GPT-MODELLE IM BUSINESS-EINSATZ Jörg Neumann

THEMEN  AI Development  Business App Development  Frontend Technologies  Development, Consulting, Coaching, Training KONTAKT  Mail: [email protected]  LinkedIn: www.linkedin.com/in/jörgneumann  X: @JoergNeumann  Web: www.neogeeks.de JÖRG NEUMANN Founder & CEO NeoGeeks GmbH Azure OpenAI Service, Azure Machine Learning Platform

AI Dev Camp 28.-29.1.2025 in Düsseldorf Das Trainingsevent für KI-getriebene Softwareentwicklung. 2 Tage geballte Wissensvermittlung mit Jörg Neumann, Neno Loje & Special Guests zu einem All- Inclusive Preis. Jörg Neumann MVP AI Platform Neno Loje MVP Developer Technologies www.AIDevCamp.de

CLOUDS & SERVICES OPENAI  OpenAI bietet eine API für den Zugriff auf unterschiedliche Modelle  Chat, Bilder, Embeddings erzeugen MICROSOFT AZURE OPENAI SERVICE  Hosten von Modellen in eigener Cloud Environment  Leichtes Management über OpenAI Studio HUGGING FACE  Plattform für Modelle, Datasets und Apps

WAS GIBT‘S FÜR ALTERNATIVEN?

BUSINESS SZENARIEN MARKETING  Werbetexte und Bilder generieren  Automatisch Hashtags erzeugen DOKUMENTEN-GENERIERUNG  Erstellung von Standarddokumenten (Arbeitsverträgen, Arbeitsbescheinigung, Elternzeit, …)  Entwicklung von Trainingsunterlagen und techn. Dokumentation  Generierung wiederkehrender Mails

BUSINESS SZENARIEN HR  Onboarding Buddy  Unterstützt neue Mitarbeiter per Chat  Wird mit Dokumenten des Unternehmens trainiert  Integration in Teams, inkl. Input Dialogen SERVICE  Chat für technische Dokumentation  Abfrage von Datenbank mit natürlicher Sprache  Automatisierung von Callcenter-Prozessen

BUSINESS SZENARIEN AGENTS  Übernehmen komplexe Aufgaben  Agieren Autonom  Können Aktionen auslösen  Arbeiten in Teams zusammen

OPENAI PLATFORM https://platform.openai.com/playground/chat

DEMO OpenAI Platform https://platform.openai.com/playground/chat

ENTWICKLUNG BEGINNEN  OpenAI-Account erstellen  Python installieren  OpenAI Bibliothek installieren pip install openai  API-Key angeben import os import openai openai.api_key = os.getenv("OPENAI_API_KEY")

DEMO Zugriff mit der OpenAI API https://platform.openai.com/docs/quickstart

AI IN JAVA SPRING AI  Entwicklung von AI-driven Applications mit Spring Boot  Unterstützung für alle gängigen LLMs (OpenAI, Gemini, Llama, Mistral …)  Support für Embedding Models  Support für viele Vector Stores  Weitere Features: Function Calls, Data Engineering, …  Home: https://spring.io/projects/spring-ai  Sourcen: https://github.com/spring-projects/spring-ai

DEMO Spring AI https://github.com/spring-projects/spring-ai

GROUNDING SYSTEM PROMPTS  Welche Persona soll repräsentiert werden (Marketing-Assistent, Entwickler, …)  Wie soll sich das Modell verhalten (Stil, Antwortlänge, Format, …) SAMPLES  Beispiele, die dem Modell einen Hinweis geben, in welcher Form die Antwort ermittelt werden soll DATA  Zusätzliche Daten, die dem Modell zur Beantwortung der Frage bereitgestellt werden

GROUNDING POST /v1/chat/completions { "model": "gpt-4o-2024-08-06", "messages": [ { "role": "system", "content": "Du bist Berater. Du beantwortest jede Frage mit 'Kommt drauf an'." }, { "role": "user", "content": "Wieviel Zylinder hat ein V8 Motor?" }, { "role": "assistant", "content": "Kommt drauf an. Es gibt V8-Motoren mit 8 Zylindern, aber auch solche mit 4 oder 6 Zylindern." } ], "temperature": 0.7, "max_tokens": 16000 } System Prompt Antwort User Prompt Sample

DEMO Grounding

FUNCTION CALLING FUNKTIONSWEISE  Die Antwort kann auch in Form eines Funktionsaufrufs erfolgen (z.B. Mail verschicken, …)  Funktion wir nicht direkt aufgerufen, sondern nur signalisiert  Das Modell entscheidet selbst, ob die Funktion aufgerufen wird

Function Calling Demo DEMO https://tinyurl.com/5n84jyyj

DEMO Spring AI https://github.com/spring-projects/spring-ai

RETRIEVAL AUGMENTED GENERATION (RAG) ZIEL  Modell um externe Datenquellen erweitern  domänenspezifisches Wissen integrieren  Modell muss nicht trainiert werden

RETRIEVAL AUGMENTED GENERATION Frage eigene Daten abfragen Ergebnisse zum Prompt hinfügen Model abfragen Antwort

RETRIEVAL ARGUMENTED GENERATION (RAG) Chunk Chunk Chunk Chunk Embeddings Embeddings Embeddings Embeddings Vector Database PDF Dokument Benutzer- suche Embeddings Search Antwort LLM Ergebnisse gewichten

RETRIEVAL ARGUMENTED GENERATION (RAG) Beantworte die Frage basierend auf dem unten stehenden Kontext. Wenn die Frage nicht mit den bereitgestellten Informationen beantwortet werden kann, antworte mit 'Ich weiß es nicht'. Kontext: Große Sprachmodelle (LLMs) sind die neuesten Modelle, die in der NLP verwendet werden. Ihre überlegene Leistung gegenüber kleineren Modellen hat sie unglaublich nützlich für Entwickler gemacht. Diese Modelle können über die 'transformers'-Bibliothek von Hugging Face, über OpenAI mit der 'openai'- Bibliothek und über Cohere mit der 'cohere'-Bibliothek abgerufen werden. Frage: Welche Bibliotheken und Modellanbieter bieten LLMs an? Instruktionen Prompt externe Informationen Welche Bibliotheken und Modellanbieter bieten LLMs an?

DEMO RAG Pattern implementieren Script

STRUCTURED OUTPUT HINTERGRUND  Verlässliches Rückgabeformat definieren VARIANTEN  JSON-Mode  Angabe eines JSON-Schemas zur Steuerung der Ausgabe  Beim Function Calling WEITERE INFORMATIONEN  OpenAI Dokumentation, OpenAI Cookbook, Azure OpenAI

UMSETZUNG: JSON-MODE from openai import OpenAI client = OpenAI() response = client.chat.completions.create( model="gpt-4o", messages=[ { "role": "user", "content": [ { "type": "text", "text": "Gib mir eine Liste aller Porsche-Modelle und deren Erscheinungsjahr in JSON„ } ] }, { "role": "assistant", "content": [ { "type": "text", "text": "\n{\n \"Porsche_356\": 1948,\n \"Porsche_550_Spyder\": 1953,\n \"Porsche_911\": 1964,…}" } ] } ], response_format={ "type": "json_object" } ) { "Porsche_356": 1948, "Porsche_550_Spyder": 1953, "Porsche_911": 1964, "Porsche_912": 1965, "Porsche_914": 1969, "Porsche_924": 1976, "Porsche_928": 1977, "Porsche_944": 1982, "Porsche_959": 1986, "Porsche_964": 1989, "Porsche_968": 1991, "Porsche_993": 1994, "Porsche_Boxster": 1996, "Porsche_Cayenne": 2002, "Porsche_Carrera_GT": 2003, "Porsche_997": 2004, "Porsche_Cayman": 2005, "Porsche_Panamera": 2009, … }

UMSETZUNG from openai import OpenAI client = OpenAI() response = client.chat.completions.create( model="gpt-4o", messages=[ { "role": "user", "content": [ { "type": "text", "text": "Gib mir eine Liste aller Porsche-Modelle und deren Erscheinungsjahr" }] }, { "role": "assistant", "content": [ { "type": "text", "text": "{\"car_info\":[{\"model_name\":\"Porsche 356\",\"year\":1948},…]}" }]}], response_format={ "type": "json_schema", "json_schema": { "name": "car_info_list", "strict": true, "schema": { "type": "object", "properties": { "car_info": { "type": "array", "description": "A list of car information objects.", "items": { "type": "object", … } ) { "car_info": [ { "model_name": "Porsche 356", "year": 1948 }, { "model_name": "Porsche 550 Spyder", "year": 1953 }, { "model_name": "Porsche 911", "year": 1964 }, { "model_name": "Porsche 912", "year": 1965 }, … ] }

SUPPORTED MODELS OPENAI  Modell: gpt-4o-2024-08-06 oder neuer  Modell: gpt-4o-mini-2024-07-18 oder neuer  Weitere Informationen

DEMO Structured Output im OpenAI Playground

OPEN AI ASSISTANTS API CODE INTERPRETER  Ausführung von Scripts in Jupyter Notbook  Assistant Playground: No-Code-Umgebung zum Testen  OpenAI Playground

DEMO OpenAI Assistants: Code Interpreter Script

FAZIT  OpenAI bietet eine einfache Möglichkeit AI-Modelle zu nutzen  Einbindung über APIs für Python, JavaScript und Java möglich  Mit dem RAG-Pattern kann die Wissensbasis des Modells erweitert werden  Function Calling und Structured Output bilden die Schnittstelle zur Software  Mit Code Interpreter kann dynamisch Code erzeugt und ausgeführt werden

Q& A

"The electric light did not come from the continuous improvement of candles." Oren Harari, Wirtschaftsprofessor NeoGeeks AI Workshops Generative AI eröffnet viele neue Möglichkeiten in diversen Geschäftsbereichen. Ob als Chat im Kundensupport, als Unterstützung im Vertragsmanagement, dem Texten und Entwerfen von Logos im Marketing oder als Hilfe beim Onboarding neuer Mitarbeiter*innen – das Feld an Möglichkeiten ist vielfältig. Doch auch die Themen Datenschutz und IT-Sicherheit müssen hierbei berücksichtig werden. Wir möchten Euch helfen von den neuen Möglichkeiten zu profitieren! Dazu bieten wir Euch individuelle Workshop an, in denen wir zeigen, wie Ihr AI-Modelle in Eurem Unternehmen sicher betreiben und mit Eurem domänenspezifischen Wissen trainieren könnt. Wir unterstützen Euch beim Finden von sinnvollen Einsatzszenarien, dem Sammeln und Aufbereiten der erforderlichen Daten, bis hin zur Integration in Eure IT- Landschaft. Wir helfen Euer AI-Vorhaben zu realisieren. AI Ideation Workshop • Einordnung des Themas und der Möglichkeiten • Ideenfindung im Kontext des eigenen Geschäfts • Zielgruppe: Entscheider • Dauer: ½ Tag › Die Agenda kann individuell auf Eure Bedürfnisse angepasst werden. › Wir führen die Workshops je nach Bedarf bei Euch im Haus oder remote durch. › Im Anschluss erhaltet ihr neben dem Folienmaterial eine Dokumentation der diskutierten Themen, sowie eine Empfehlung für das weitere Vorgehen. › Die Workshops werden durch Jörg Neumann durchgeführt. Er ist Microsoft MVP für die Bereiche Azure OpenAI Service und Azure Machine Learning Platform und verfügt über langjährige Erfahrung im AI-Umfeld. Kontakt: [email protected] AI Exploration Workshop • Überblick der technischen Möglichkeiten • Entwurf eines Projekts oder PoC • Projektplanung und Setup • Zielgruppe: Architekten • Dauer: 1 Tag AI Developer Training • Technisches Training zu GenAI • Anpassen von Modellen • Entwickeln von AI-Lösungen • Zielgruppe: Entwickler • Dauer: 2 Tage Coaching und Mentoring • Beratung und Projekt- begleitendes Coaching Development Power • Unterstützung für Euer Team • Entwicklung Eurer Lösung

JAVA RESSOURCEN SPRING AI  Spring AI Home https://spring.io/projects/spring-ai  Introduction to Spring AI https://www.baeldung.com/spring-ai  Spring AI in Docs https://docs.spring.io/spring-ai/reference/index.html

JAVA RESSOURCEN SPRING AI SAMPLES VON MICROSOFT  Spring AI with OpenAI https://github.com/rd-1-2022/ai-openai-helloworld  Simple Spring AI Application with Azure OpenAI https://github.com/rd-1-2022/ai-azure-openai-helloworld  Spring AI Retrieval Augmented Generation with Open AI https://github.com/rd-1-2022/ai-openai-rag  Spring AI Retrieval Augmented Generation with Azure OpenAI https://github.com/rd-1-2022/ai-azure-retrieval-augmented-generation  Quickstart: Chat with Azure OpenAI models using your own data