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.
- CodeMittelstufeNeu
Natural Language Inference für ein Berliner Insurtech-Klauselsystem
Sie erhalten 4.500 gelabelte deutschsprachige Antragstexte mit jeweils zehn Standardklauseln und der korrekten Inferenz (Klausel gilt zwingend, ausgeschlossen, offen). Trainiere…
- Natural Language Inference
- Transformer Fine Tuning
- Model Evaluation
Computational Semantics - CodeEinsteigerNeu
NLP-Klassifikator für Support-Tickets eines Berliner Insurtechs
Sie erhalten 60.000 anonymisierte deutschsprachige Support-Tickets mit bestehender Kategorienlabel. Trainieren Sie einen Klassifikator auf Basis eines vortrainierten deutschspra…
- NLP
- Transformer Fine Tuning
- Text Classification
Applied Machine Learning - CodeMittelstufeNeu
Fine-Tuning eines Open-Weight-LLM für ein Münchner Versicherungs-Startup
Du erhältst 12.000 anonymisierte Schadenmeldungen mit fünf Klassen (Sturm, Wasser, Feuer, Einbruch, Sonstiges) plus 1.500 Hold-out-Beispiele. Tune ein 7B/8B-Modell mit LoRA auf …
- LLM Fine Tuning
- Lora
- Transformers
Large Language Models - 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
Multimodal Machine Learning 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
- 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
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 - 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
Generative AI - CodeMittelstufeNeu
Semantisches Parsing für ein Münchner B2B-SaaS-Chatfeature
Sie erhalten 2.000 Beispielanfragen mit den korrekten JSON-Filtern als Label und das Datenschema der Plattform (Tickets, Projekte, Personen, Status, Priorität). Bauen Sie einen …
- Semantic Parsing
- Transformer Fine Tuning
- Structured Prediction
Computational Semantics - 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
Neuronale MT-Domaenenadaption fuer einen Maschinenbau-Dokumentationsanbieter
Du erhaeltst rund 200 000 parallele Saetze Deutsch-Englisch aus Wartungsanleitungen und Bedienhandbuechern eines Maschinenbau-Korpus. Wahle ein vortrainiertes Modell (z. B. Hels…
- Neural Machine Translation
- Domain Adaptation
- Fine Tuning
Machine Translation - 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 - 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
Fine-Tuning Large Language Models - CodeSeniorNeu
DPO-Finetuning fuer Tonalitaets-Anpassung eines mehrsprachigen Modells
Du erhaeltst ein Open-Source-Basismodell (rund 8B Parameter), 4.000 Praeferenzpaare und 200 Holdout-Prompts. Implementiere: (1) SFT-Baseline auf den 'chosen'-Antworten, (2) DPO-…
- Direct Preference Optimization
- Supervised Finetuning
- Lora
Machine Learning from Human Preferences (RLHF and Alignment) 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
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
Natural Language Processing - 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
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
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 - 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 - 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
Advanced Deep Learning - 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 - 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 - DesignMittelstufeNeu
Instruction-Tuning-Dataset fuer Domaenen-Spezialisierung im Pharma-Bereich
Du designst: (1) Dataset-Spezifikation mit 8 Aufgabentypen (Frage-Antwort, Zusammenfassung, Strukturierung, Risiko-Kommentierung etc.), (2) Annotations-Guidelines mit klaren Bei…
- Instruction Tuning
- Supervised Finetuning
- Dataset Design
Machine Learning from Human Preferences (RLHF and Alignment) - 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
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
Neural Networks for NLP
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.



















































































