Wie man diesen Kurs lernt

Die meisten Menschen bleiben beim Lernen von KI an einer von zwei Stellen hängen. Die einen haben viele Artikel über „wie Sprachmodelle funktionieren“ gelesen und können eloquent über Attention und Transformer reden, haben aber noch nie selbst eine API aufgerufen, geschweige denn etwas Brauchbares gebaut. Die anderen können mit allerlei Frameworks einen Chatbot zusammenstecken, aber sobald er schlecht funktioniert, bleibt ihnen nur, einen anderen Prompt auszuprobieren und auf Glück zu hoffen, weil sie nicht wissen, was darunter passiert.

Dieser Kurs will, dass dir keines von beidem fehlt: dass du Dinge bauen kannst und auch weißt, warum sie funktionieren und warum sie kaputtgehen.

Die zwei Teile

Teil 1: Mit Sprachmodellen etwas bauen (Module 00–07). Vom ersten API-Aufruf an lernst du Prompts, Tool-Aufrufe, RAG (das Modell deine Unterlagen lesen lassen) und Agenten und zum Schluss, wie man evaluiert und live geht. In diesem Teil rufst du durchgehend nur APIs auf; du brauchst weder Grafikkarte noch Mathematik.

Die meisten Lektionen von Teil 1 drehen sich um ein einziges Projekt: einen Frage-Antwort-Assistenten für die Open-Source-HTTP-Bibliothek httpx, den wir RepoBot nennen. Er beginnt als kleines Kommandozeilenprogramm, das nur chatten kann, und wächst Version für Version: Zuerst lernt er, Fragen anhand der httpx-Dokumentation zu beantworten, dann, selbst im Quellcode nach Antworten zu suchen, und am Ende bekommt er ein Evaluationsset und Logs und kann ins Netz, damit andere ihn nutzen.

Teil 2: Sprachmodelle von Grund auf verstehen (Module 08–11). Mit numpy schreibst du Gradientenabstieg und Backpropagation von Hand, mit PyTorch baust du von Grund auf ein kleines GPT, trainierst es auf Gedichten der Tang-Dynastie und lässt es selbst ein paar ansehnliche Verse schreiben. Danach schreibst du LoRA von Hand, feintunest ein echtes Open-Source-Modell und bringst ein Modell lokal zum Laufen.

Erst anwenden, dann die Prinzipien: Diese Reihenfolge ist Absicht. Den ersten API-Aufruf hast du in zehn Minuten geschafft, den ersten Assistenten, der Dokumentation lesen kann, in etwa drei Wochen. Wenn du erst diese Erfolgserlebnisse hattest und auf konkrete Probleme gestoßen bist („Warum erfindet er ständig Funktionsnamen?“), weißt du beim Blick auf die Prinzipien, wonach du suchst.

Einen Lernweg wählen

Die Module in Teil 1 hängen voneinander ab: 04 RAG braucht Gespräche und Tool-Aufrufe aus 03, 05 Agenten braucht 03 und 04. Auch 08 und 09 in Teil 2 solltest du der Reihe nach lernen. Die übrigen Module kannst du überspringen oder in beliebiger Reihenfolge lesen.

Wie eine Lektion aussieht

Jede Lektion beginnt mit einem konkreten Problem: Wo bleibst du hängen, wenn du das nicht lernst? Dann wird das Prinzip erklärt, und danach schreibst du Code. Wo man etwas von Hand schreiben kann, entsteht zuerst ohne jedes Framework die einfachste Version, und dann erfährst du, welchem Schritt das in einer fertigen Bibliothek entspricht. So ist das Framework für dich keine Blackbox mehr.

Die zweite Hälfte der Lektion behandelt, wann die Methode schlecht funktioniert und welche Fallen es gibt, und am Ende stehen Übungen und ein Selbsttest. Die Antworten des Selbsttests sind eingeklappt; denk erst nach, bevor du sie aufklappst.

Alle Programmausgaben im Kurs stammen aus echten Läufen beim Schreiben der Lektionen. Das Feld verified im Frontmatter nennt Datum und Modell des Laufs. Bei Beispielen, die ein Sprachmodell aufrufen, bekommst du andere Ergebnisse als im Kurs; das ist normal, und das nächste Modul erklärt, warum. Code, der kein Sprachmodell aufruft, etwa das Training neuronaler Netze in Teil 2, verwendet feste Zufalls-Seeds; da solltest du genau dieselben Zahlen bekommen wie im Kurs.

Wie du selbst Hand anlegst

Führ den Code unbedingt selbst aus. Am besten tippst du ihn ab, zumindest kopierst du ihn und lässt ihn einmal laufen, und dann änderst du etwas: eine andere Frage, ein anderer Parameter, und schau, wie sich das Ergebnis verändert. Der vollständige Code jeder Lektion liegt auch im Verzeichnis code/, aber nutze ihn als Lösungsvergleich, nicht als Ausgangspunkt zum direkten Ausführen.

Die Übungen haben mehrere Stufen. Die erste ist meist „ändere eine Stelle und sieh, was passiert“ und in ein paar Minuten erledigt; die solltest du alle machen. Die letzte Stufe verlangt meist, selbst eine kleine Funktion zu schreiben; such dir aus, was dich interessiert.

Was tun bei Fehlermeldungen

Fehler gehören zum Lernen, keine Panik. Geh in dieser Reihenfolge vor:

1. Lies die letzte Zeile. Python-Fehlermeldungen sind lang, aber die eigentliche Ursache steht fast immer in der letzten Zeile. openai.AuthenticationError: Error code: 401 heißt zum Beispiel, dass der Schlüssel falsch ist; ModuleNotFoundError: No module named 'openai' heißt, dass das Paket nicht installiert ist oder in einer anderen Umgebung.
2. Schau, auf welche Zeile deines Codes der Fehler zeigt. Geh nach oben bis zur ersten Zeile, in der dein eigener Dateiname vorkommt; das Problem liegt meist in der Nähe.
3. Vergleich mit dem Code aus der Lektion. Zeile für Zeile: Hast du dich vertippt, eine Zeile vergessen?
4. Such nach der vollständigen Fehlermeldung oder frag eine KI. Wichtig ist: vollständig, nicht nur „es gibt einen Fehler“.

KI beim Lernen zu nutzen, ist eine gute Idee. Verstehst du ein Stück Code nicht, lass es dir Zeile für Zeile erklären; verstehst du ein Konzept nicht, lass es dir aus einem anderen Blickwinkel oder mit einem anderen Beispiel erklären. Aber schreib die Übungen selbst. Die KI deine Übungen schreiben zu lassen, ist, als würdest du jemanden für dich ins Fitnessstudio schicken: Die Muskeln wachsen bei ihm.

Was es kostet

Teil 1 ruft die API eines Sprachmodells auf. Der Kurs nutzt standardmäßig DeepSeek, weil man sich in China direkt registrieren und bezahlen kann und die Preise niedrig sind. Zu Preisen von September 2026 kosten alle Beispiele und Übungen von Teil 1 zusammen meist weniger als 1 US-Dollar. Die nächste Lektion zeigt, wie du einen Schlüssel bekommst und wie du stattdessen Qwen oder Kimi nutzt oder mit Ollama kostenlos ein Modell auf deinem eigenen Rechner laufen lässt.

Teil 2 kostet praktisch nichts. Das kleine GPT liefert auf der CPU eines normalen Laptops in wenigen Minuten Ergebnisse. Nur für Modul 10, in dem ein echtes Open-Source-Modell feingetunt wird, empfehlen wir eine kostenlose Cloud-GPU; die Lektion erklärt, wie das geht.

Übungen

1. Wirf einen Blick auf das Kursverzeichnis, wähle anhand der Tabelle oben deinen Lernweg und schreib auf, wie viele Stunden pro Woche du an welchem Tag lernen willst.
2. Überleg dir eine Kleinigkeit, die du selbst mit KI bauen möchtest, etwa „meine wöchentlichen Besprechungsnotizen ordnen“ oder „Fragen zur Dokumentation unseres Teams beantworten“. Schreib sie auf und schau am Ende von Teil 1, ob du sie bauen kannst. Für diese Aufgabe gibt es keine Musterlösung.

Selbsttest

1. Warum behandelt dieser Kurs zuerst die Anwendung von Sprachmodellen und danach die Prinzipien?

Wenn du zuerst etwas Brauchbares baust, stößt du auf konkrete Probleme, zum Beispiel dass das Modell eine nicht existierende Funktion erfindet oder sich selbst widerspricht. Mit diesen Problemen im Kopf weißt du beim Lernen der Prinzipien, nach welchen Antworten du suchst; du lernst gründlicher und gibst nicht so leicht mitten in einem Berg Mathematik auf.

2. Du rufst das Sprachmodell genau wie im Kurscode auf und bekommst eine andere Antwort als im Kurs abgedruckt. Hast du etwas falsch gemacht?

Nicht unbedingt. Die Ausgabe eines Sprachmodells ist von Natur aus zufällig; wer dieselbe Frage zweimal stellt, kann zwei verschiedene Antworten bekommen (Modul 01, Lektion 3 erklärt, warum). Solange das Programm keinen Fehler wirft und die Antwort inhaltlich im Großen und Ganzen vernünftig ist, hast du alles richtig gemacht. Code, der kein Sprachmodell aufruft, nutzt feste Zufalls-Seeds; dort sollten die Zahlen genau mit dem Kurs übereinstimmen.

3. Beim Ausführen erscheint eine lange Fehlermeldung. Wo schaust du zuerst hin?

Auf die letzte Zeile. Dort stehen meist direkt Fehlertyp und Ursache. Dann gehst du nach oben zur ersten Zeile mit deinem eigenen Dateinamen, um zu finden, in welcher Codezeile das Problem entstand.