Gutscheinbedingungen

**Gültig bis 10.06.2026 / Gültig für gebrauchte Bücher / Mindestbestellwert 20,00 € / Einzelne Artikel können ausgeschlossen sein / Online auf www.bücher.de.de / Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen / Nur einmal pro Einkauf einlösbar / Gutschein wird auf max. 500€ Bestellwert angerechnet / Keine Barauszahlung / Nicht gültig für Versandkosten und Services

Produktbild: Generative KI mit Python

Generative KI mit Python RAG-Anwendungen und Agentensysteme mit Vektordatenbanken und LLMs

2

39,90 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

08.07.2025

Verlag

Rheinwerk

Seitenzahl

447

Maße (L/B/H)

24,2/18,1/3 cm

Gewicht

954 g

Farbe

Schwarz / Seidengrau

Auflage

1

Sprache

Deutsch

ISBN

978-3-367-10729-2

Beschreibung

Rezension

»Buchtipp!« Ahadesign.eu 202506

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

08.07.2025

Verlag

Rheinwerk

Seitenzahl

447

Maße (L/B/H)

24,2/18,1/3 cm

Gewicht

954 g

Farbe

Schwarz / Seidengrau

Auflage

1

Sprache

Deutsch

ISBN

978-3-367-10729-2

Herstelleradresse

Rheinwerk Verlag GmbH
Rheinwerkallee 4
53227 Bonn
DE

Email: service@rheinwerk-verlag.de

Kundinnen und Kunden meinen

2 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

5 Sterne

(2)

4 Sterne

(0)

3 Sterne

(0)

2 Sterne

(0)

1 Sterne

(0)

Perfekter Einstieg in Generative AI

Bewertung am 17.02.2026

Bewertungsnummer: 3048696

Bewertet: Buch (Gebundene Ausgabe)

Wer über grundlegende Python-Kenntnisse verfügt und einen soliden Einstieg in die Welt der Generativen KI sucht, wird in diesem Buch genau das finden, was er sich erhofft. Auf verständliche und praxisnahe Weise werden eine beeindruckende Bandbreite an Themen behandelt – von Large Language Models (LLMs) über Retrieval-Augmented Generation (RAG) bis hin zu Vektordatenbanken. Besonders hervorzuheben ist die didaktische Stärke des Buches: Mithilfe der Python-Bibliothek LangChain werden alle Konzepte anhand zahlreicher kleiner, gut nachvollziehbarer Beispiele lebendig und greifbar gemacht. Der vollständige Python-Code steht zudem über GitHub zur Verfügung, sodass man direkt loslegen und die Beispiele selbst ausprobieren kann. Mein Fazit: Ein rundum gelungenes Werk, das ich ohne jede Einschränkung weiterempfehlen kann – sowohl für Einsteiger als auch für alle, die ihr Wissen im Bereich Generative AI systematisch ausbauen möchten.

Perfekter Einstieg in Generative AI

Bewertung am 17.02.2026
Bewertungsnummer: 3048696
Bewertet: Buch (Gebundene Ausgabe)

Wer über grundlegende Python-Kenntnisse verfügt und einen soliden Einstieg in die Welt der Generativen KI sucht, wird in diesem Buch genau das finden, was er sich erhofft. Auf verständliche und praxisnahe Weise werden eine beeindruckende Bandbreite an Themen behandelt – von Large Language Models (LLMs) über Retrieval-Augmented Generation (RAG) bis hin zu Vektordatenbanken. Besonders hervorzuheben ist die didaktische Stärke des Buches: Mithilfe der Python-Bibliothek LangChain werden alle Konzepte anhand zahlreicher kleiner, gut nachvollziehbarer Beispiele lebendig und greifbar gemacht. Der vollständige Python-Code steht zudem über GitHub zur Verfügung, sodass man direkt loslegen und die Beispiele selbst ausprobieren kann. Mein Fazit: Ein rundum gelungenes Werk, das ich ohne jede Einschränkung weiterempfehlen kann – sowohl für Einsteiger als auch für alle, die ihr Wissen im Bereich Generative AI systematisch ausbauen möchten.

Das Buch „Generative KI mit…

Dani12143 aus Oldenburg am 11.07.2025

Bewertungsnummer: 2948389

Bewertet: Buch (Gebundene Ausgabe)

Das Buch „Generative KI mit Python – KI im Unternehmenskontext“ von Bert Gollnick, erschienen im Rheinwerk Verlag, ist ein aktuelles und praxisorientiertes Werk für alle, die sich intensiv mit der Entwicklung moderner KI-Anwendungen im beruflichen Umfeld auseinandersetzen möchten. Der Autor bietet eine fundierte und verständlich aufbereitete Einführung in die Schlüsseltechnologien rund um Large Language Models (LLMs), Agentensysteme und Retrieval-Augmented Generation (RAG) – alles auf Basis der Programmiersprache Python. Bereits der Klappentext verspricht einen klaren Fokus: Es geht nicht nur um Theorie, sondern vor allem um konkrete Anwendungen und Lösungen für den Unternehmensalltag. Diesem Anspruch wird das Buch in jeder Hinsicht gerecht. Bert Gollnick beginnt mit einer verständlichen Einführung in die Grundlagen der generativen Künstlichen Intelligenz. Besonders hilfreich ist hierbei, dass der Leser nicht mit theoretischen Modellen allein konfrontiert wird, sondern gleich von Anfang an praktische Bezüge zu realen Anwendungen hergestellt werden. Begriffe wie LLMs, LMMs, Vektor-Datenbanken oder RAG werden sorgfältig erklärt und in den jeweiligen technischen Kontext eingeordnet. Die Kapitel zum Prompt Engineering und zur Sprachanalyse (NLP) bilden eine solide Basis, um generative KI sinnvoll zu trainieren und zu steuern. Gollnick zeigt hier praxisnah, wie wichtig die Gestaltung von Eingaben ist, um qualitativ hochwertige und zielgerichtete Ausgaben von KI-Modellen zu erhalten. Besonders hervorzuheben ist die verständliche Einführung in das LangChain-Framework, das eine zentrale Rolle bei der Entwicklung von modularen KI-Systemen spielt. Auch die Integration von Tools wie HuggingFace, OpenAI-APIs, AutoGen und crewAI wird anschaulich und mit klaren Codebeispielen dargestellt. Der Leser erhält so einen echten Werkzeugkasten, mit dem er eigene Anwendungen aufbauen und erweitern kann. Ein weiteres Highlight ist das Kapitel zu Vektor-Datenbanken. In der Praxis ist es entscheidend, dass große Datenmengen effizient durchsucht und genutzt werden können – insbesondere bei RAG-Systemen. Gollnick erläutert, wie man diese Systeme mit Vektorspeichern kombiniert, um KI-Antworten gezielt mit Unternehmensdaten anzureichern. Ein besonderes Augenmerk legt der Autor auf das Thema Agentensysteme, also intelligente, selbstständig agierende Komponenten, die Informationen verarbeiten, Entscheidungen treffen und Aufgaben automatisieren können. Gerade im Unternehmenskontext birgt dieser Ansatz enormes Potenzial für Effizienzsteigerungen, z. B. im Kundenservice, in der Datenanalyse oder bei der Automatisierung interner Prozesse. Auch das Thema Deployment kommt nicht zu kurz. Leser erfahren, wie man eigene KI-Anwendungen professionell bereitstellt und in bestehende IT-Infrastrukturen integriert. Damit wird der Bogen vom ersten Prototypen bis hin zum marktreifen Produkt geschlagen. „Generative KI mit Python“ ist ein durchdachtes, umfassendes und praxisorientiertes Buch, das sowohl fundiertes Wissen vermittelt als auch Lust macht, eigene Projekte umzusetzen. Die klare Sprache, die praxisnahen Beispiele und die gut strukturierte Gliederung machen es zu einem idealen Begleiter für Entwickler, Data Scientists, IT-Fachleute und technikaffine Unternehmensentscheider. Bert Gollnick ist mit diesem Werk ein aktueller und zukunftsweisender Leitfaden gelungen – ein Must-have für alle, die die Potenziale generativer KI im Unternehmenskontext nicht nur verstehen, sondern aktiv nutzen möchten. Rezension von: Die Magie der Bücher

Das Buch „Generative KI mit…

Dani12143 aus Oldenburg am 11.07.2025
Bewertungsnummer: 2948389
Bewertet: Buch (Gebundene Ausgabe)

Das Buch „Generative KI mit Python – KI im Unternehmenskontext“ von Bert Gollnick, erschienen im Rheinwerk Verlag, ist ein aktuelles und praxisorientiertes Werk für alle, die sich intensiv mit der Entwicklung moderner KI-Anwendungen im beruflichen Umfeld auseinandersetzen möchten. Der Autor bietet eine fundierte und verständlich aufbereitete Einführung in die Schlüsseltechnologien rund um Large Language Models (LLMs), Agentensysteme und Retrieval-Augmented Generation (RAG) – alles auf Basis der Programmiersprache Python. Bereits der Klappentext verspricht einen klaren Fokus: Es geht nicht nur um Theorie, sondern vor allem um konkrete Anwendungen und Lösungen für den Unternehmensalltag. Diesem Anspruch wird das Buch in jeder Hinsicht gerecht. Bert Gollnick beginnt mit einer verständlichen Einführung in die Grundlagen der generativen Künstlichen Intelligenz. Besonders hilfreich ist hierbei, dass der Leser nicht mit theoretischen Modellen allein konfrontiert wird, sondern gleich von Anfang an praktische Bezüge zu realen Anwendungen hergestellt werden. Begriffe wie LLMs, LMMs, Vektor-Datenbanken oder RAG werden sorgfältig erklärt und in den jeweiligen technischen Kontext eingeordnet. Die Kapitel zum Prompt Engineering und zur Sprachanalyse (NLP) bilden eine solide Basis, um generative KI sinnvoll zu trainieren und zu steuern. Gollnick zeigt hier praxisnah, wie wichtig die Gestaltung von Eingaben ist, um qualitativ hochwertige und zielgerichtete Ausgaben von KI-Modellen zu erhalten. Besonders hervorzuheben ist die verständliche Einführung in das LangChain-Framework, das eine zentrale Rolle bei der Entwicklung von modularen KI-Systemen spielt. Auch die Integration von Tools wie HuggingFace, OpenAI-APIs, AutoGen und crewAI wird anschaulich und mit klaren Codebeispielen dargestellt. Der Leser erhält so einen echten Werkzeugkasten, mit dem er eigene Anwendungen aufbauen und erweitern kann. Ein weiteres Highlight ist das Kapitel zu Vektor-Datenbanken. In der Praxis ist es entscheidend, dass große Datenmengen effizient durchsucht und genutzt werden können – insbesondere bei RAG-Systemen. Gollnick erläutert, wie man diese Systeme mit Vektorspeichern kombiniert, um KI-Antworten gezielt mit Unternehmensdaten anzureichern. Ein besonderes Augenmerk legt der Autor auf das Thema Agentensysteme, also intelligente, selbstständig agierende Komponenten, die Informationen verarbeiten, Entscheidungen treffen und Aufgaben automatisieren können. Gerade im Unternehmenskontext birgt dieser Ansatz enormes Potenzial für Effizienzsteigerungen, z. B. im Kundenservice, in der Datenanalyse oder bei der Automatisierung interner Prozesse. Auch das Thema Deployment kommt nicht zu kurz. Leser erfahren, wie man eigene KI-Anwendungen professionell bereitstellt und in bestehende IT-Infrastrukturen integriert. Damit wird der Bogen vom ersten Prototypen bis hin zum marktreifen Produkt geschlagen. „Generative KI mit Python“ ist ein durchdachtes, umfassendes und praxisorientiertes Buch, das sowohl fundiertes Wissen vermittelt als auch Lust macht, eigene Projekte umzusetzen. Die klare Sprache, die praxisnahen Beispiele und die gut strukturierte Gliederung machen es zu einem idealen Begleiter für Entwickler, Data Scientists, IT-Fachleute und technikaffine Unternehmensentscheider. Bert Gollnick ist mit diesem Werk ein aktueller und zukunftsweisender Leitfaden gelungen – ein Must-have für alle, die die Potenziale generativer KI im Unternehmenskontext nicht nur verstehen, sondern aktiv nutzen möchten. Rezension von: Die Magie der Bücher

Kundinnen und Kunden meinen

Generative KI mit Python

von Bert Gollnick

0 Bewertungen filtern

Weitere Artikel findest du in

Die Leseprobe wird geladen.
  • Produktbild: Generative KI mit Python


  •   Materialien zum Buch ... 13

      1.  Vorwort ... 15

           1.1 ... Zielsetzung des Buches ... 16

           1.2 ... Zielgruppe ... 17

           1.3 ... Was Sie schon wissen sollten ... 18

           1.4 ... Struktur des Buches ... 18

           1.5 ... Wie man dieses Buch effektiv nutzt ... 22

           1.6 ... Code zum Herunterladen und weitere Materialien ... 23

           1.7 ... Systemeinrichtung ... 23

           1.8 ... Danksagung ... 30

           1.9 ... Konventionen in diesem Buch ... 30

      2.  Einführung in die generative KI ... 33

           2.1 ... Einführung in die künstliche Intelligenz ... 36

           2.2 ... Die Säulen des Fortschritts in der generativen KI ... 40

           2.3 ... Deep Learning ... 43

           2.4 ... Schwache und allgemeine KI ... 46

           2.5 ... Natural Language Processing (NLP) ... 49

           2.6 ... Large Language Models (LLMs) ... 55

           2.7 ... Use-Cases ... 57

           2.8 ... Die Grenzen von LLMs ... 59

           2.9 ... Large Multimodal Models (LMMs) ... 60

           2.10 ... Generative KI-Anwendungen ... 62

           2.11 ... Zusammenfassung ... 64

      3.  Vortrainierte Modelle ... 67

           3.1 ... Was sind vortrainierte Modelle? ... 69

           3.2 ... Hugging Face ... 69

           3.3 ... Modellauswahl ... 70

           3.4 ... Coding: Textzusammenfassung ... 71

           3.5 ... Übung: Übersetzung ... 73

           3.6 ... Coding: Zero-Shot-Klassifikation ... 74

           3.7 ... Coding: Füllmaske ... 78

           3.8 ... Coding: Frage-Antwort Modelle ... 79

           3.9 ... Coding: Erkennung bekannter Entitäten (Named Entity Recognition) ... 81

           3.10 ... Coding: Text-zu-Bild ... 83

           3.11 ... Übung: Text-zu-Audio ... 85

           3.12 ... Abschlussprojekt: Kunden-Feedback analysieren ... 86

           3.13 ... Zusammenfassung ... 89

      4.  Large Language Models ... 91

           4.1 ... Eine kurze Geschichte der Sprachmodelle ... 92

           4.2 ... LLMs mithilfe von Python nutzen ... 93

           4.3 ... Modellparameter ... 107

           4.4 ... Modellauswahl ... 111

           4.5 ... Messages ... 115

           4.6 ... Prompt Templates ... 116

           4.7 ... Chains ... 120

           4.8 ... LLM-Schutz und -Sicherheit ... 135

           4.9 ... Modellverbesserungen ... 143

           4.10 ... Neue Trends ... 144

           4.11 ... Zusammenfassung ... 151

      5.  Prompt Engineering ... 153

           5.1 ... Prompting -- die Grundlagen ... 154

           5.2 ... Coding: Few-Shot Prompting ... 163

           5.3 ... Chain-of-Thought ... 166

           5.4 ... Zero-Shot Chain-of-Thought ... 166

           5.5 ... Coding: Self-Consistency Chain-of-Thought ... 167

           5.6 ... Coding: Prompt-Chaining ... 171

           5.7 ... Coding: Self-Feedback ... 173

           5.8 ... Zusammenfassung ... 178

      6.  Vektordatenbanken ... 181

           6.1 ... Einleitung ... 181

           6.2 ... Der Data-Ingestion-Prozess ... 184

           6.3 ... Dokumente importieren ... 185

           6.4 ... Dokumente aufteilen ... 193

           6.5 ... Einbettungen erstellen ... 209

           6.6 ... Daten speichern ... 225

           6.7 ... Daten abrufen ... 231

           6.8 ... Abschlussprojekt ... 238

           6.9 ... Zusammenfassung ... 251

      7.  Retrieval-Augmented Generation ... 253

           7.1 ... Einleitung ... 254

           7.2 ... Ein einfaches System zur Retrieval-Augmented Generation ... 258

           7.3 ... Fortgeschrittene Techniken ... 265

           7.4 ... Coding: Prompt-Caching ... 287

           7.5 ... Evaluierung ... 293

           7.6 ... Zusammenfassung ... 299

      8.  Agentensysteme ... 301

           8.1 ... Einführung in KI-Agenten ... 302

           8.2 ... Verfügbare Frameworks ... 304

           8.3 ... Einfache Agentensysteme ... 306

           8.4 ... Agenten-Framework: LangGraph ... 314

           8.5 ... Agenten-Framework: AG2 ... 330

           8.6 ... Agenten-Framework: CrewAI ... 346

           8.7 ... Agenten-Framework: OpenAI Agents ... 374

           8.8 ... Agenten-Framework: Pydantic AI ... 379

           8.9 ... Überwachung von Agentensytemen ... 382

           8.10 ... Zusammenfassung ... 388

      9.  Deployment ... 391

           9.1 ... Die Anwendungsarchitektur ... 392

           9.2 ... Die Deploymentstrategie ... 394

           9.3 ... Entwicklung einer eigenständigen Anwendung ... 403

           9.4 ... Deployment auf Heroku ... 410

           9.5 ... Deployment auf Streamlit.io ... 419

           9.6 ... Deployment auf Render ... 421

           9.7 ... Zusammenfassung ... 424

    10.  Ausblick ... 427

           10.1 ... Fortschritte in der Modellarchitektur ... 427

           10.2 ... Limitierungen und Probleme von LLMs ... 428

           10.3 ... Regulatorische Entwicklungen ... 434

           10.4 ... Künstliche allgemeine Intelligenz und künstliche Super-Intelligenz ... 434

           10.5 ... KI-Fähigkeiten in der nahen Zukunft ... 435

           10.6 ... Hilfreiche Ressourcen ... 438

           10.7 ... Zusammenfassung ... 439

      Über den Autor ... 441

      Index ... 443