Multimodale KI
Moderne KI-Modelle verarbeiten nicht nur Text — sie verstehen Bilder, Audio und Video gleichzeitig. GPT-4o, Gemini 1.5 Pro und Claude 3.5 sind nativ multimodal und eröffnen völlig neue Anwendungsfälle: automatische Bild-Beschreibung, visuelle QA, Dokumentenanalyse mit Bild-Elementen und Audio-Transkription. Sie lernen, wie multimodale KI in eigene Anwendungen integriert wird.
Ziele
Sie können nach diesem Kurs multimodale KI-Anwendungen entwickeln: Bilder analysieren mit Vision-LLMs, Dokumente mit gemischtem Inhalt verarbeiten, Audio transkribieren und kombinierte Multimodal-Pipelines aufbauen. Sie kennen die aktuellen Modelle und ihre Stärken und Grenzen.
Behandelte Themen
Die Module im Überblick
Modul 1: Multimodale Modelle verstehen
- Multimodale Architektur: wie Modelle Text und Bild gemeinsam verarbeiten
- Modell-Überblick: GPT-4o, Gemini 1.5/2.0 Flash, Claude 3.5 und Llama Vision
- Anwendungsfälle: Dokumentenanalyse, visuelles QA, Chart-Verständnis und OCR
- Token-Kosten für Bilder: Preismodelle und Optimierungsstrategien
Modul 2: Vision-Anwendungen entwickeln
- Bilder an LLM-APIs übergeben: Base64 und URL-basiert
- Bild-Beschreibung und VQA (Visual Question Answering)
- Strukturierte Daten aus Bildern extrahieren: Formulare, Tabellen und Charts
- Dokumenten-OCR mit LLM: gescannte Dokumente mit Kontext verstehen
Modul 3: Audio und Sprache
- Whisper: hochgenaue Audio-Transkription mit OpenAI
- ElevenLabs und OpenAI TTS: Text-to-Speech für Anwendungen
- Audio-in-Prompt: Modelle die Audio direkt verarbeiten
- Voice-Interfaces: Sprachassistenten mit LLMs entwickeln
Modul 4: Multimodale Pipelines
- Multimodale RAG: Bilder und Text gemeinsam in der Vector Database
- Multimodale Agenten: Agenten, die Bilder sehen und auf sie reagieren
- Qualitätsbewertung: multimodale Outputs automatisch evaluieren
- Use-Case-Workshop: eigene multimodale Anwendungsidee entwickeln
Kodschul-Trainer & Team
Lernen Sie von Experten - erfahrene Fachleute mit praktischem Know-how
Erfahrene Trainer mit praktischer Technik-Erfahrung
Über 3000 Fachkräfte in zwei Jahren geschult
Praxisnahe Expertise und tiefes Branchenwissen
Wirkungsvolles Lernen mit realen Anwendungen
Über 300+ Projekte gemeinsam abgeschlossen
Selina Schmid
Seminar Manager
Elisa Saleh
Back Office
Lars Gerigk
Portfolio Manager
Sebastian Carnal
HR & People
Ömer Akgeyik
Tech Lead
So läuft das Training ab
Unsere Schulungen sind 100% hands-on, mit einem praktischen Anteil von 70% und 30% Theorie. Sie finden vor Ort, bei uns oder online (auf allen gängigen Plattformen) statt. Zusätzlich erhalten die Teilnehmenden kostenfrei Hands-outs und Unterlagen, die sie zur Vertiefung und weiteren Anwendung nutzen können.
Grundlagen
Zu Beginn sorgen wir dafür, dass alle Teilnehmenden auf denselben Wissensstand gebracht werden, unabhängig von ihrem Ausgangsniveau. So wird jeder optimal auf die weiteren Themen vorbereitet, und niemand bleibt zurück.
Durchführung
Wir starten mit einer Einführung in das Thema, gefolgt von Demos und praxisnahen Beispielen. Anschließend üben die Teilnehmenden eigenständig, während der Trainer individuelles Feedback gibt und bei Bedarf Korrekturen vornimmt.
Anwendungsfälle
Das Gelernte wird auf konkrete Anwendungsfälle der Teilnehmenden angewendet. In einer praxisorientierten Session erarbeiten wir gemeinsam Lösungen, die den Teilnehmern helfen, das Wissen direkt in ihren Arbeitsalltag zu integrieren.
Am häufigsten gestellte Fragen
Für wen ist dieser Kurs konzipiert?
+Wie kann ich mich für den Kurs anmelden?
+Wie hoch sind die Kosten für den Kurs?
+Brauche ich Vorkenntnisse zum Thema des Kurses?
+Werde ich das Gelernte in diesem Kurs anwenden können?
+Welche Software oder Tools benötige ich für den Kurs?
+Lassen Sie uns über Ihr nächstes Training sprechen.
Unser Team steht Ihnen rund um die Uhr zur Verfügung und freut sich auf Ihre Anfrage. Einfach anrufen oder eine Nachricht hinterlassen – wir kümmern uns schnellstmöglich um Ihre Anfrage, ob es um eine Schulung, einen Vortrag oder eine Präsentation geht. Jetzt loslegen!
Selina Schmid
Leiterin Kodschul