Einführung in die Claude API

• Überblick über die KI-Plattform von Anthropic
• Die Claude-Modellfamilien
  • Claude Opus, Sonnet und Haiku
  • Unterschiede bei Leistungsfähigkeit, Geschwindigkeit und Kosten
  • Auswahl geeigneter Modelle für unterschiedliche Anwendungsfälle
• Claude Chat, Claude Code und Claude API im Vergleich
• Architektur und Funktionsweise der Claude API
• Vergleich mit OpenAI API, Google Gemini API und Azure AI
• API-Zugriff über Anthropic, Amazon Bedrock und Google Vertex AI
• Kostenmodelle und Tokenabrechnung

Erste Schritte mit der Claude API

• Einrichtung der Anthropic Console
• API-Schlüssel erstellen und verwalten
• Authentifizierung und API-Versionierung
• REST-Aufrufe mit HTTP und JSON
• Offizielle Anthropic SDKs
  • C#/.NET
  • JavaScript/TypeScript
  • Python
  • Weitere Programmiersprachen
• Erste API-Aufrufe implementieren
• Fehlerbehandlung und Rate Limits

Messages API und Konversationsverwaltung

• Architektur der Messages API
• Aufbau von Requests und Responses
• System Prompts und User Messages
• Rollen und Nachrichtenverläufe
• Verarbeitung unterschiedlicher Content Blocks
• Stateless API und Verwaltung des Konversationskontexts
• Steuerung der Textgenerierung
  • max_tokens
  • temperature und weitere Modellparameter, soweit unterstützt
  • Stop Sequences
  • Modellabhängige Konfigurationsmöglichkeiten
• Streaming von Antworten mit Server-Sent Events (SSE)
• Tokenzählung und Kontextfenster
• Umgang mit langen Konversationen

Prompt Engineering für die Claude API

• Grundlagen effektiver Prompts
• System Prompts und Rollenverhalten
• Zero-Shot- und Few-Shot-Prompting
• Strukturierte Prompts mit XML-Tags
• Kontextinformationen und Beispiele bereitstellen
• Erweiterte Denkfunktionen (Extended Thinking)
• Adaptive Thinking und Steuerung des Denkaufwands
• Prompt Templates und wiederverwendbare Prompts
• Prompt-Versionierung und automatisierte Evaluierung
• Schutz vor Prompt Injection

Strukturierte Ausgaben und Datenextraktion

• Strukturierte Antworten mit JSON
• Structured Outputs und JSON Schema
• Validierung von Ausgaben
• Typisierte Datenmodelle in C#, TypeScript und Python
• Informationen aus unstrukturierten Texten extrahieren
• Klassifikation und Kategorisierung mit Claude
• Transformation zwischen unterschiedlichen Datenformaten
• Fehlerbehandlung bei ungültigen oder unvollständigen Ausgaben
• Integration strukturierter KI-Ergebnisse in Geschäftsprozesse

Multimodale Anwendungen mit Claude

• Verarbeitung von Bildern über die Claude API
• Bildanalyse und visuelle Fragen
• Dokumentenverarbeitung mit Claude
  • PDF-Dateien analysieren
  • Informationen aus Dokumenten extrahieren
  • Tabellen und strukturierte Inhalte erkennen
• Files API zum Verwalten hochgeladener Dateien
• Kombination von Text, Bildern und Dokumenten
• Quellenangaben und Citations
• Grenzen multimodaler Verarbeitung

Tool Use und Function Calling

• Grundlagen von Tool Use in Claude
• Unterschied zwischen Client Tools und Server Tools
• Eigene Funktionen als Tools bereitstellen
• Tooldefinitionen mit JSON Schema
• Tool-Aufrufe erkennen und verarbeiten
• Ergebnisse von Tool-Aufrufen an Claude zurückgeben
• Mehrstufige Tool-Aufrufe implementieren
• Parallele Tool-Aufrufe
• Fehlerbehandlung und Validierung von Tool-Parametern
• Externe REST-APIs und Datenbanken als Tools integrieren
• Serverseitige Werkzeuge
  • Web Search
  • Web Fetch
  • Code Execution
• Sicherheit und Berechtigungen bei Tool-Aufrufen

Retrieval-Augmented Generation (RAG) mit Claude

• Grundlagen und Architektur von RAG
• Unterschiede zwischen RAG und langen Kontextfenstern
• Dokumente für die Suche aufbereiten
• Textsegmentierung und Chunking
• Embeddings und Vektordatenbanken
• Semantische Suche implementieren
• Relevante Informationen in Claude-Prompts integrieren
• Hybrid Search und Reranking
• Quellenangaben für generierte Antworten
• RAG mit relationalen Datenbanken
• Qualität und Relevanz von RAG-Ergebnissen überprüfen

Model Context Protocol (MCP) mit Claude

• Einführung in das Model Context Protocol
• Architektur von MCP
  • MCP Hosts
  • MCP Clients
  • MCP Server
• MCP Tools, Resources und Prompts
• Unterschiede zwischen MCP und klassischem Function Calling
• MCP-Server mit der Claude API verbinden
• Eigene MCP-Server entwickeln
• Externe Datenquellen und Dienste über MCP integrieren
• Authentifizierung und Autorisierung
• Sicherheitsaspekte bei MCP-Integrationen

KI-Agenten mit Claude entwickeln

• Grundlagen agentischer KI-Anwendungen
• Unterschiede zwischen Chatbots, Workflows und KI-Agenten
• Architektur eines KI-Agenten
• Die Agentic Loop
  • Aufgabe analysieren
  • Aktionen planen
  • Tools aufrufen
  • Ergebnisse bewerten
  • Weitere Aktionen ausführen
• Eigene Agenten mit der Messages API und Tool Use implementieren
• Claude Agent SDK einsetzen
• Claude Managed Agents als verwaltete Laufzeitumgebung
• Spezialisierte Agenten und Multi-Agent-Systeme
• Zustandsverwaltung und persistenter Kontext
• Human-in-the-Loop und Freigabemechanismen
• Fehlerbehandlung und Abbruchbedingungen
• Agenten testen und überwachen

Performanceoptimierung und Kostenkontrolle

• Tokenverbrauch analysieren
• Prompt Caching
• Message Batches API
• Kontextfenster effizient nutzen
• Kontextkomprimierung und Zusammenfassung
• Streaming zur Verbesserung der Antwortzeiten
• Modell-Routing zwischen Haiku, Sonnet und Opus
• Rate Limits und parallele API-Aufrufe
• Wiederholungsversuche und Exponential Backoff
• Kostenüberwachung und Budgetierung
• Qualität, Geschwindigkeit und Kosten gegeneinander abwägen

Sicherheit und produktiver Betrieb

• Sichere Verwaltung von API-Schlüsseln
• Datenschutz und Verarbeitung vertraulicher Informationen
• Datenaufbewahrung und Datenschutzoptionen der Anthropic API
• Schutz vor Prompt Injection und Tool Manipulation
• Absicherung von Tool-Aufrufen und Agenten
• Validierung KI-generierter Inhalte
• Logging, Monitoring und Tracing
• Automatisierte Tests für KI-Anwendungen
• Evaluation von Modellantworten
• Umgang mit Modelländerungen und API-Versionen
• Skalierung und Betrieb produktiver KI-Anwendungen

Praktische Übungen

• Eine Anwendung mit der Claude API entwickeln
• Einen Chatbot mit Konversationsverwaltung implementieren
• Streaming von Antworten integrieren
• Strukturierte JSON-Ausgaben mit JSON Schema erzeugen
• Informationen aus PDF-Dokumenten extrahieren
• Eigene Funktionen über Tool Use aufrufen
• Einen MCP-Server anbinden
• Einen RAG-basierten Wissensassistenten entwickeln
• Einen KI-Agenten mit mehreren Werkzeugen implementieren
• Tokenverbrauch und API-Kosten optimieren

Ausblick und Vergleich mit anderen KI-APIs

• Claude API im Vergleich mit OpenAI API und Google Gemini API
• Claude Agent SDK im Vergleich mit anderen Agenten-Frameworks
• Integration mit Microsoft Semantic Kernel und anderen KI-Frameworks
• Offene Standards für KI-Agenten: MCP, A2A und AG-UI
• Aktuelle Entwicklungen bei KI-Modellen und agentischen Anwendungen