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
Evaluations-Framework für ein RAG-System eines E-Commerce-Suchstartups
Du erhältst die bestehende RAG-Pipeline (LangChain + OpenAI), 250 kuratierte Testanfragen mit Goldstandard-Antworten und ein vom Team gewünschtes Mindestmaß an Faithfulness. Bau…
- LLM Evaluation
- Retrieval Augmented Generation
- Ci Cd
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 - 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 - ResearchSeniorNeu
Catastrophic-Forgetting-Studie nach Domain-Fine-Tuning
Du bekommst Zugriff auf das fine-getunte Modell und das Basismodell, eine Auswahl Standard-Benchmarks (MMLU-Subset, HumanEval-Lite, GSM8K-Stichprobe) und 8.000 generische Traini…
- Catastrophic Forgetting
- Continual Learning
- LLM Evaluation
Fine-Tuning Large Language Models 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
Skalierbare Aufsicht für eine Code-Generierungs-Pipeline
Du erhältst 500 historische Pull-Request-Vorschläge mit menschlichen Sicherheits-Bewertungen ('sicher', 'grenzwertig', 'kritisch'). Entwirf eine Pipeline mit drei Stufen: 1) Vor…
- Scalable Oversight
- Debate Methods
- Iterated Distillation
Fachübergreifend - AnalysisEinsteigerNeu
Automatisierte Aufsatz-Bewertung für ein Sprachlern-Startup
Du erhältst 600 anonymisierte Lernertexte (300 auf B1, 300 auf B2) mit jeweils zwei unabhängigen menschlichen Bewertungen nach einer Vier-Achsen-Rubrik (Inhalt, Aufbau, Wortscha…
- Automated Assessment
- Prompt Engineering
- LLM Evaluation
AI in Education and Learning Analytics - 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 - CodeMittelstufeNeu
Diffusion-Modell für Modefotografie eines DTC-Labels
Du bekommst 200 Studio-Aufnahmen einer Sommer-Kollektion, den Stil-Guide des Labels und Zugriff auf eine gemietete A100-GPU. Trainiere zwei Varianten (Dreambooth full + LoRA), g…
- Diffusion Models
- Stable Diffusion
- Lora
Fachübergreifend - 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.
- 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
Fachübergreifend - 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 - CodeMittelstufeNeu
Question-Answering-System für Energieversorger-Wissensbasis
Sie erhalten 5.000 Wiki-Artikel der Sektion 'Netzbetrieb' plus ein selbst zu erstellendes QA-Datenset von 400 Frage-Antwort-Paaren (Sie generieren sie mit Hilfe eines LLM, valid…
- Question Answering
- Extractive Qa
- German Bert
Neural Networks for NLP - CodeMittelstufeNeu
RAG-System fuer technische Dokumentation eines Wuerzburger Anlagenbauers
Du erhaeltst eine Sammlung von rund 8.000 Dokumenten als PDF und HTML-Export. Implementiere die Pipeline: (1) Chunking mit hierarchischer Strategie (Section-Header-aware, 512 To…
- RAG Architecture
- Embedding Models
- Vector Search
Fachübergreifend 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
- CodeMittelstufeNeu
Maschinelle Übersetzung Deutsch-Türkisch für Berliner Customer-Service
Sie erhalten 24.000 historische Ticket-Antwort-Paare (DE → TR), die intern bereits übersetzt wurden. Fine-tunen Sie NLLB-200-distilled-600M auf 90 % der Paare und evaluieren auf…
- Machine Translation
- Nllb
- Domain Adaptation
Fachübergreifend - ResearchMittelstufeNeu
Red-Teaming einer Behörden-Chatbot-Anwendung in Wien
Du erhältst Zugang zur API-Version des Chatbots, einen 200-Anfragen-Test-Korpus aus echten Verwaltungs-Themen und eine interne Guideline der Stadtverwaltung. Entwerfe und führe …
- Red Teaming
- LLM Evaluation
- Prompt Injection
Fachübergreifend - CodeEinsteigerNeu
RAG-Prototyp für IT-Helpdesk eines OWL-Mittelständlers
Sie erhalten einen anonymisierten Korpus von rund 1.200 internen Wiki-Artikeln + 300 historischen Ticket-Antworten. Bauen Sie eine RAG-Pipeline: Embedding eines Open-Source-Mode…
- Retrieval Augmented Generation
- Embeddings
- Vector Databases
Fachübergreifend - 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
Fachübergreifend - CodeEinsteigerNeu
Prompt-Versionierung und Regressionstests für ein Wiener KI-Produkt
Du baust ein System mit (1) Prompt-Speicher als versionierten Markdown-/YAML-Dateien im Git-Repo; (2) Test-Set von 200 Beispielen mit Goldstandard-Antworten; (3) GitHub-Actions-…
- Prompt Versioning
- Ci Cd
- LLM Evaluation
Fachübergreifend - CodeMittelstufeNeu
LoRA-Fine-Tuning eines Mistral-Modells für Versicherungs-E-Mails
Du bekommst 25.000 anonymisierte E-Mails mit Kategorie-Labels und 5.000 Holdout-Mails. Fine-tune Mistral-7B mit LoRA-Adaptern (Rank 16, alpha 32) auf einer A100-GPU. Trainiere d…
- Lora
- Supervised Fine Tuning
- LLM Evaluation
Fine-Tuning Large Language Models - 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 - CodeSeniorNeu
Bild-Text-Alignment für medizinisches Reporting im Schweizer Healthtech
Sie nutzen den öffentlichen MIMIC-CXR-Datensatz (Röntgen-Thorax + Befunde) für Training und Eval. Trainieren oder fine-tunen Sie ein CLIP-Variant-Modell (z. B. BiomedCLIP oder O…
- Vision Language Models
- Biomedclip
- Fine Tuning
Fachübergreifend - 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
Fachübergreifend - 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 - CodeSeniorNeu
Production-RAG-Stack für ein Stuttgarter Industrie-Wissensportal
Du erhältst 8.000 anonymisierte Dokumente plus 120 typische Benutzerfragen mit Goldstandard. Baue (1) Indexierungs-Pipeline mit Re-Indizierung bei Doku-Update; (2) Retriever mit…
- Retrieval Augmented Generation
- Llamaindex
- Litellm
LLM Application Development - CodeEinsteigerNeu
LLM-Evaluations-Suite für ein Wiener KI-Beratungshaus
Du baust eine Python-Suite mit (1) Aufgaben-Definitionen je Klasse; (2) Standard-Datensätzen (MMLU für Wissen, GSM8K für Mathe, deutsche Aufgaben aus z. B. dem GermanBenchmark);…
- LLM Evaluation
- Benchmarking
- Multilingual Evaluation
Fachübergreifend
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.



















































































