Cloudflare: KI-Services mit Workers AI entwickeln

Du arbeitest praxisnah an Cloudflare: KI-Services mit Workers AI entwickeln, entwickelst dafür einen klaren Ablauf und prüfst Ergebnisse für Deine beruflichen Aufgaben. Schwerpunkte sind architektur für KI-Anwendungen auf Cloudflare und kI-Service testen und betreiben.

Kursdetails ansehen

2 Tage

23 Standorte

Online & Präsenz

Nächster Termin: 02. – 03.12.2026 · 119 weitere verfügbar

ab 1.200,00 € zzgl. 19 % MwSt.

Weitere Termine & Buchungsoptionen

Mehr als 5.000 Unternehmen vertrauen uns

Das lernst Du

Du kannst KI-Services mit Workers AI entwickeln.
Du kannst LLM-Aufrufe zentral kontrollieren.
Du kannst Logs, Kosten und Fehler auswerten.
Du kannst Semantische Suche mit Vectorize bauen.
Du kannst Eigenes Wissen per RAG nutzen.
Du kannst KI-Workflows kontrolliert betreiben.

Überblick

Ein KI-Prototyp ist heutzutage schnell gebaut. Schwierig wird es, wenn Modellaufrufe kontrollierbar, nachvollziehbar und mit eigenen Daten nutzbar werden sollen. Gerade in Entwickler- und Plattformteams entstehen dann Fragen zu Modellzugriff, Kosten, Fehlerbehandlung, Logging und Retrieval. In diesem Workshop setzt Du einen kleinen KI-Service auf der Cloudflare Developer Platform um. Du rufst Modelle über Workers AI auf, leitest Requests über AI Gateway und wertest Nutzung, Fehler und Kosten aus. Mit Vectorize erzeugst und speicherst Du Embeddings und baust daraus eine semantische Suche beziehungsweise einen kompakten RAG-Workflow. Caching, Rate Limiting, Retries und Fallbacks werden dort eingesetzt, wo sie den Betrieb tatsächlich verbessern. Zum Abschluss prüfst Du Authentifizierung, Logging-Einstellungen, Datenschutzrisiken, Guardrails und DLP als Betriebsfragen. So kannst Du einschätzen, welche Cloudflare-Bausteine für Deinen Anwendungsfall passen und einen belastbaren Ausgangspunkt für eigene KI-Anwendungen aufbauen.

Kursinhalte

Architektur für KI-Anwendungen auf Cloudflare

Workers AI, AI Gateway und Vectorize im Zusammenspiel
Abgrenzung zu klassischen Workers, externen Modell-APIs und verwalteten RAG-Diensten
Projektaufbau mit Cloudflare Workers und Wrangler

Modelle mit Workers AI einbinden

Modellkatalog und Auswahl nach Aufgabe und Anwendungskontext
Inference über Workers AI Binding und API
Request- und Response-Verarbeitung

KI-Zugriffe mit AI Gateway kontrollieren

AI Gateway einrichten und authentifizieren
Workers AI und externe Modellanbieter über Gateway-Endpunkte anbinden
Analytics für Requests, Tokens, Kosten, Laufzeiten und Fehler

Logging, Datenschutz und AI Security

Prompt- und Response-Daten in AI-Gateway-Logs
Payload-Logging gezielt aktivieren oder vermeiden
Authentifizierung und Schutz von Gateway-Endpunkten

Embeddings und Vectorize einsetzen

Vectorize-Indizes anlegen und mit Workers verbinden
Embeddings aus Textdaten erzeugen
Vektoren und Metadaten speichern und aktualisieren

RAG-Workflow mit eigenen Daten aufbauen

Dokumente und Inhalte für Retrieval vorbereiten
Embeddings für Inhalte und Suchanfragen erzeugen
Relevante Inhalte über Vectorize abrufen

KI-Service testen und betreiben

End-to-End-Test vom Request bis zur Modellantwort
Fehler, Latenz, Tokenverbrauch und Kosten analysieren
Caching-, Rate-Limit- und Fallback-Strategien überprüfen

Zielgruppe & Voraussetzungen

Für wen der Kurs geeignet ist

Backend-, Full-Stack- und KI-Entwickelnde
IT-Administrierende, Security- und Plattformteams
Für alle, die KI-Anwendungen auf Cloudflare in beruflichen Aufgaben gezielt einsetzen 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 „Cloudflare: KI-Services mit Workers AI entwickeln“?

Du lernst, zentrale Methoden im Themenfeld Cloudflare: KI-Services mit Workers AI entwickeln praxisnah anzuwenden, Arbeitsschritte klar zu strukturieren und Ergebnisse für berufliche Aufgaben nachvollziehbar aufzubereiten. Zu den Schwerpunkten gehören Architektur für KI-Anwendungen auf Cloudflare, Modelle mit Workers AI einbinden, KI-Zugriffe mit AI Gateway kontrollieren, Logging, Datenschutz und AI Security, Embeddings und Vectorize einsetzen, RAG-Workflow mit eigenen Daten aufbauen und KI-Service testen und betreiben.

Für wen ist die Schulung geeignet?

Die Schulung richtet sich an Backend-, Full-Stack- und KI-Entwickelnde, IT-Administrierende, Security- und Plattformteams und Für alle, die KI-Anwendungen auf Cloudflare in beruflichen Aufgaben gezielt einsetzen möchten.

Welche Vorkenntnisse brauche ich für die Schulung?

Sichere Grundkenntnisse in JavaScript oder TypeScript, HTTP-/REST-APIs und Kommandozeile werden vorausgesetzt. Für die Übungen wird ein Cloudflare-Konto mit Workers- und AI-Ressourcen benötigt.

Welche Themen und Schwerpunkte werden behandelt?

Zu den Schwerpunkten gehören Architektur für KI-Anwendungen auf Cloudflare, Modelle mit Workers AI einbinden, KI-Zugriffe mit AI Gateway kontrollieren, Logging, Datenschutz und AI Security, Embeddings und Vectorize einsetzen, RAG-Workflow mit eigenen Daten aufbauen und KI-Service testen und betreiben.

Wie praxisnah ist die Schulung?

Die Schulung greift praxisnah insbesondere die Bereiche Embeddings und Vectorize einsetzen, RAG-Workflow mit eigenen Daten aufbauen und KI-Service testen und betreiben 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 kannst KI-Services mit Workers AI entwickeln; Du kannst LLM-Aufrufe zentral kontrollieren; Du kannst Logs, Kosten und Fehler auswerten; Du kannst Semantische Suche mit Vectorize bauen; Du kannst Eigenes Wissen per RAG nutzen; Du kannst KI-Workflows kontrolliert betreiben.

Wird im Seminar auch das Thema „Logging, Datenschutz und AI Security“ behandelt?

Ja. „Logging, Datenschutz und AI Security“ ist ein eigener Bestandteil der Schulung. Dazu gehören Prompt- und Response-Daten in AI-Gateway-Logs, Payload-Logging gezielt aktivieren oder vermeiden und Authentifizierung und Schutz von Gateway-Endpunkten.

Cloudflare: KI-Services mit Workers AI entwickeln

Kursdetails

Architektur für KI-Anwendungen auf Cloudflare

Modelle mit Workers AI einbinden

KI-Zugriffe mit AI Gateway kontrollieren

Logging, Datenschutz und AI Security

Embeddings und Vectorize einsetzen

RAG-Workflow mit eigenen Daten aufbauen

KI-Service testen und betreiben

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