KI & Daten
Generative KI & LLMs Challenges
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
- RAG Architekturen
- Ci Cd
Information Retrieval and Search - 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…
- RAG Architekturen
- Hybrid Search
- Re Ranking
Information Retrieval and Search - CodeMittelstufeNeu
Agent-Orchestrierung für ein Frankfurter Asset-Management-Tool
Du baust einen LangChain- oder LlamaIndex-Agenten mit Function Calling auf OpenAI oder Anthropic Claude, der drei Werkzeuge orchestriert: (1) Marktdaten-API (Mock auf Yahoo-Fina…
- Agent Orchestration
- Tool Calling
- Langchain
LLM Application Development - StrategyEinsteigerNeu
Frischhalte- und Kostenmodell für eine RAG-Wissensdatenbank entwerfen
Du bekommst die Anforderungen: 280.000 Bestandsdokumente, 400 neue pro Tag, 50 Konsulent:innen mit durchschnittlich 12 Suchen pro Tag, Erwartung 'Dokumente älter als 24 Stunden …
- RAG Architekturen
- Vector Databases
- Data Pipelines
Vector Databases and Embeddings 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
- 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…
- RAG Architekturen
- Word Embeddings
- Vector Databases
AI/ML Practicum and Hands-on Lab - 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…
- Ki Agenten
- Tool Use
- RAG Architekturen
AI Agents and LLM-Based Agents - CodeMittelstufeNeu
Knowledge-Graph-RAG für ein Schwäbisches Maschinenbau-Wissensportal
Du erhältst 5.000 technische Dokumente (anonymisiert), einen vorbereiteten Wissensgraph mit Maschinentyp, Baureihe, Baugruppe, Ersatzteil und 100 typische Servicetechniker:innen…
- Knowledge Graph RAG
- RAG Architekturen
- Graph Queries
Knowledge Graphs and Semantic Web - 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…
- Vektor Datenbank Grundlagen
- Word Embeddings
- Semantic Search
Vector Databases and Embeddings - 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.
- 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…
- RAG Architekturen
- Llamaindex
- Litellm
LLM Application Development - CodeMittelstufeNeu
Wissensbasiertes Assistenz-Tool für eine Münchener Anwaltskanzlei
Euer Team von vier Studierenden bildet die typische Rollen-Aufteilung eines Engineering-Teams ab: ML-Engineering, Backend, Frontend, Plattform/DevOps. Liefert: 1) Indexierungs-P…
- RAG Architekturen
- Vector Databases
- Fastapi
AI Software Engineering Group Project - CodeEinsteigerNeu
LLM-Pilotierung für Compliance-Recherche in einer Privatbank
Du erhältst 600 anonymisierte Presseausschnitte mit menschlichen Labels und einen API-Zugang zu einem hosted LLM. Baue eine RAG-Pipeline (Retrieval-Augmented Generation — Sprach…
- LLM Prompting
- RAG Architekturen
- Vector Databases
AI and Quantitative Finance - 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 Architekturen
- Fine Tuning
Linguistic Engineering and Language Technologies 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
- 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 Architekturen
- Prompt Muster
Machine Learning for Healthcare and Biomedicine
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.



















































































