AWS MLA-C02 lernen: Lernplan für Machine Learning Engineer
MLA-C02-Lernplan: Stunden pro Woche, die vier Domänen mit Gewichtung, die GenAI-Themen seit MLA-C01, kostenloses AWS-Material und der Umgang mit der Beta.
Der TokIQ-Blog
Praktische Guides für bessere Prompts: Techniken mit echten Beispielen, strukturierte Ausgabe, RAG, Agenten und Prompt Injection, dazu Tipps zum Üben.
MLA-C02-Lernplan: Stunden pro Woche, die vier Domänen mit Gewichtung, die GenAI-Themen seit MLA-C01, kostenloses AWS-Material und der Umgang mit der Beta.
Ein realistischer AIF-C01-Lernplan mit Stunden pro Woche, den Domänengewichten, kostenlosen AWS-Ressourcen und den Fallen, die Punkte kosten.
AI-901-Lernplan mit Stunden, Prüfungsinhalten samt Gewichtung, den oft unterschätzten Python- und Foundry-Teilen und Microsofts kostenlosen Übungstools.
So bereitest du dich auf Google Cloud Generative AI Leader vor: vier Bereiche mit Gewichtung, Zwei-Wochen-Plan, kostenloser Lernpfad von Google, Fallstricke.
Was AIF-C01, AI-901 und Google Generative AI Leader kosten, wie lange sie gelten, wann du wiederholen darfst und wie die Verlängerung läuft (Stand 11/2026).
AWS AI Practitioner (AIF-C01), Microsoft AI-901 und Google Generative AI Leader im Vergleich: Format, Niveau, Voraussetzungen und für wen welche Prüfung passt.
10 eigene Übungsfragen zu Generative AI Leader mit Antworten und Erklärungen, dazu Prüfungsformat, Bereiche und Googles kostenlose Beispielfragen.
10 eigene MLA-C02-Übungsfragen für AWS Certified Machine Learning Engineer Associate, dazu Beta-Fakten, die vier Domänen und die Änderungen gegenüber MLA-C01.
10 eigene AI-901-Übungsfragen (AI901) mit Lösungen, die offiziellen Prüfungsfakten samt Themenbereichen und was 2026 die AI-900 ersetzt hat.
12 eigene AIF-C01-Übungsfragen zu allen fünf Prüfungsbereichen, jeweils mit richtiger Antwort und Begründung, warum die anderen Optionen falsch sind.
TokIQ ist eine mobile Quiz-App, die Prompt Engineering über kurze Multiple-Choice-Entscheidungen vermittelt. 8 Themen, Level, kostenlos vs. Premium.
So lernst du Prompt Engineering am besten: ein Weg in 8 Schritten von den Grundlagen bis zu Agenten, die kostenlosen Anbieter-Guides und eine Übung pro Schritt.
Die Prompt-Fehler hinter den meisten schlechten KI-Antworten, von fehlendem Kontext bis zu widersprüchlichen Regeln und ungetesteten Änderungen, mit Lösung.
Wie LLM Tool Calling funktioniert, wie du Tool-Beschreibungen richtig schreibst, wie Agent-Schleifen laufen und enden und welche Fehler du einplanst.
Funktionieren Prompts bei ChatGPT, Claude und Gemini gleich? Die meisten Prinzipien übertragen sich. Das ist anders, und so testest du modellübergreifend.
Eine praktische Checkliste für bessere ChatGPT-Prompts mit Vorher-nachher-Beispielen. Dieselben Gewohnheiten helfen auch bei Claude und Gemini.
RAG holt passende Dokumente und legt sie in den Prompt, damit das Modell aus Quellen antwortet. So funktioniert es und so promptest du für belegte Antworten.
Prompt Injection lässt eine KI Anweisungen von Angreifern folgen, die in Eingaben oder Dokumenten stecken. Direkte vs. indirekte Angriffe und Abwehr, die wirkt.
Gültiges JSON von einem LLM bekommst du nicht durch höfliches Bitten. Schemas, Structured-Output-Modi, Validierung und Retries und die häufigsten Fehlerquellen.
Ein System-Prompt legt Rolle, Regeln und Format eines KI-Assistenten fest. Was hineingehört, in welcher Reihenfolge, plus ein komplettes Beispiel.
Chain-of-Thought-Prompting lässt ein Modell vor der Antwort Schritt für Schritt denken. Wann es hilft, wann Reasoning-Modelle es ersetzen und wie du es nutzt.
Zero-Shot-Prompts haben nur Anweisungen, Few-Shot-Prompts zusätzlich Beispiele. Wann Beispiele die Ausgabe verbessern und wann sie Kopieren und Bias auslösen.
Prompt Engineering heißt, Eingaben so zu schreiben, dass KI-Modelle verlässliche Ergebnisse liefern. Die Bausteine eines guten Prompts, mit Beispielen.
Kurze Quizze zu echten Prompting-Entscheidungen, mit einer Erklärung zu jeder Antwort. Kostenlos starten auf iPhone und Android.