KI & Daten
Generative KI & LLMs Industrieprojekte
Generative KI & LLMs-Challenges versetzen dich mitten in die Arbeit, mit Large Language Models zu bauen. Du entwickelst Fähigkeiten in Prompt-Mustern, Few-Shot-Prompting, Chain-of-Thought und LLM-API-Integration und lernst, wie sich diese Modelle verhalten, bevor du sie skalierst.
Von dort meisterst du die kniffligeren Themen — RAG-Architekturen, Vektor-Datenbank-Grundlagen, Fine-Tuning und Prompt-Versionierung — und legst LLM-Guardrails sowie LLM-Evaluation um jedes Deployment so, wie es KI-Teams wirklich tun. Jede gelöste Challenge bringt dir einen verifizierten Nachweis für Recruiter.
- CodeEinsteigerNeu
Sentiment-Analyse für Münchner Modemarke
Sie bekommen 5.000 manuell annotierte deutsche Modebewertungen mit Aspekten (Passform, Material, Lieferung, Preis, Stil) und Sentiment pro Aspekt (positiv/negativ/neutral). Fine…
- Sentiment Analysis
- Absa
- German Bert
Natural Language Processing - CodeMittelstufeNeu
Multimodale Produkt-Beschreibungs-Pipeline für einen Marktplatz
Du bekommst 5.000 Beispiel-Produkte mit Bild, strukturierten Attributen (Material, Maße, Farben) und vom Redaktions-Team verfassten Referenz-Beschreibungen. Setze eine Pipeline …
- Multimodal Generation
- Vision Language Models
- LLM Evaluation
Generative AI - AnalysisMittelstufeNeu
Bias- und Fairness-Audit eines deutschen Konzern-LLMs
Du erhältst die System-Prompt-Konfiguration des Assistenten, einen Trace von 500 anonymisierten Beispiel-Interaktionen und ein vom Betriebsrat freigegebenes Testdesign. Implemen…
- Bias Evaluation
- Fairness Auditing
- Counterfactual Testing
Large Language Models - CodeEinsteigerNeu
Informationsextraktion aus deutschen Verträgen für ein Kölner LegalTech
Du erhältst 1.500 anonymisierte deutschsprachige Verträge mit Span-Annotationen für 8 Feldtypen plus 300 Hold-out-Verträge. Implementiere (1) eine regelbasierte Vorverarbeitung …
- Information Extraction
- Ner
- Fine Tuning
Linguistic Engineering and Language Technologies Practice your coursework on real scenarios.
Every challenge is shaped from real-world context — not generic exercises. The work mirrors what your degree prepares you for.
Why Ewance
- CodeMittelstufeNeu
Echtzeit-Web-Monitoring für einen nachhaltigen Mode-Marktplatz
Entwickle ein automatisiertes Echtzeit-Dashboard, das Web- und Social-Media-Daten des Mode-Marktplatzes zusammenführt und zentrale Konversionspfade sichtbar macht. Nutze dafür ö…
- Web Scraping
- API Integration
- Dashboard Development
Social Media and Web Analytics - CodeMittelstufeNeu
Multi-Modal-RAG fuer Salzburger Tourismus-Concierge
Du erhaeltst die Text- und Bildsammlung sowie 100 Beispiel-Anfragen mit manuell gepflegten Soll-Antworten. Implementiere: (1) Text-Embeddings mit mehrsprachigem Modell, (2) Bild…
- Multimodal RAG
- Clip Embeddings
- Cross Modal Retrieval
Retrieval-Augmented Generation - CodeMittelstufeNeu
Recherche-Agent für ein Frankfurter Asset-Management-Fintech bauen
Du baust den Agenten mit LangGraph oder LlamaIndex auf einem offenen LLM (z. B. Llama 3 70B über Hugging Face Inference API oder Mistral Large via API). Definiere mindestens vie…
- LLM Agents
- Tool Use
- Retrieval Augmented Generation
AI Agents and LLM-Based Agents - ResearchMittelstufeNeu
Capability- und Safety-Evaluation für ein Open-Source-LLM
Du erhältst Zugang zum Modell und zu einer Liste etablierter Benchmark-Suites (z. B. MMLU für allgemeines Wissen — Massive Multitask Language Understanding — mit deutschsprachig…
- Capability Evaluation
- Safety Evaluation
- Benchmark Design
AI Measurement and Evaluation - Browse challenges
Explore role
Product Manager
Ship product that solves real user problems. Combine user research, prototyping, and stakeholder alignment to turn ambiguous briefs into measurable wins — the role at the centre of modern software teams.
- CodeMittelstufeNeu
Enterprise-RAG-Pipeline für eine Unternehmensberatung
Du erhältst 12.000 vorbereitete Berichts-Chunks (anonymisierte Kund:innen) mit Metadaten (Branche, Jahr, Region) sowie 80 typische Berater:innen-Anfragen mit Goldstandard-Antwor…
- Retrieval Augmented Generation
- Hybrid Search
- Re Ranking
Information Retrieval and Search - ResearchMittelstufeNeu
Embedding-Modell für deutsche Produktdaten feinjustieren
Du erhältst 80.000 Produkt-Datensätze (Titel, Beschreibung, Kategorien) plus 1.200 historische Klick-Logs ('Anfrage X -> geklicktes Produkt Y') und 100 manuell gelabelte Test-An…
- Embedding Fine Tuning
- Contrastive Learning
- Sentence Transformers
Vector Databases and Embeddings - CodeMittelstufeNeu
QLoRA auf Consumer-Hardware für ein juristisches Modell
Du bekommst 3.500 anonymisierte Schriftsätze (rund 20 MB Text), die Kanzlei-Style-Guide und Zugriff auf eine RTX-4090. Setze QLoRA mit bitsandbytes auf, trainiere zwei Varianten…
- Qlora
- Lora
- Supervised Fine Tuning
Fine-Tuning Large Language Models - ResearchEinsteigerNeu
Chain-of-Thought-Prompts fuer Mathe-Tutor bei einer Berliner EdTech
Du erhaeltst 200 Mittelstufen-Mathe-Aufgaben (Algebra, Geometrie, Bruchrechnung) mit Musterloesungen. Definiere zwei Prompt-Familien: (A) Direkt-Antwort, (B) CoT mit explizitem …
- Chain Of Thought
- Self Consistency
- Prompt Engineering
Prompt Engineering Build a verifiable portfolio.
Submissions become evidence. Reviewers with shipping experience score against a rubric; the result becomes a credential anyone can verify.
Why Ewance
- ResearchMittelstufeNeu
Transfer-Learning fuer ein Pharma-Foundation-Modell auf molekulare Eigenschaften
Du erhaeltst SMILES-Strings (Notation fuer Molekuelstrukturen) mit Messwerten fuer 4 ADMET-Endpunkte (rund 8 000 - 25 000 Molekuele je Endpunkt). Wahle ein vortrainiertes moleku…
- Transfer Learning
- Foundation Models
- Molecular Ml
Meta-Learning, Transfer Learning, and Multi-Task Learning - CodeMittelstufeNeu
Sequenz-Embedding-Service für ein Berliner Bio-Tech-Startup
Du erhältst die Modell-Wahl (esm2_t12_35M_UR50D, ein klein gehaltenes Modell für moderate Hardware), Beispiel-Sequenz-Datensätze (UniProt-Subset mit rund 50.000 Sequenzen) und e…
- Bioinformatics
- Embedding Models
- Fastapi
Computational Biology and Health Informatics - CodeEinsteigerNeu
Evaluations-Framework für ein KI-Suchassistenten-Produkt aufbauen
Du arbeitest mit dem Engineering-Team an einem Eval-Framework auf Basis von OpenAI Evals oder Promptfoo (open-source-Werkzeuge zur strukturierten Bewertung von Sprachmodell-Antw…
- LLM Evaluation
- Prompt Engineering
- Metric Design
AI for Business and AI Product Management - CodeMittelstufeNeu
seq2seq-Zusammenfassung für Berliner Nachrichten-App
Sie erhalten 50.000 deutsche Artikel-Headline-Paare aus den letzten 3 Jahren. Fine-tunen Sie mt5-base auf 80 % der Paare. Vergleichen Sie mit (1) TextRank-Extraktion, (2) GPT-4o…
- Seq2seq
- Summarization
- Mt5
Neural Networks for NLP - CodeEinsteigerNeu
NLP-gestützter Kunden-Service-Autoresponder für ein Berliner Fintech
Du erhältst 25.000 anonymisierte Support-Tickets mit 12 Kategorien plus eine Domänen-FAQ-Liste mit 200 Einträgen. Baue eine Pipeline mit (1) feinjustiertem Klassifikator (gbert …
- Text Classification
- RAG
- Fine Tuning
Linguistic Engineering and Language Technologies - CodeMittelstufeNeu
Evaluations-Pipeline für ein LLM-Kundenservice-Assistenz-Produkt
Du erhältst 200 historische Kundenanfragen plus die Antworten des Beta-Assistenten. Definiere ein Test-Set von 100 Anfragen mit menschlichen Referenz-Antworten. Implementiere dr…
- LLM Evaluation
- Automated Metrics
- LLM As Judge
AI Measurement and Evaluation - CodeEinsteigerNeu
Transformer-Klassifikator für Kundenservice-Mails in einem Energiehandel
Du erhältst 18.000 gelabelte Mails (6 Klassen, anonymisiert). Trainiere einen deutschen BERT (z. B. GBERT oder dbmdz/bert-base-german-cased), vergleiche gegen TF-IDF + logistisc…
- Transformer Architectures
- Text Classification
- Fine Tuning
Deep Learning - AnalysisEinsteigerNeu
Vector-Suche für Produkt-Empfehlungen bei einem Hamburger FMCG-Konzern
Du erhältst Embeddings für 180.000 Produkte (768-dimensional, aus einem mehrsprachigen Sentence-Transformer), 5.000 Such-Anfragen mit Relevanz-Labels (Klick = relevant, gewertet…
- Vector Search
- Benchmarking
- Python
Machine Learning at Scale - ResearchMittelstufeNeu
Diffusionsmodell für synthetische Trainingsdaten im Onlinehandel feintunen
Du erhältst 5.000 reale Produktfotos in 12 Kategorien plus eine vortrainierte Stable-Diffusion-XL-Checkpoint. Wähle eine Fine-Tuning-Methode (DreamBooth oder LoRA — Low-Rank Ada…
- Generative Models
- Diffusion Models
- Fine Tuning
Advanced Deep Learning - CodeMittelstufeNeu
Agentic-AI-Orchestrierung für KI-Startup in Salzburg
Sie implementieren beide Orchestrierungs-Strategien mit LangGraph oder einem ähnlichen Framework. Definieren Sie ein Set von 25 Test-Aufgaben mit überprüfbaren Outcomes (z. B. '…
- Agentic Ai
- LLM Orchestration
- Langgraph
Multi-Agent Systems - CodeEinsteigerNeu
Semantische Vertragssuche für eine Legal-Tech-Kanzlei aufbauen
Du erhältst 5.000 anonymisierte deutsche Vertragsklauseln (Mustertexte) plus 20 gelabelte Suchanfragen mit jeweils 5-10 erwarteten Treffern. Wende zwei Embedding-Modelle an (ein…
- Vector Search
- Embeddings
- Semantic Search
Vector Databases and Embeddings - DesignMittelstufeNeu
Mehrsprachiges Tone-of-Voice-System fuer Muenchner Luxusmarken-Agentur
Du erhaeltst Marken-Guidelines (jeweils 4-8 Seiten) und je 25 Best-Practice-Beispiele pro Marke und Sprache. Entwirf pro Marke ein System-Prompt mit: (1) Marken-Personlichkeit, …
- System Prompt Design
- Few Shot Prompting
- LLM As Judge
Prompt Engineering
So funktioniert's
Vom Briefing zum Zertifikat – in sechs Schritten.
Schritt 01
Durchsuche Challenges passend zu Deinem Studium.
Schritt 02
Wähle das Projekt, das zu Deinen Zielen passt.
Schritt 03
Arbeite es mit Hilfe des AI Copiloten durch.
Schritt 04
Reiche es zur strukturierten Bewertung ein.
Schritt 05
Erhalte ein verifiziertes Zertifikat.
Schritt 06
Füge es Deinem LinkedIn-Profil mit einem Klick hinzu.
Verwandte Kompetenzfelder
Alle Kompetenzen durchsuchenBranchenteams hinter einem Jahrzehnt praxisorientierter Briefings
Aus diesem Pool einstellen?
Sponsere eine Challenge und lerne Kandidaten durch ihre tatsächliche Arbeit kennen.
Industrieteams können Briefings rund um die Fähigkeiten gestalten, die sie suchen, und Studierende anhand von bewertungsmatrix-gestützten Ergebnissen beurteilen – nicht anhand von Lebensläufen.



















































































