Kursbeschreibung
Mistral-KI lässt sich als API-Dienst, über Open-Weight-Modelle oder in einer eigenen Betriebsumgebung einsetzen. Das Training zeigt dir, wie du diese Optionen anhand deines Use-Cases vergleichst und daraus eine technische Entscheidung ableitest. Du prüfst Mistral Medium 3.5, Mistral Small 4, Mistral Large 3 und Ministral 3 anhand ihrer Modalitäten, Kontextfenster, Latenz, Lizenz und API-Kosten. Spezialmodelle wie Voxtral, Voxtral TTS, Codestral, Devstral 2 und OCR 4 werden dort betrachtet, wo Sprache, Code oder Dokumente verarbeitet werden. Aktuelle Modellkarten und versionierte Modell-IDs verhindern, dass eine Architektur unbemerkt auf einem ausgetauschten API-Alias aufbaut. Einen Überblick über weitere Themen findest du bei den KI-Schulungen von Kebel Training.
Am durchgehenden Beispielprojekt verbindest du die Mistral-API mit einer Anwendung, definierst strukturierte Antwortschemata und behandelst Fehlerfälle. Anschließend ergänzt du Retrieval-Augmented Generation, prüfst die Quellenbindung und entwickelst Testfälle für Qualität, Moderation, Logging und Kosten. Hosting-Regionen, Datenübertragungen und lokale Deployment-Optionen fließen in den Rollout-Plan ein. So entsteht ein lauffähiger API-Prototyp samt Vergleichsmatrix und begründeter Betriebsentscheidung, statt einer allgemeinen Empfehlung ohne technische Prüfung. Für eine Vertiefung der Wissensintegration schließt das RAG- und Vektordatenbanken-Training an. Du arbeitest in einer kleinen Gruppe von 2 bis 8 Personen und kannst technische Rückfragen direkt am Beispielprojekt klären. Frage passende Termine für dein Team und eine Beratung zur Trainingsauswahl an.
Die wichtigsten Themen im Überblick
- Mistral-Modelle fundiert vergleichen
- API-Prototyp eigenständig entwickeln
- RAG-Antworten mit Quellen prüfen
- API-Kosten und Latenz bewerten
- Deployment-Entscheidung begründen
Zielgruppe
- Fachkräfte für KI-Architektur mit LLM-Projektverantwortung
- Data-Science-Teams mit generativen KI-Anwendungen
- Teams aus der Softwareentwicklung für API- und Plattformintegrationen
- Teams vor einer Mistral-Einführung mit offenen Betriebsfragen
Voraussetzung für die Schulung
- Grundverständnis von generativer KI und Large Language Models
- Technisches Verständnis für APIs und Datenflüsse
- Python-Grundkenntnisse oder vergleichbare Programmiererfahrung hilfreich
- Bei fehlenden Grundlagen empfohlen: Large Language Model Grundkurs
Kursinhalte
Mistral-Portfolio und Modellvergleich
- Mistral Medium 3.5 und Small 4
- Mistral Large 3 und Ministral 3
- Voxtral, Codestral und Devstral 2
- OCR 4 für Document AI
- Versionierte Modell-IDs und Modellkarten
Modellauswahl und Betriebsarchitektur
- Vergleichsmatrix für die Modellauswahl
- Modalitäten und Kontextfenster
- Latenz- und Kostenprofile
- API-Modelle und Open-Weight-Modelle
- Betrieb in der Cloud, hybrid oder lokal
API-Integration und Prompt-Design
- Mistral-API und Python-SDK
- Chat- und Reasoning-Prompts
- Strukturierte Ausgaben und Antwortschemata
- Tool-Aufrufe in Agenten-Workflows
- Fehlerbehandlung und Wiederholungslogik
RAG und Dokumentenverarbeitung
- Retrieval-Architektur mit Embeddings
- Indexierung von Unternehmensdokumenten
- OCR-Extraktion mit Strukturinformationen
- Quellenbindung generierter Antworten
- RAG-Test mit Quellenprüfung
Audio-, Code- und Agenten-Anwendungen
- Transkription mit Voxtral
- Sprachausgabe mit Voxtral TTS
- Code-Vervollständigung mit Codestral
- Code-Agenten mit Devstral 2
- Tool-Nutzung im API-Prototyp
Evaluation, Sicherheit und Rollout
- Testfälle für Modellvergleiche
- Bewertungsmetriken für Antwortqualität
- Mistral Moderation 2603
- Logging und API-Kostenkontrolle
- EU-Datenflüsse und Hosting-Regionen
- Deployment-Entscheidung und Rollout-Plan






