Transparente AI / KatastroPHPal - the worst of PHP

== Infos ==
Beginn: 19:00 Uhr
In den Büros der traperto GmbH
Pizza und Getränke werden vorhanden sein

== KatastroPHPal - the worst of PHP ==
== Speaker » Niklas Schmidt, traperto GmbH ==

Wer schon mal im Internet nach PHP gesucht hat, dem wird der schlechte Ruf der Sprache nicht entgangen sein.
Doch warum genau? Und kann man es auf die Spitze treiben? In diesem Kurzvortrag werden die besten (oder schlimmsten?) Hacks und Funktionen in PHP vorgestellt.
Wer also schon immer mal wissen wollte, wie man beim nächsten Code-Review zum Gesprächsthema der Kolleg*innen wird, sollte sich diesen Vortrag nicht entgehen lassen!

== Transparente AI: Tracing- und Debugging-Techniken für LLM-Anwendungen ==
== Speaker / Special guest » Marco Frodl, thinktecture AG ==

Wir tauchen tief in die Welt des Tracings und Debuggings generativer KI-Anwendungen ein, um die oft als "Black Box" wahrgenommenen Prozesse zugänglicher und transparenter zu machen. Mit Fokus auf modernen Large Language Models (LLMs) und deren Anwendungen, werden wir an praktischen Beispielen die effektive Nutzung von Werkzeugen wie LangFuse und LangSmith zur Beobachtung, Analyse und Verbesserung dieser Systeme betrachten.
Los geht es mit einer Einführung in die Herausforderungen beim Debugging generativer AI-Workflows und wie diese mit den fortschrittlichen Funktionen von LangFuse und LangSmith bewältigt werden können. Der Schwerpunkt liegt dabei auf der zunehmenden Komplexität von LLM-Anwendungen, die umfangreiche Abstraktionen wie dynamische Prompts, Antworten von Retrievern und Tools, komplexe Chains und Agents nutzen. Hier können die verschachtelten Traces in LangFuse oder LangSmith dabei helfen, das Geschehen besser zu verstehen und die Ursachen von Problemen zu ergründen. Anschließend gehen wir auf die Analyse und das Tracking von Metriken wie Kosten, Latenzzeiten und Qualität der LLMs ein.
Ziel des Talks ist es, den Teilnehmern die Werkzeuge und Kenntnisse an die Hand zu geben, um ihre generativen AI-Workflows effizienter zu gestalten und die Transparenz und Kontrolle über ihre KI-Systeme zu erhöhen.