Java Microservices mit KI: Spring AI & LangChain4j
Spring AI und LangChain4j in Java-Microservices einsetzen, von LLM-Integration bis RAG
- Java und KI verbinden
- LLMs in Services integrieren
- Prompts belastbar gestalten
- 3 Tage
- Aufbau
- Online
- Garantierte Termine Diese Termine finden statt
- Online Live per Videokonferenz
- max. 8 Teilnehmerinnen und Teilnehmer pro Gruppe
- Keine Vorkasse Rechnung nach dem Seminar
Das nimmst du mit
- Java und KI verbinden
- LLMs in Services integrieren
- Prompts belastbar gestalten
- Tools und APIs anbinden
- RAG-Pipelines umsetzen
- KI-Agenten entwickeln
Passt das zu dir?
Damit du den Tag wirklich mitnimmst, lohnt sich ein kurzer Abgleich.
Richtig für dich, wenn
- Java-Entwicklerinnen und Java-Entwickler mit Spring-Boot-Erfahrung, die Microservices um LLM-Funktionen erweitern
- Backend-Teams, die RAG, Tool Calling oder KI-gestützte Assistenzfunktionen in Enterprise-Anwendungen integrieren
- Software-Architektinnen und Software-Architekten, die Integrationsmuster für KI-Services in Java-Systemen bewerten
- Entwicklungsteams, die von klassischen Java-Webservices ausgehend KI-gestützte Services entwickeln; ergänzend passt Java Webservices mit Jakarta EE
Das bringst du mit
- Gute Java-Kenntnisse: sicherer Umgang mit Sprache, Collections, Lambdas und Build-Prozessen
- Spring-Boot-Grundlagen: REST-Controller, Konfiguration, Dependency Injection und typische Projektstrukturen
- Microservice-Verständnis: Serviceschnittstellen, API-Kommunikation und fachliche Service-Grenzen
- Basiswissen zu REST-APIs und Datenbanken; bei Bedarf eignet sich ergänzend das Java JDBC und JPA Training
- Entwicklungsumgebung: IntelliJ IDEA empfohlen, alternativ VS Code, neovim oder eine vergleichbare IDE
- Build-Tooling: Maven- oder Gradle-Erfahrung; zur Vorbereitung passt der Maven Grundkurs
Dein Lernweg
Tag 1: Grundlagen, Setup und Spring AI Einstieg
Der erste Tag schafft die technische und fachliche Basis für KI-gestützte Java-Microservices. Behandelt werden Entwicklungsumgebung, zentrale KI-Begriffe, LLM-Grundlagen und die Integration von Spring AI in Spring Boot.
- IDE-Setup, Dependencies und Build-Konfiguration
- AI, ML, LLM, NLP und Generative AI
- LLMs in Enterprise- und Microservice-Architekturen
- Spring AI mit BOM, Starter und AutoConfiguration
- ChatClient, Rollenmodell, call() und stream()
- Erste Chat- und Streaming-Implementierungen
Tag 2: Prompt Engineering, Advisors und Tool Calling
Am zweiten Tag stehen robuste Interaktionsmuster mit LLMs im Mittelpunkt. Die Teilnehmer bearbeiten Prompt Templates, strukturierte Ausgaben, Advisors und die Anbindung externer Funktionen über Tool Calling.
- Zero-Shot-, Few-Shot- und Chain-of-Thought-Muster
- Prompt Templates und strukturierte JSON-Ausgaben
- OutputParser und Mapping in Java-Objekte
- Prompt-Injection-Risiken und Schutzmaßnahmen
- Advisors API mit Logging und Custom Advisors
- Tool Calling mit @Tool und externen APIs
Tag 3: RAG, LangChain4j und KI-Agenten
Der dritte Tag vertieft datenbasierte KI-Anwendungen und agentische Abläufe. Im Mittelpunkt stehen RAG-Pipelines, Embeddings, Vektor-Datenbanken, LangChain4j-Konzepte und die Entwicklung handlungsfähiger KI-Agenten.
- Grounding, Prompt Stuffing und Kontextmanagement
- Embeddings, Document Loader und ETL-Pipelines
- Vektor-Datenbanken mit Pgvector
- Chat Memory und kontextbasierte Persistenz
- LangChain4j AI Services und Tools
- Agentic Loop, Decision Making und Workflows
Klarheit von Anfang an
Format, Ablauf und alles, was schon enthalten ist. Keine Überraschungen, nur Fokus auf dein Ergebnis.
- Live-OnlineInteraktiv per Videokonferenz, von überall
- Montag09:00 bis 16:00 Uhr
3 Tage
Kompakt aufgebaut, damit du schnell ins Tun kommst.
max. 8
Kleine Gruppe, damit genug Raum für deine Fragen bleibt.
- Fachliche Impulse zu LLMs, Spring AI, LangChain4j, RAG und agentischen Architekturen
- Live-Coding mit Spring Boot, ChatClient, Tool Calling und Streaming-Szenarien
- Hands-on Labs zur Integration eigener Daten, APIs und Vektor-Datenbanken
- Architektur-Diskussionen zu Microservices, Sicherheit, Wartbarkeit und Betriebsaspekten
- Code-Reviews, Fehleranalyse und gemeinsame Auswertung typischer Implementierungsentscheidungen
Das ist immer dabei
- Ausführliche Schulungsunterlagen und Praxisbeispiele
- Teilnahmezertifikat
- Übungsumgebungen und Beispieldaten
- Nachbetreuung per E-Mail nach dem Seminar
Sichere dir deinen Platz
Wähle den Termin, der zu dir passt. Online live dabei oder vor Ort, ganz wie es für dich passt.
- Erfahrene IT-Trainer aus der Praxis
- Keine Vorkasse, Rechnung nach dem Seminar
- Kostenfreie Umbuchung bis 14 Tage vor Start
Lieber das ganze Team?
Bring dieses Seminar zu euch ins Haus oder lass uns ein Programm bauen, das genau auf euer Unternehmen passt.
Inhouse-Schulung
Wir kommen zu dir und schulen dein Team genau auf eure Praxis.
- Komplett auf eure Use-Cases und Tools zugeschnitten
- Termin und Ort bestimmst du, vor Ort oder Live-Online
- Ein fester Pauschalpreis statt Preis pro Person
Firmen-Seminar
Ein individuelles Programm, das wir auf eure Ziele zuschneiden.
- Frei kombinierbare Module aus unserem Themenkatalog
- Skalierbar von der Kleingruppe bis zur ganzen Belegschaft
- Begleitung über mehrere Termine hinweg möglich
Deine IT-Schulungen München-Expertinnen und -Experten
Du hast Fragen zu Inhalten, Terminen oder einer passenden Lösung für dein Team? Wir beraten dich gern, bevor du buchst. Direkt, ohne Umwege.
Antwort in der Regel am selben Werktag
Dein cmt-Team München
Beratung zu IT-Weiterbildung
Fragen und Antworten zu Java Microservices mit KI: Spring AI & LangChain4j
Für wen ist die Java Microservices mit KI Schulung geeignet?
Die Schulung richtet sich an erfahrene Java-Entwicklerinnen und Java-Entwickler, die Spring-Boot-Microservices um KI-Funktionen erweitern möchten. Besonders relevant ist der Kurs für Backend-Teams, die LLMs, RAG, Tool Calling oder agentische Workflows in bestehende Enterprise-Anwendungen integrieren.
Sind Vorkenntnisse in KI oder Machine Learning erforderlich?
Nein. Grundlagen zu KI, LLMs, Generative AI, Prompt Engineering und RAG werden im Seminar eingeordnet. Voraussetzung sind jedoch solide Java-Kenntnisse und praktische Erfahrung mit Spring Boot, damit die Coding-Übungen sinnvoll umgesetzt werden.
Welche Rolle spielen Spring AI und LangChain4j im Kurs?
Spring AI wird für die Integration von LLM-Funktionen in Spring-Boot-Anwendungen genutzt, etwa über ChatClient, Advisors, Tool Calling und RAG-Komponenten. LangChain4j ergänzt den Blick auf Java-basierte AI Services, Chat Memory, Tools und agentische Muster.
Wird im Training programmiert oder nur Architektur besprochen?
Der Kurs enthält Theorie, Architektur-Einordnung und konkrete Coding-Sessions. Nach den fachlichen Blöcken werden Integrationsmuster direkt in Java umgesetzt, darunter Chat-Anbindung, strukturierte Ausgaben, Tool-Aufrufe, Streaming und Retrieval Augmented Generation.
Welche Tools werden für die Schulung benötigt?
Empfohlen werden IntelliJ IDEA, Git, Docker sowie eine Java- und Spring-Boot-Entwicklungsumgebung. Eine vergleichbare IDE wie VS Code oder neovim ist möglich, sofern Java-Projekte, Build-Prozesse und lokale Services damit sicher bearbeitet werden.
Kann ich teilnehmen, wenn ich Spring AI noch nicht verwendet habe?
Ja. Der Kurs führt in Spring AI ein und baut die Inhalte schrittweise von der Grundintegration bis zu RAG, Tool Calling und agentischen Workflows aus. Erfahrung mit Spring Boot sollte vorhanden sein.
Ist das Seminar eine Vorbereitung auf eine offizielle KI-Zertifizierung?
Nein, diese Schulung ist keine offizielle Zertifizierungsvorbereitung. Wenn du zusätzlich eine herstellerbezogene Azure-AI-Zertifizierung anstrebst, ist das AI-102 Training eine passende Ergänzung.
Passende Schulungen
Java Microservices mit KI: Spring AI &...
Nächster Termin: 14. September 2026 · Online
ab1.690 €netto