• PDF · 6,4 MB
  • 32 Folien
  • Stand Oktober 2026
  • Kostenlos per E-Mail

KI unter der Haube: Wie LLMs wirklich funktionieren

Deep Dive für Technik-Fans: 32 Folien, ca. 90 Minuten. Transformer-Architektur, Training mit Scaling Laws und RLHF, Inferenz mit KV-Cache und Quantisierung, Reasoning, Agenten, RAG, LoRA und Sicherheit, mit Zahlen und Formeln.

KI unter der Haube: Wie LLMs wirklich funktionieren – Titelfolie
Titelfolie · 5 Folien als VorschauAnsehen

PDF kostenlos anfordern

Kurz eintragen, Link kommt sofort per E-Mail.

  • Download-Link sofort per E-Mail
  • Frei im eigenen Unternehmen nutzbar
  • Kein Newsletter, keine Weitergabe

Sichere Übertragung, keine Weitergabe an Dritte

Angefordertes Dokument: KI unter der Haube: Wie LLMs wirklich funktionieren

Worum geht es?

Wie wird aus Text eine Wahrscheinlichkeitsverteilung über das nächste Token? Was passiert in einem Transformer-Block, warum sinkt der Loss vorhersagbar mit der Rechenleistung, und weshalb macht erst Quantisierung lokale KI möglich? Dieser Deep Dive beantwortet die Fragen, die in Grundlagenschulungen bewusst ausgelassen werden.

In rund 90 Minuten geht es durch sechs Kapitel: Architektur (Byte-Pair Encoding, Embeddings, RoPE, Self-Attention mit Query, Key und Value, Multi-Head Attention, der Transformer-Block), Training (Cross-Entropy-Loss, Scaling Laws, SFT, RLHF, DPO), Inferenz (Sampling, Prefill und Decode, KV-Cache, Quantisierung, Mixture of Experts), Reasoning und Agenten (Test-Time Compute, Function Calling, MCP), eigene KI (RAG, LoRA, lokale Modelle) sowie Sicherheit und Qualität (Prompt Injection, Evals).

Die Folien arbeiten mit konkreten Zahlen aus realen Modellen und mit den wesentlichen Formeln, bleiben aber auf dem Niveau, das ein technisch interessiertes Publikum ohne ML-Studium mitgeht.

Für wen?

IT-Teams, Entwicklerinnen und Entwickler, Admins, Datenschutz- und Informationssicherheitsbeauftragte sowie technisch interessierte Entscheider, die KI-Systeme bewerten, einführen oder selbst betreiben wollen.

Vorausgesetzt werden Grundkenntnisse, wie sie die KI-Schulung oder der Aufbaukurs „KI-Begriffe einfach erklärt“ vermitteln. Mathematik auf Schulniveau reicht; die Formeln werden Schritt für Schritt erklärt.

Blick in die Präsentation

Die ersten 5 von 32 Folien.

Komplettes PDF anfordern
KI unter der Haube: Wie LLMs wirklich funktionieren – Folie 1
Folie 1 von 32

Das steckt drin

Alle Themen auf einen Blick.

  • 1Ein Forward-Pass von Text zu Token: Tokenizer, Embedding, Transformer-Blöcke, Softmax, Sampling
  • 2Byte-Pair Encoding und warum Deutsch mehr Tokens braucht als Englisch
  • 3Self-Attention mit Query, Key, Value und die quadratischen Kosten der Kontextlänge
  • 4Multi-Head Attention, GQA/MQA, Residual Stream und der Transformer-Block
  • 5Pre-Training, Scaling Laws (Chinchilla) und Post-Training mit SFT, RLHF und DPO
  • 6Inferenz: Temperatur, Top-k/Top-p, Prefill vs. Decode, KV-Cache
  • 7Quantisierung mit Faustformel und Mixture of Experts am Beispiel Mixtral
  • 8Reasoning-Modelle, Test-Time Compute, Agenten-Loop, Function Calling und MCP
  • 9Eigene KI: RAG-Pipeline, Prompting vs. RAG vs. Fine-Tuning, LoRA, lokale Modelle
  • 10Sicherheit und Qualität: Prompt Injection und Evals

Häufige Fragen

Wie technisch ist der Deep Dive?

Deutlich technischer als unsere anderen Schulungen: Es gibt Formeln für Attention und LoRA, konkrete Parameterzahlen realer Modelle und Begriffe wie RMSNorm, RoPE oder GQA. Ein ML-Studium ist nicht nötig, Neugier und Grundlagenwissen schon.

Welche Vorkenntnisse brauche ich?

Du solltest wissen, was ein Sprachmodell, ein Token und ein Prompt ist. Genau das vermitteln die KI-Schulung „KI verstehen und sicher nutzen“ und der Aufbaukurs „KI-Begriffe einfach erklärt“.

Wie lange dauert der Deep Dive?

Etwa 90 Minuten für 32 Folien, Zwischenfragen ausdrücklich erwünscht. Die sechs Kapitel lassen sich auch auf zwei Termine aufteilen, zum Beispiel Architektur und Training am ersten, Inferenz, Agenten und eigene KI am zweiten.

Hilft mir das bei der Entscheidung für ein eigenes KI-Projekt?

Ja. Das Kapitel „Eigene KI“ erklärt, wann Prompting reicht, wann RAG nötig ist und wann Fine-Tuning mit LoRA sinnvoll wird. Dazu kommen Quantisierung und lokale Modelle für den Betrieb auf eigener Hardware.

Darf ich die Präsentation anpassen und intern weitergeben?

Ja. Du darfst die Unterlagen im eigenen Unternehmen frei nutzen, kürzen und an Kolleginnen und Kollegen weitergeben.

Warum muss ich Kontaktdaten angeben?

Die Präsentation ist kostenlos. Wir schicken dir den Download-Link per E-Mail und melden uns höchstens einmal, falls du Fragen hast oder den Deep Dive bei euch im Haus wünschst. Keine Weitergabe an Dritte, kein Newsletter ohne dein Okay.

Jetzt kostenlos anfordern

Kurz eintragen, Download-Link sofort per E-Mail. Keine Weitergabe, kein Newsletter.

Zum Formular
KI Deep Dive: Wie LLMs funktionieren – Transformer, Training, Inferenz, RAG (PDF) | Kompassit