kurs geeignet ist

Kurs buchen oder anfragen

Access

Active Directory

After Effects

Angular

Azure Security

Blender

C#

C++

Canva

Cinema 4D

Clean Code

CorelDRAW

DaVinci Resolve

Design Thinking

Docker

Figma

Generatives Design

GitHub

Go

Google Ads

Illustrator

InDesign

Java

JavaScript

jQuery

KI im Finance & Controlling

KI im HR & Recruiting

KI im Projektmanagement

KI im Vertrieb

KI-Sicherheit

Kubernetes

LinkedIn

Microsoft Teams

MongoDB

MySQL

Node.js

OneNote

Oracle

Outlook

Photoshop