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.
- 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
Fachübergreifend - CodeSeniorNeu
Generatives LLM-Werkzeug fuer Arztbrief-Entwuerfe in einer Salzburger Klinik
Du erhaeltst rund 800 abgeschlossene Faelle mit strukturierten Daten, Pflegenotizen und finalen Arztbriefen. Baue ein RAG-System: (1) Indexiere relevante Klinik-Leitlinien als R…
- LLM Applications
- RAG
- Prompt Engineering
Machine Learning for Healthcare and Biomedicine - 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 - 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 Develop in-demand professional skills.
Each challenge names the skills it strengthens. Over time, your profile fills with the competences a hiring manager would actually look for.
Why Ewance
- 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 - 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 - CodeSeniorNeu
Vortrainiertes LLM für ein klinisches Pflegedokumentations-Startup adaptieren
Du erhältst 8.000 anonymisierte Pflegedokumentations-Einträge plus 200 manuell bewertete Goldene-Standard-Beispiele. Wähle ein offenes Basismodell (Llama 3 8B oder Mistral 7B), …
- LLM Fine Tuning
- Parameter Efficient Fine Tuning
- Pytorch
Fachübergreifend - 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 - Browse challenges
Explore role
Strategy Analyst
Frame the business question, model the options, build the recommendation. From market sizing to competitive analysis, this role is where strategy consulting meets in-house decision-making.
- CodeEinsteigerNeu
Transformer-Fine-Tuning für deutsche Patentanwaltskanzlei
Sie erhalten 14.000 deutsche Patentschriften-Abstracts mit Klassen-Labels. Fine-tunen Sie gbert-large (deutsches BERT) auf 80 % der Daten und evaluieren auf 20 %. Baseline: TF-I…
- Transformer Fine Tuning
- German Bert
- Text Classification
Fachübergreifend - CodeMittelstufeNeu
ReAct-Agent fuer Logistik-Disposition im Duisburger Binnenhafen
Du baust eine Werkzeug-Suite (4 Werkzeuge: TMS-Lookup, Wetter-API, Frachtraten-DB, Routen-Planer), die ueber Mocks aufgerufen werden kann. Implementiere den ReAct-Loop mit expli…
- React Pattern
- Tool Use
- Agent Design
Prompt Engineering - 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 - 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
Fachübergreifend Get recognized by recruiters and employers.
Credentials are blockchain-anchored via LearnCoin — tamper-evident, portable, link-shareable on LinkedIn and beyond.
Why Ewance
- CodeEinsteigerNeu
KI-gestützte Produktkonfiguration für einen Mittelständler im Maschinenbau
Du hast vier Wochen Zeit, um einen funktionierenden Prototypen zu entwickeln. Beginne mit der Analyse von 15 historischen Angebotsdokumenten (anonymisiert), die du vom Unternehm…
- Prompt Engineering
- Prototyping
- Data Analysis
Data-Driven Prototyping with AI - 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
Fachübergreifend - ResearchSeniorNeu
Instruction-Tuning und DPO für einen Customer-Support-Bot
Du bekommst 5.000 idealtypische Instruction-Antwort-Beispiele (kuratiert vom Service-Team) und 600 Präferenz-Paare (gleicher Prompt, zwei Antworten, präferierte Antwort markiert…
- Instruction Tuning
- Dpo
- Preference Optimization
Fachübergreifend - CodeMittelstufeNeu
Named-Entity-Recognition für Schweizer Rechtsanwaltskanzlei
Sie erhalten 1.200 annotierte Vertragsabschnitte (je 400 pro Sprache) mit 8 Entity-Typen. Fine-tunen Sie ein multilinguales XLM-RoBERTa-Modell auf 80 % der Daten und evaluieren …
- Named Entity Recognition
- Multilingual NLP
- Xlm Roberta
Natural Language Processing - 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
Fachübergreifend - 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
Fachübergreifend - CodeEinsteigerNeu
Latenz- und Kosten-Optimierung für ein Hamburger E-Commerce-Chat
Du erhältst Zugriff auf 50.000 anonymisierte Chat-Sessions plus Kosten- und Latenz-Logs. Baue (1) einen Klassifikator (klein, ggf. Distil-Modell oder Few-Shot mit GPT-4o-mini), …
- Cost Optimization
- Model Routing
- Streaming
LLM Application Development - 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 - 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
Fachübergreifend - 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 - CodeMittelstufeNeu
Hybrid-Retrieval-Optimierung fuer Stuttgarter E-Commerce-Plattform
Du erhaeltst 320.000 Produkt-Listings (Titel, Beschreibung, Kategorie, Marke) plus 5.000 historische Suchanfragen mit Klick- und Kauf-Labels. Implementiere: (1) BM25-Index, (2) …
- Hybrid Retrieval
- Embedding Models
- Reranking
Fachübergreifend - AnalysisMittelstufeNeu
Hybride Suche für eine Developer-Tools-Plattform optimieren
Du erhältst 50.000 Dokumente (Mischung aus Markdown-Docs und Code-Snippets, englisch und deutsch) plus 200 gelabelte Anfragen mit gemischtem Charakter (40 Prozent natürliche Spr…
- Hybrid Search
- Vector Search
- Bm25
Vector Databases and Embeddings
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.



















































































