KI-Tutorials

Lerne, wie du mit Google Workspace MCP-Servern und dem Agent Development Kit in Python einen Enterprise-KI-Assistenten baust und LLMs mit deinen Live-Daten verbindest.

Richte Ollama in Docker ein, um lokale LLMs wie Llama und Mistral zu nutzen. Behalte deine Daten privat, eliminiere API-Kosten und baue KI-Apps, die offline funktionieren.

Lerne, wie du eine 4‑Bit-quantisierte FLUX.2-dev-Pipeline und Mehrbild-Referenzen nutzt, um Mix-and-Match-Outfitgrids aus deinen eigenen Kleiderschrankfotos zu generieren.

Baue einen von Gemini unterstützten Travel Planner mit dem Visual Agent Builder von Google ADK: Sub-Agents entwerfen, Tools verbinden und in Minuten einen Reiseplan-Workflow ausliefern.

Erfahre, wie Google Antigravity Prompts in komplette Apps verwandelt. Baue ein Finanz-Dashboard mit Gemini 3 und KI-gestütztem Browser-Testing.

Lerne, wie du die Google Sheets AI()-Funktion nutzt, um Text in Zellen zusammenzufassen, zu kategorisieren und umzuschreiben. Erfahre, wann sie am besten funktioniert – und wo ihre Grenzen liegen.

Lerne, wie Wissensgraphen die Grenzen klassischer RAG-Systeme überwinden.

Erfahre, wie Quantisierung, KV-Cache-Optimierung, Batching, spekulatives Decoding, Speicherbandbreite und hardwarebewusstes Tuning Geschwindigkeit, Skalierbarkeit und Kosten beim Serving großer Sprachmodelle verbessern.

Lerne, wie du Thinking Machines' Inkling lokal ausführst. Ein kompletter Leitfaden zum Bauen der experimentellen llama.cpp-Version, zum Herunterladen von Unsloth-GGUFs und zum Serving über mehrere GPUs.

In this tutorial to deep learning in R with RStudio's keras package, you'll learn how to build a Multi-Layer Perceptron (MLP).

Praxisnahes Tutorial: Kimi K2 Thinking ausführen, Tool-Workflows bauen, transparentes Reasoning einsehen und gegen GPT-5 und Claude 4.5 benchmarken.

Vergleiche LangChain, LangGraph, LangSmith und LangFlow. Erfahre Rollen, Stärken und wann du welches Framework für produktionsreife KI-Anwendungen einsetzt.