Vertex AI ist eine umfassende Machine-Learning-Entwicklungsplattform, die Funktionen für sowohl prädiktive als auch generative KI bietet. Mit Vertex AI können Sie prädiktive Machine-Learning-Modelle für Prognosen trainieren, bewerten und einsetzen. Außerdem haben Sie mithilfe der Plattform die Möglichkeit, generative KI-Modelle zur Inhaltserstellung kennenzulernen, abzustimmen und bereitzustellen. So versuchen Versicherungen beispielsweise ständig, die Effizienz in Bereichen wie der Schadensabwicklung und Risikobewertung zu erhöhen. Vertex AI Studio bietet eine leistungsstarke Möglichkeit, schnell Prototypen für auf generativer KI basierende Lösungen für solche Herausforderungen zu erstellen.
Mit Vertex AI Studio können Sie generative KI-Modelle schnell testen und anpassen, sodass Sie deren Funktionen in Ihren Anwendungen nutzen können. Die Lösung bietet zahlreiche Tools und Ressourcen, darunter eine intuitive Benutzeroberfläche, die den Einstieg in generative KI erleichtern, auch wenn Sie keine oder wenig Machine-Learning-Kenntnisse haben.
Dieses Lab führt Sie durch Vertex AI Studio. Hier können Sie das gesamte Potenzial hochmoderner, generativer KI-Modelle wie Gemini ausschöpfen. Im Rahmen des Labs unterstützen Sie eine Versicherung bei der Entwicklung eines Prototyps für einen Risikoanalyseassistenten. Sie erfahren, wie Sie aus einer Prompt-Idee eine einsatzbereite Anwendung machen, komplexe Prompts entwerfen, um bestimmte generative Ergebnisse zu erzielen, und multimodale Funktionen verwenden, um verschiedene Arten von Daten, einschließlich Bildern, zu analysieren – und das alles direkt in der Google Cloud Console. Für diese Kernaufgaben sind keine APIs oder Python SDKs erforderlich.
Lernziele
Aufgaben in diesem Lab:
Anwendungen aus Prompts erstellen
Effektive Prompts entwerfen
Prompts entwickeln und verwalten
Multimodale Prompts verwenden
Einrichtung und Anforderungen
Vor dem Klick auf „Start Lab“ (Lab starten)
Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.
In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.
Für dieses Lab benötigen Sie Folgendes:
Einen Standardbrowser (empfohlen wird Chrome)
Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.
Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.
Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.
Lab starten und bei der Google Cloud Console anmelden
Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können.
Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:
Schaltfläche „Google Cloud Console öffnen“
Restzeit
Temporäre Anmeldedaten für das Lab
Ggf. weitere Informationen für dieses Lab
Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).
Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.
Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.
Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.
Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.
{{{user_0.username | "Username"}}}
Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.
Klicken Sie auf Weiter.
Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.
{{{user_0.password | "Password"}}}
Sie finden das Passwort auch im Bereich „Details zum Lab“.
Klicken Sie auf Weiter.
Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos.
Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.
Klicken Sie sich durch die nachfolgenden Seiten:
Akzeptieren Sie die Nutzungsbedingungen.
Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
Melden Sie sich nicht für kostenlose Testversionen an.
Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.
Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.
Aufgabe 1: Anwendungen aus Prompts erstellen
In dieser Aufgabe sehen Sie, wie schnell Sie eine Idee für einen auf generativer KI basierenden Assistenten mit Vertex AI Studio in einen funktionierenden Prototyp verwandeln können. Sie konzentrieren sich auf unseren Anwendungsfall für die Versicherungsbranche: Sie erstellen einen Prompt, der Versicherungsangestellten dabei hilft, Kundeninformationen für einen Risikoanalysebericht zusammenzufassen, und bereiten diesen Prompt dann als einfache Anwendung vor.
Klicken Sie in der Google Cloud Console im Navigationsmenü () auf Vertex AI > Vertex AI Studio > Übersicht.
Wählen Sie im Vertex AI-Menü unter Vertex AI Studio die Option Prompt erstellen aus. Dadurch gelangen Sie zur Seite mit dem Prompt-Editor.
Die Benutzeroberfläche enthält drei Hauptabschnitte:
Systemanweisungen (oben): Eine Reihe von Anweisungen, die vom Modell verarbeitet werden, bevor es Prompts verarbeitet. Eine Systemanweisung gilt für die gesamte Anfrage. Wenn sie im Prompt enthalten ist, wird sie über mehrere Runden in der Unterhaltung zwischen Nutzer und Modell beibehalten. Wir empfehlen die Verwendung von Systemanweisungen zur Steuerung des Modellverhaltens und der Reaktion auf Prompts.
Konfiguration (rechts): In diesem Abschnitt können Sie Modelle auswählen (auch solche von Drittanbietern), Parameter konfigurieren, Tools wie die Fundierung verwenden und erweiterte Optionen festlegen.
Prompt (unten): Hier können Sie einen Prompt erstellen, der multimodale Funktionen nutzt.
Wenn die neue Seite mit dem unbenannten Prompt geladen ist, klicken Sie oben links auf Unbenannte Aufforderung und benennen den Prompt in Insurance Risk Summary - Prototype um.
Klicken Sie im Hauptbereich in das Textfeld Systemanweisungen und geben Sie Folgendes ein, um dem KI-Assistenten eine für unser Versicherungsszenario relevante Rolle zuzuweisen:
You are an expert AI assistant for an insurance underwriting department.
Your primary goal is to help underwriters by accurately and concisely summarizing client information and highlighting potential risk factors.
Maintain a professional and objective tone.
Focus only on the information provided in the prompt. Do not invent details.
Fügen Sie unten auf der Seite unter den Systemanweisungen Folgendes in den Prompt-Hauptbereich ein:
Customer Notes for 'SafeHarbor Warehousing':
"The applicant is seeking coverage for their 50,000 sq ft warehouse. The business is 5 years old. The building is a concrete tilt-up structure, originally built in 2010. They store a variety of non-hazardous dry goods.
Fire safety measures include a full sprinkler system, a centrally monitored fire alarm, and documented annual inspections by a certified third party.
Security measures include a 24/7 centrally monitored burglar alarm, comprehensive security camera coverage of the interior and exterior, a fully fenced perimeter, and nightly patrols by a contracted security guard service.
The company reports no major property or liability losses in their 5-year history. They have specifically asked to ensure their new automated shelving and retrieval system, installed last month, is adequately covered under the policy."
Your Task:
1. Briefly summarize the key details of the 'SafeHarbor Warehousing' business and its existing safety measures.
2. Based *only* on the notes provided, identify any immediate questions an underwriter should ask or potential risk factors they should consider further.
Present the summary first, then the questions/risk factors as bullet points.
Gehen Sie im Abschnitt Konfiguration rechts so vor:
Achten Sie darauf, dass das Modell ausgewählt ist. Sie können auf Modell wechseln klicken, um die Auswahl zu ändern.
Blenden Sie die Optionen unter Erweitert ein und wählen Sie als Region aus, wenn dies noch nicht geschehen ist.
Klicken Sie auf die Pfeil-Schaltfläche Senden (normalerweise unten rechts im Prompt-Eingabebereich) oder drücken Sie Strg + Eingabe. Prüfen Sie die Antwort des Modells.
Klicken Sie oben auf der Seite auf Speichern. Das Dialogfeld Prompt speichern sollte bereits den Namen Insurance Risk Summary - Prototype enthalten. Prüfen Sie, ob die richtige Region () ausgewählt ist, und klicken Sie auf Speichern.
Sehen wir uns nun an, wie aus diesem Prompt-Entwurf der Prototyp einer Anwendung wird. Klicken Sie oben rechts auf der Seite auf Mit Code erstellen. Wählen Sie im Drop-down-Menü Als Anwendung bereitstellen (Auf Basis von Cloud Run) aus.
Gehen Sie im nun angezeigten Dialogfeld „In Cloud Run bereitstellen“ so vor:
Möglicherweise müssen Sie Dienste aktivieren, wenn Sie dazu aufgefordert werden (zum Beispiel Cloud Build API, Cloud Run API). Klicken Sie bei Bedarf auf Aktivieren und warten Sie, bis die Dienste aktiviert sind.
Aktivieren Sie die Option Bestätigung, um Ihre App öffentlich bereitzustellen.
Klicken Sie auf Anwendung erstellen.
Die Bereitstellung wird gestartet und kann einige Minuten dauern. Möglicherweise werden in der Benutzeroberfläche Statusaktualisierungen wie die folgenden angezeigt:
Klicken Sie anschließend im Feld Webanwendung verwalten auf Schließen. Klicken Sie dann oben rechts auf der Seite erneut auf Mit Code erstellen, um Ihre neu bereitgestellte Anwendung zu öffnen. Wählen Sie im Drop-down-Menü jetzt App öffnen (Auf der Basis von Cloud Run) aus. Daraufhin wird die Anwendung Vertex AI GenAI in einem neuen Browsertab geöffnet.
Sie sollten jetzt eine Seite mit dem Titel „Willkommen bei der Anwendung Vertex AI GenAI!“ sehen. Ihr Prompt-Titel „Insurance Risk Summary - Prototype“ sollte angezeigt werden.
Geben Sie im Abschnitt „Chatbot“ im Eingabefeld „Nachricht eingeben…“ unten eine neue Testnachricht ein. Beispiel:
New Customer Inquiry:
"Applicant 'Coastal Goods Delivery' has a fleet of 10 delivery vans, all equipped with GPS and telematics. They operate within a 100-mile radius of their depot. Drivers undergo annual safety training. They had one minor fender bender last year, no injuries, $1500 damages. What are the primary risk considerations?"
Please summarize key points and identify potential risks.
Klicken Sie auf die Pfeilschaltfläche, um Ihre Nachricht an die Anwendung zu senden.
Sehen Sie sich die Antwort Ihrer bereitgestellten GenAI-Anwendung an. Sie sollte Ihre Eingabe basierend auf der Logik und den Systemanweisungen verarbeiten, die Sie in Vertex AI Studio definiert haben.
Hinweis: Wie aus der Warnung auf der Anwendungsseite zu entnehmen ist, erlaubt diese Anwendung standardmäßig nicht authentifizierten Zugriff. In einer Produktionsumgebung würden Sie die entsprechenden Sicherheitseinstellungen konfigurieren. Für dieses Lab ist die Standardeinstellung ausreichend.
Sie haben jetzt den gesamten Aufgabenzyklus abgeschlossen:
Sie haben einen Prompt in Vertex AI Studio erstellt.
Sie haben ihn als serverlose Anwendung mit wenigen Klicks über Cloud Run bereitgestellt.
Sie haben Ihr generatives KI-Modell direkt geöffnet und über eine Weboberfläche damit interagiert.
Dies zeigt, wie schnell sich mit Vertex AI Studio ein Prototyp erstellen und auf generativer KI basierende Funktionen bereitstellen lassen.
Klicken Sie auf Fortschritt prüfen.
Mit Vertex AI Studio eine Prompt-Anwendung erstellen
Aufgabe 2: Effektive Prompts entwerfen
In Aufgabe 1 haben Sie den Prototyp eines ersten Prompts erstellt. Jetzt werden Sie sich eingehender mit der Optimierung von Prompts befassen, um präzisere, kontrolliertere und nützlichere Ausgaben der generativen Modelle zu erhalten. Das ist eine der wichtigsten Fähigkeiten im Prompt Engineering. Sie bleiben beim Thema Versicherungen und versuchen, bestimmte Informationen aus einem Schadensdokument zu extrahieren oder die Qualität der Zusammenfassung zu verbessern.
Zero-Shot-Prompting
Sie beginnen mit der Erstellung eines neuen Prompts, um sich das Prompt-Design genauer anzusehen.
Achten Sie darauf, dass Sie sich im Hauptbereich von Vertex AI Studio befinden. Wenn Ihre bereitgestellte Anwendung aus Aufgabe 1 geöffnet ist, schließen Sie diesen Browsertab, um zur Google Cloud Console zurückzukehren.
Klicken Sie im Navigationsmenü () auf Vertex AI > Vertex AI Studio > Prompt erstellen.
Wenn Sie mit einer neuen Prompt-Seite begonnen haben (mit der Aufschrift „Prompt-Beispiele“), klicken Sie oben links auf Unbenannte Aufforderung und benennen Sie den Prompt in Insurance Claim Data Extraction um.
Machen Sie sich mit dem Szenario für diesen Abschnitt vertraut: Versicherungssachverständige erhalten oft unstrukturierte Notizen oder E‑Mails zu einem neuen Versicherungsfall und müssen schnell wichtige Informationen extrahieren, um sie in das System zur Schadensabwicklung einzugeben.
Geben Sie im Feld Systemanweisungen Folgendes ein:
You are an AI assistant specializing in parsing and extracting specific data points from unstructured insurance claim notifications.
Your goal is to identify and list key information accurately.
If a piece of information is not found, clearly state "Not found".
Output the extracted information in a key: value format, with each key on a new line.
Fügen Sie im Prompt-Hauptbereich das folgende Beispiel einer unstrukturierten Schadensmeldung ein:
Claim Notification Received:
"Hi team, just got a call from Mrs. Eleanor Vance, policy #POL458892. She reported a kitchen fire that occurred on May 12th, 2025, around 3 PM. The main damage seems to be to the oven and surrounding cabinets. She mentioned smoke damage in the kitchen and dining area too. She thinks the total damage might be around $7,500. Her contact is 555-0123. No injuries reported, thankfully."
Extract the following:
- Policy Number
- Claimant Name
- Date of Loss
- Time of Loss
- Type of Loss
- Brief Description of Damage
- Estimated Loss Amount
- Injuries Reported
Gehen Sie im Abschnitt Konfiguration rechts so vor:
Wählen Sie das Modell aus.
Setzen Sie die Temperatur auf 0.1, um eine eher sachliche, weniger kreative Extraktion zu erzielen.
Legen Sie als Tokenausgabelimit eine angemessene Zahl wie 1024 fest.
Vergewissern Sie sich, dass als Region ausgewählt ist.
Klicken Sie auf die Pfeil-Schaltfläche Senden. Sehen Sie sich die Ausgabe an. Dieser erste Versuch ohne explizite Beispiele wird als Zero-Shot-Prompting bezeichnet.
Wenn Sie sich die Antwort auf Ihren Zero-Shot-Versuch angesehen haben, klicken Sie auf das Symbol Löschen in der oberen Symbolleiste, um den gesamten Prompt zu löschen. Das ist notwendig, weil Beispiele in der Regel nur zu einem neuen Prompt hinzugefügt werden können.
Few-Shot-Prompting
Oft kann die Leistung des Modells durch die Bereitstellung einiger Beispiele (Few-Shot-Prompting) erheblich verbessert werden, insbesondere wenn eine bestimmte Formatierung oder differenziertere Extraktion gewünscht ist.
Klicken Sie rechts unten im Bereich Prompt auf Beispiele hinzufügen ().
Daraufhin wird ein neues Fenster geöffnet, in dem Sie Beispiele für Prompts hinzufügen können.
Gehen Sie im angezeigten Bereich „Beispiele“ so vor:
Fügen Sie als EINGABE Ihres ersten Beispiels die folgende unstrukturierte Notiz ein:
Claim Notification Received:
"Email from John Sterling (policy POL77521) re: water damage at his shop. Happened sometime last night, May 10th, 2025. A pipe burst in the ceiling. Stockroom is flooded, some damage to inventory. He's not sure on the cost yet, maybe $5k-$10k? No one was there, so no injuries."
Extract the following:
- Policy Number
- Claimant Name
- Date of Loss
- Time of Loss
- Type of Loss
- Brief Description of Damage
- Estimated Loss Amount
- Injuries Reported
Fügen Sie als AUSGABE Ihres ersten Beispiels die folgende perfekt formatierte Extraktion ein:
Policy Number: POL77521
Claimant Name: John Sterling
Date of Loss: May 10th, 2025
Time of Loss: Night
Type of Loss: Water damage
Brief Description of Damage: Pipe burst in ceiling, stockroom flooded, some damage to inventory.
Estimated Loss Amount: $5,000 - $10,000
Injuries Reported: No
Klicken Sie auf Beispiele hinzufügen, um dieses Beispiel zu speichern und zum Haupt-Prompt zurückzukehren.
Systemanweisungen erneut hinzufügen: Da die Systemanweisungen beim Löschen des Prompts ebenfalls gelöscht wurden, fügen Sie sie oben im Feld „Systemanweisungen“ wieder ein:
You are an AI assistant specializing in parsing and extracting specific data points from unstructured insurance claim notifications.
Your goal is to identify and list key information accurately.
If a piece of information is not found, clearly state "Not found".
Output the extracted information in a key: value format, with each key on a new line.
Neue Eingabe und den Prompt angeben:
Fügen Sie im Bereich mit der Bezeichnung (Input) Wert hier eingeben die ursprüngliche Schadensmeldung von Eleanor Vance ein, die das Modell jetzt verarbeiten soll:
Claim Notification Received:
"Hi team, just got a call from Mrs. Eleanor Vance, policy #POL458892. She reported a kitchen fire that occurred on May 12th, 2025, around 3 PM. The main damage seems to be to the oven and surrounding cabinets. She mentioned smoke damage in the kitchen and dining area too. She thinks the total damage might be around $7,500. Her contact is 555-0123. No injuries reported, thankfully."
Geben Sie im Bereich Geben Sie hier Ihren Prompt ein (unter dem Eingabefeld) die Anweisung für das Modell ein. Dadurch weiß das Modell, was es mit dem (Eingabe-)Text tun soll, und kann sich an den Beispielen orientieren. Geben Sie Folgendes ein:
Extract the following data points from the provided claim notification:
- Policy Number
- Claimant Name
- Date of Loss
- Time of Loss
- Type of Loss
- Brief Description of Damage
- Estimated Loss Amount
- Injuries Reported
Prüfen Sie, ob die Konfiguration (Modell, Temperatur, Tokenlimit, Region) noch wie gewünscht ist (zum Beispiel Temperatur bei 0.1).
Klicken Sie noch einmal auf die Pfeil-Schaltfläche Senden. Vergleichen Sie diese neue Ausgabe mit dem vorherigen Zero-Shot-Versuch. Prüfen Sie, ob sich die Accuracy oder Formatierung aufgrund des Few-Shot-Beispiels und der strukturierten Eingabemethode deutlich verbessert hat.
Mit Prompt-Konfigurationen experimentieren
Jetzt sehen Sie sich an, wie sich verschiedene Parameter im Bereich Konfiguration auf der rechten Seite auf die Antwort des Modells auswirken können. Dafür muss der Prompt „Insurance Claim Data Extraction“ mit dem Few-Shot-Beispiel aktiv sein.
Mit der Temperatur experimentieren:
Erklärung: Die Temperatur bestimmt den Grad der Zufälligkeit. Niedrigere Werte (zum Beispiel 0.0–0.2) können die Ausgabe fokussierter und deterministischer machen. Höhere Werte (zum Beispiel 0.7–1.0) führen zu vielfältigeren oder kreativeren Antworten.
Test: Ändern Sie die Temperatur auf 0.7. Klicken Sie auf Senden und beobachten Sie die Änderungen. Stellen Sie dann die Temperatur wieder auf 0.1 ein.
Mit dem Tokenausgabelimit experimentieren:
Erklärung: Damit wird die maximale Anzahl an Tokens (Wortteilen) festgelegt, die das Modell für seine Antwort generieren kann.
Test: Legen Sie das Tokenausgabelimit auf eine sehr kleine Zahl wie 20 fest. Klicken Sie auf Senden. Sie sehen, dass die Ausgabe abgeschnitten wird. Setzen Sie das Limit auf einen geeigneten Wert zurück (zum Beispiel 1024 oder den Standardwert).
Mit Top-P experimentieren:
Erklärung: Mit Top-P (Nucleus Sampling) kann ebenfalls der Grad der Zufälligkeit gesteuert werden. Es werden nur die wahrscheinlichsten Tokens berücksichtigt, deren kombinierte Wahrscheinlichkeit den Top-P-Wert übersteigt. Bei einem Wert von 1.0 werden alle Tokens berücksichtigt. Wenn Sie den Top-P-Wert verringern (zum Beispiel auf 0.8), wird die Ausgabe fokussierter, ähnlich wie bei einer niedrigeren Temperatur.
Test: Setzen Sie die Temperatur auf 0.1 (oder etwas höher, zum Beispiel auf 0.5, um den Top-P-Effekt besser beobachten zu können) und Top-P auf 0.8. Klicken Sie auf Senden. Legen Sie dann Top-P auf 1.0 fest, klicken Sie auf Senden und achten Sie auf kleine Unterschiede.
Sehen Sie sich kurz die anderen Einstellungen im Konfigurationsbereich Erweitert an:
Einstellungen für Sicherheitsfilter: Diese sind standardmäßig aktiviert, um schädliche Inhalte zu blockieren. In diesem Lab verwenden Sie die Standardeinstellungen.
Klicken Sie auf Fortschritt prüfen.
Prompt Engineering in Vertex AI Studio
Aufgabe 3: Prompts entwickeln und verwalten
Wenn Sie einen funktionierenden Prompt haben, können Sie mit Änderungen an den Anweisungen oder Modellkonfigurationen experimentieren, um zu sehen, ob sich die Antwort verbessern lässt. Die Funktion „Vergleichen“ in Vertex AI Studio wurde dafür entwickelt. In diesem Abschnitt verwenden Sie den Prompt, den Sie gerade erstellt haben.
Achten Sie darauf, dass Sie sich im Hauptbereich von Vertex AI Studio befinden. Wenn Ihre bereitgestellte Anwendung aus Aufgabe 1 geöffnet ist, schließen Sie diesen Browsertab, um zur Google Cloud Console zurückzukehren.
Gehen Sie zu dem Bereich zum Erstellen neuer Prompts. Klicken Sie im Navigationsmenü () auf Vertex AI > Vertex AI Studio > Prompt erstellen.
Klicken Sie oben links auf Unbenannte Aufforderung und benennen Sie den neuen Prompt in Comparison Base - Restaurant Risks um.
Erstellen Sie diesen einfachen Basis-Prompt:
Geben Sie im Feld Systemanweisungen Folgendes ein:
You are an insurance risk analyst assistant. Your task is to identify potential risk factors from a given scenario. Be concise.
Fügen Sie im Prompt-Hauptbereich unter „Geben Sie hier Ihren Prompt ein“ Folgendes ein:
Scenario:
"The applicant, 'The Fiery Grill,' is a new upscale restaurant specializing in wood-fired oven pizzas and open-flame grilling. They have installed a brand new, custom-built fire suppression system for their cooking area, but it has not yet been certified by a third party. The restaurant plans to feature live acoustic music on weekend evenings and has a small, raised stage area. They also want to offer valet parking."
Based on this scenario, list three primary risk factors an underwriter should consider.
Gehen Sie im Abschnitt Konfiguration rechts so vor:
Wählen Sie das Modell aus.
Setzen Sie den Wert für Temperatur auf 0.2.
Vergewissern Sie sich, dass als Region ausgewählt ist.
Klicken Sie auf die Pfeil-Schaltfläche Senden. Sehen Sie sich die erste Antwort des Modells an.
Klicken Sie auf Speichern. Bestätigen Sie den Namen Comparison Base - Restaurant Risks und speichern Sie ihn. Sie müssen Prompts in der Regel speichern, bevor Sie sie in Vergleichs-Workflows verwenden können. Dies gilt insbesondere, wenn Sie einen Vergleich mit einem gespeicherten Prompt durchführen möchten.
Wenn der Prompt Comparison Base - Restaurant Risks und die dazugehörige Antwort angezeigt werden, klicken Sie in der oberen Symbolleiste auf Vergleichen.
Hinweis: Wenn Ohne Speichern beenden angezeigt wird, klicken Sie auf Weiter.
Der Bereich „Vergleichen“ wird geöffnet. Der Prompt Comparison Base - Restaurant Risks, seine Konfigurationen und die letzte Antwort werden in der Regel in einer Spalte auf der linken Seite angezeigt.
Durch Änderungen der Prompt-Anweisungen vergleichen
Sehen wir uns nun an, wie sich die Änderung der Anweisungen auf die Ausgabe für „The Fiery Grill“ auswirkt. In der Ansicht Vergleichen haben die Vergleichsbereiche möglicherweise kein separates Feld für Systemanweisungen. In diesem Fall fügen Sie diese dem Haupt-Prompt hinzu.
Klicken Sie in der Mitte des Bereichs Vergleichen (oder rechts neben Ihrem ersten Prompt) auf + Neuen Prompt vergleichen.
Rechts wird ein neuer Bereich zum Bearbeiten von Prompts angezeigt.
Konfigurieren Sie diesen neuen (zweiten) Prompt als Variante des ersten:
Fügen Sie im rechten Bereich in das große Textfeld für den Prompt folgenden Text ein, der Anweisungen und ein Szenario umfasst:
You are an expert insurance risk analyst assistant. Your task is to identify potential risk factors from a given scenario. For each risk factor, also briefly suggest a potential mitigation strategy or question for the underwriter. Be clear and structured.
Scenario:
"The applicant, 'The Fiery Grill,' is a new upscale restaurant specializing in wood-fired oven pizzas and open-flame grilling. They have installed a brand new, custom-built fire suppression system for their cooking area, but it has not yet been certified by a third party. The restaurant plans to feature live acoustic music on weekend evenings and has a small, raised stage area. They also want to offer valet parking."
Based on this scenario, list three primary risk factors an underwriter should consider.
Konfigurationen für diese Variante:
Achten Sie darauf, dass das Modell das gleiche wie beim ersten Prompt ist: .
Lassen Sie die Temperatur bei 0.2.
Lassen Sie die anderen Konfigurationen (Tokenlimit, Region usw.) unverändert, um die Auswirkungen der geänderten Anweisungen deutlich zu sehen.
Scrollen Sie im Bereich nach unten und klicken Sie auf Anwenden.
Wenn Sie die neue Prompt-Variante mit Text und Konfigurationen rechts eingerichtet haben, klicken Sie auf Prompts senden. Diese Schaltfläche befindet sich normalerweise oben im Bereich „Vergleichen“.
Warten Sie, bis für beide Prompts Antworten generiert wurden. Sehen Sie sich die beiden Antworten nebeneinander an. Enthält die Antwort auf den zweiten Prompt aufgrund der geänderten Anweisungen nun Strategien zur Schadensbegrenzung oder Fragen?
Wenn Sie diesen Prompt als neuen Prompt speichern möchten, klicken Sie auf Als neuen Prompt speichern, geben Sie den gewünschten [Prompt-Namen] ein und klicken Sie auf Speichern.
Mit einer anderen Temperatureinstellung vergleichen
Jetzt verwenden Sie ein Vergleichsfeld, um eine andere Temperatur zu testen.
Gehen Sie im Textfeld im zweiten Prompt-Bereich rechts so vor:
Prompt-Text: Setzen Sie den Text wieder auf die ursprüngliche, einfachere Version zurück (ohne die zusätzlichen Systemanweisungen zur Schadensbegrenzung). Kopieren Sie den Prompt aus Comparison Base - Restaurant Risks (linker Bereich) und fügen Sie ihn hier ein:
Scenario:
"The applicant, 'The Fiery Grill,' is a new upscale restaurant specializing in wood-fired oven pizzas and open-flame grilling. They have installed a brand new, custom-built fire suppression system for their cooking area, but it has not yet been certified by a third party. The restaurant plans to feature live acoustic music on weekend evenings and has a small, raised stage area. They also want to offer valet parking."
Based on this scenario, list three primary risk factors an underwriter should consider.
* Wenn die Vergleichsansicht für diesen Bereich kein Feld für Systemanweisungen enthält, achten Sie darauf, dass die Systemanweisungen „You are an insurance risk analyst assistant…“ hier eingefügt werden, falls sie gelöscht wurden, oder die ursprünglichen Systemanweisungen aus dem linken Bereich verwendet werden, wenn sie global gelten.
Klicken Sie im zweiten Prompt-Bereich unter dem Textfeld auf das Symbol Bearbeiten (Stift):
Konfigurationsänderung: Ändern Sie in den Konfigurationseinstellungen für diesen zweiten Prompt-Bereich die Temperatur in 2.0. Prüfen Sie, ob immer noch das Modell verwendet wird.
Scrollen Sie im Bereich nach unten und klicken Sie auf Anwenden.
Klicken Sie noch einmal auf Prompts senden.
Achten Sie auf die Unterschiede in den Antworten. Ist die Liste der Risikofaktoren bei der höheren Temperatur (2.0) im zweiten Prompt weniger fokussiert, spekulativer oder deutlich anders als bei der Temperatur von 0.2? Hinweis: Wenn Sie die Temperatur so hoch einstellen, wird die Ausgabe wahrscheinlich weniger kohärent oder relevant sein. Sie sehen aber deutlich, wie stark sich dieser Parameter auswirkt.
Klicken Sie zum Aktualisieren der Änderungen unter dem zweiten Prompt-Bereich auf Aktualisieren.
Verschiedene Modelle und Konfigurationen vergleichen
Jetzt vergleichen Sie Ihr Basismodell mit einem anderen Modell und anderen Einstellungen, um Unterschiede bei den Schlussfolgerungen oder dem Ausgabestil zu beobachten.
Gehen Sie im Textfeld im zweiten Prompt-Bereich rechts so vor:
Prompt-Text: Verwenden Sie das ursprüngliche „Fiery Grill“-Szenario und bitten Sie um drei Risikofaktoren wie in Ihrem Prompt Comparison Base - Restaurant Risks links.
(Auch hier gilt: Achten Sie darauf, dass die grundlegenden Systemanweisungen für diesen Bereich vorhanden sind, entweder indem Sie sie ggf. einfügen oder die Benutzeroberfläche sie implizit übernimmt.)
Klicken Sie im zweiten Prompt-Bereich unter dem Textfeld auf das Symbol Bearbeiten (Stift):
Konfigurationsänderungen für diese Variante:
Ändern Sie das Modell in . Wählen Sie es aus dem Drop-down-Menü für diesen Bereich aus.
Legen Sie als Wert für die Temperatur0.2 fest.
Legen Sie das Tokenausgabelimit auf 65535 oder auf den vom Modell in der Benutzeroberfläche zugelassenen Maximalwert fest.
Scrollen Sie im Bereich nach unten und klicken Sie auf Anwenden.
Klicken Sie auf Prompts senden.
Prüfen Sie die Antworten. Vergleichen Sie die Ausgabe von (linker Bereich) mit der von (rechter Bereich).
Achten Sie auf Unterschiede bei den identifizierten Risikofaktoren, den bereitgestellten Details, der Struktur der Antwort oder den aus dem Szenario gezogenen Schlussfolgerungen.
Klicken Sie unter dem zweiten Prompt-Bereich auf Aktualisieren, um die neuen Änderungen zu speichern.
Weitere Vergleichsoptionen (kurze Übersicht)
Vertex AI Studio bietet weitere Möglichkeiten, Prompts zum Vergleich hinzuzufügen:
In dem Bereich, in dem Sie einen neuen Prompt zum Vergleichen hinzugefügt haben, sehen Sie die Schaltfläche + Gespeicherten Prompt vergleichen.
Wenn Sie darauf klicken, können Sie einen der zuvor gespeicherten Prompts aus der Prompt-Verwaltung für einen Vergleich auswählen.
Hinweis: Wie in der Benutzeroberfläche angegeben (und um den Umfang des „Unterhaltungsverlaufs“ zu verdeutlichen), hat der Vergleich von Prompts Grenzen. So werden beispielsweise Chat-Prompts, Prompts mit Medien oder Prompts mit Unterhaltungsverlauf, die mehr als einen Austausch umfassen, nicht unterstützt.
Möglicherweise sehen Sie auch die Schaltfläche + Ground Truth.
Mit dieser Funktion können Sie eine „ideale“ oder „perfekte“ Antwort auf Ihren Prompt eingeben. Wenn solche Informationen bereitgestellt werden, kann das System detailliertere Bewertungsmesswerte liefern, die für erweiterte Prompt-Tests nützlich sein können, aber den Rahmen dieses Einführungs-Labs sprengen. Für unsere Zwecke reicht ein visueller Direktvergleich aus.
Wenn Sie die Ansicht „Vergleichen“ verlassen und zum Hauptbereich für die Prompt-Bearbeitung zurückkehren möchten (zum Beispiel, um an der bevorzugten Version weiterzuarbeiten), klicken Sie oben links in der Ansicht „Vergleichen“ auf den Zurückpfeil.
Prompt-Verwaltung
Wenn Sie mit verschiedenen Anweisungen, Beispielen und Konfigurationen experimentieren, ist es wichtig, Ihre Arbeit zu speichern. Wenn Sie Prompts speichern, können Sie:
Tests organisieren
Gut funktionierende Prompts einfach wiederverwenden
Vertex AI Studio bietet dafür die Prompt-Verwaltung.
Prompts speichern
Angenommen, Sie haben gerade eine Iteration abgeschlossen, die Sie speichern möchten, zum Beispiel eine der Prompt-Varianten, die Sie verglichen haben, oder eine optimierte Version Ihres Prompts „Insurance Claim Data Extraction“.
Sorgen Sie dafür, dass der zu speichernde Prompt im Hauptbereich zum Bearbeiten von Prompts aktiv ist. Vielleicht haben Sie gerade die Ansicht „Vergleichen“ verlassen und eine bevorzugte Version geöffnet oder Sie befinden sich im Prompt Comparison Base - Restaurant Risks.
Wenn Sie den Prompt bereits gespeichert haben, sehen Sie oben in der Symbolleiste die Schaltfläche Automatisch speichern. Nachdem Sie Ihren Prompt zum ersten Mal gespeichert haben, ist Automatisch speichern standardmäßig aktiviert. Wenn Sie diese Funktion deaktivieren möchten, klicken Sie auf die Schaltfläche und wählen Sie Automatisches Speichern deaktivieren aus.
Prompt-Verwaltung aufrufen
Gespeicherte Prompts können Sie in der Prompt-Verwaltung verwalten.
Gehen Sie zu dem Bereich zum Erstellen neuer Prompts. Klicken Sie im Navigationsmenü () auf Vertex AI > Vertex AI Studio > Prompt-Verwaltung.
Sie sehen eine Liste Ihrer gespeicherten Prompts, die oft auch die Namen, Medien, Modelle und das Datum der letzten Änderung enthält.
Auf dieser Seite können Sie Ihre gespeicherten Prompts ansehen, löschen oder exportieren und auf Optimierungstools zugreifen, um die Prompts zu verbessern.
Klicken Sie auf Fortschritt prüfen.
Prompts vergleichen, bewerten und verwalten
Aufgabe 4: Multimodale Prompts mit Gemini verwenden
In dieser Aufgabe verwenden Sie den Prompt-Hauptbereich in Vertex AI Studio mit dem Gemini-Modell, um ein Bild zu analysieren und Informationen daraus zu extrahieren. Dabei lernen Sie, wie Prompts für verschiedene Analyseaufgaben wie Beschreibung, Textextraktion und Beantwortung von Fragen auf der Grundlage von visuellen Inhalten entworfen werden.
Klicken Sie in der Google Cloud Console im Navigationsmenü () auf Vertex AI > Vertex AI Studio > Prompt erstellen.
Klicken Sie oben links auf Unbenannte Aufforderung und benennen Sie den Prompt in Timetable Image Analysis um.
Gehen Sie im Bereich Konfiguration rechts so vor:
Achten Sie darauf, dass das Modell ausgewählt ist. Sie können auf Modell wechseln klicken, um die Auswahl zu ändern.
Blenden Sie die Optionen unter Erweitert ein und wählen Sie als Region die Option aus.
Laden Sie das Beispielbild des Flugplans auf Ihren lokalen Rechner herunter:
Klicken Sie mit der rechten Maustaste auf das folgende Bild und speichern Sie es:
Klicken Sie im Abschnitt Prompt unten auf der Seite auf Medien einfügen (). Diese Schaltfläche befindet sich normalerweise rechts neben dem Eingabefeld für den Prompt.
Klicken Sie im Menü Quelle auswählen auf Hochladen und wählen Sie die Bilddatei des Flugplans aus, die Sie gerade auf Ihren Rechner heruntergeladen haben. Das Bild wird direkt im Prompt-Eingabebereich angezeigt.
Hinweis: Es gibt verschiedene mögliche Quellen für Medien. Dazu gehören in der Regel der direkte Upload, das Bereitstellen einer Datei über eine URL, das Importieren aus Cloud Storage oder Google Drive und sogar das Verknüpfen eines YouTube-Videos. In diesem Lab konzentrieren wir uns auf den direkten Upload.
Jetzt können Sie das Modell auffordern, einige Aufgaben mit dem Bild auszuführen. Fügen Sie unterhalb des eingefügten Bildes im Eingabefeld für Prompts folgenden Prompt ein:
1. Provide a concise title for this image (under 5 words).
2. Describe the image in one or two sentences.
3. Extract all visible text from the image. Present the flight schedule as a clearly formatted list with columns for "Time" and "City".
Klicken Sie auf die Pfeil-Schaltfläche Senden unten rechts im Prompt-Bereich und sehen Sie sich die Antwort des Modells an.
Als Nächstes können Sie eine Frage stellen, die eine Schlussfolgerung auf der Grundlage der extrahierten Informationen erfordert. Ersetzen Sie den vorherigen Text-Prompt durch Folgendes, aber lassen Sie das Bild unverändert:
Based on the flight schedule shown in the image, what percentage of the listed flights depart before 11:30 AM? Show your calculation if possible.
Klicken Sie auf die Pfeil-Schaltfläche Senden und prüfen Sie die Antwort.
Testen Sie kurz die Wirkung der Temperatur. Gehen Sie im Bereich Konfiguration rechts so vor:
Setzen Sie die Temperatur auf 0.8.
Senden Sie den genau gleichen Prompt aus Schritt 9 erneut („Based on the flight schedule... percentage…“).
Achten Sie darauf, ob sich der Stil, die Konfidenz oder die Detailtiefe der Erklärung ändert.
Ändern Sie die Temperatur danach wieder auf einen niedrigeren Wert wie 0.2, um vorhersehbarere Antworten zu erhalten.
Hinweis: Die Temperatur bestimmt den Grad der Zufälligkeit. Niedrigere Werte (zum Beispiel 0.0–0.2) eignen sich gut für sachliche Antworten, während höhere Werte (zum Beispiel ab 0.7) zu vielfältigeren oder kreativeren Antworten führen, die sich weniger gut für die präzise Datenextraktion oder ‑analyse eignen.
Wenn Sie mit Ihrer Analyse zufrieden sind, können Sie Ihre Arbeit speichern. Klicken Sie dazu oben in der Symbolleiste auf Speichern.
Der Name Timetable Image Analysis sollte bereits eingetragen sein.
Vergewissern Sie sich, dass als Region ausgewählt ist.
Klicken Sie im Dialogfeld auf Speichern.
Hinweis: Warten Sie nach dem Klicken auf Speichern einige Sekunden, bevor Sie fortfahren und die Seite möglicherweise verlassen.
Klicken Sie auf Fortschritt prüfen.
Bilder mit Gemini in Vertex AI Studio analysieren
Aufgabe 5: Vertex AI Media Studio kennenlernen
Vertex AI Studio bietet leistungsstarke Tools, mit denen sich nicht nur Texte, sondern auch andere Medientypen direkt aus Text-Prompts oder durch Verfeinern vorhandener Medien generieren lassen. In dieser Aufgabe sehen wir uns das Generieren von Bildern, Videos und Stimmen an.
Stellen Sie sicher, dass Sie sich in Vertex AI Studio befinden. Wenn das noch nicht der Fall ist, klicken Sie im Navigationsmenü () auf Vertex AI > Vertex AI Studio > Media Studio. Die Seite sollte in etwa so aussehen:
Bilder mit Imagen generieren
Zuerst generieren Sie ein Bild.
Klicken Sie auf der Media Studio-Startseite im Abschnitt „Mit einem Text-Prompt beginnen“ auf Imagen – Bilder generieren.
Geben Sie im Bereich für den Text-Prompt unten einen beschreibenden Prompt ein. Beispiel:
A close-up, photorealistic image of a single honeybee collecting pollen from a vibrant purple lavender flower, with a softly blurred garden background.
Gehen Sie im Bereich Einstellungen auf der rechten Seite so vor:
Stellen Sie sicher, dass als ModellImagen 4 oder das neueste verfügbare Imagen-Modell ausgewählt ist.
Wählen Sie als Seitenverhältnis die Option 1:1 aus.
Legen Sie für diese erste Generierung die Anzahl der Ergebnisse auf 4 fest.
Prüfen Sie die Sicherheitseinstellungen (zum Beispiel Einstellungen für das Generieren von Bildern von Personen, Grenzwert für Sicherheitsfilter) und belassen Sie die Standardeinstellungen oder passen Sie sie für diesen nicht auf Personen bezogenen Prompt an.
Klicken Sie rechts unten im Prompt-Bereich auf Senden.
Nach einigen Augenblicken werden die generierten Bilder im Hauptbereich angezeigt.
Klicken Sie auf eines der generierten Vorschaubilder, um die Detailansicht zu öffnen.
Gehen Sie im Bereich Bilddetails auf der rechten Seite so vor:
Sehen Sie sich die verfügbaren KI-Aktionen wie Inpaint (zum Hinzufügen/Entfernen von Elementen mithilfe einer Maske), Outpaint (zum Erweitern des Bildes) und Bild exportieren (mit der Option zum Erhöhen der Auflösung) an.
Prüfen Sie, ob SynthID erkannt mit einem grünen Häkchen angezeigt wird.
(Optional): Wählen Sie die Option Inpaint oder Outpaint aus und testen Sie die Möglichkeiten von Imagen.
Was ist SynthID?
SynthID ist eine von Google DeepMind entwickelte Technologie, die ein digitales Wasserzeichen direkt in die Pixel KI-generierter Bilder einbettet. Dieses Wasserzeichen ist für Menschen nicht sichtbar, kann aber von einem Algorithmus erkannt werden. Es soll dazu beitragen, KI-generierte Bilder zu identifizieren, und so Transparenz und Best Practices für eine verantwortungsbewusste Anwendung von KI fördern, auch wenn das Bild später geändert wird (zum Beispiel komprimiert oder gefiltert).
Videos mit Veo generieren
Als Nächstes erstellen Sie ein kurzes Video. Dazu verwenden Sie die Schnellnavigationsleiste in den Media Studio-Tools.
Die kleine vertikale Symbolleiste ganz links auf der Seite enthält Symbole für verschiedene Medientypen wie Bild, Audio, Musik, und Video. Klicken Sie auf das Videosymbol (es sieht aus wie eine Videokamera), um zum Tool zur Videogenerierung zu wechseln. Dadurch wird die Veo-Oberfläche geöffnet.
Geben Sie im Text-Prompt-Bereich unten einen Prompt für ein kurzes Video ein. Beispiel:
Drone shot slowly flying over vast green hills at golden hour.
Gehen Sie im Bereich Einstellungen auf der rechten Seite so vor:
Stellen Sie sicher, dass als ModellVeo 2 oder das neueste verfügbare Veo-Modell ausgewählt ist.
Legen Sie als Seitenverhältnis16:9 fest.
Lassen Sie die Anzahl der Ergebnisse bei 1.
Legen Sie die Videolänge auf 5 Sekunden (oder eine ähnlich kurze Dauer) fest.
Klicken Sie unter Ausgabeverzeichnis auf Durchsuchen.
Wenn der Bucket Ihres Projekts () aufgeführt ist, wählen Sie ihn aus.
Wenn dies nicht der Fall ist oder Sie den Pfad angeben müssen, können Sie „gs:///“ eingeben (achten Sie dabei auf den abschließenden Schrägstrich) oder den Bucket über die Navigation suchen.
Klicken Sie auf Auswählen, um das Ausgabeverzeichnis zu bestätigen.
Achten Sie darauf, dass Prompt-Optimierung aktivieren angeklickt ist.
Überprüfen Sie die Sicherheitseinstellungen.
Klicken Sie auf die Schaltfläche Senden.
Die Videogenerierung kann länger dauern als die Bildgenerierung. Sobald das Video fertig ist, wird es angezeigt und kann in der Benutzeroberfläche abgespielt werden.
(Optional): Sie können auf das Video klicken, um die KI-Aktionen zu sehen, die damit verknüpft sind, zum Beispiel zum Hinzufügen eines Soundtracks oder eines Voiceovers.
Klicken Sie auf Fortschritt prüfen.
Vertex AI Media Studio kennenlernen
Stimmen mit Chirp generieren (optional)
Wenn Sie KI-generierte Stimmen ausprobieren möchten:
Klicken Sie in der kleinen vertikalen Symbolleiste ganz links auf das Audiosymbol (es sieht aus wie ein Mikrofon), um zum Tool zur Stimmgenerierung zu wechseln. Dadurch wird die Chirp-Oberfläche geöffnet.
Möglicherweise werden Sie aufgefordert, die Cloud Text-to-Speech API zu aktivieren, falls sie für Ihr Projekt noch nicht aktiv ist. Klicken Sie in diesem Fall auf Aktivieren und warten Sie, bis die API aktiviert ist. Dies kann einige Zeit dauern.
Wenn die Oberfläche bereit ist, geben Sie im Text-Prompt-Bereich unten den Text ein, der synthetisiert werden soll. Beispiel:
Welcome to the world of generative AI on Google Cloud
Gehen Sie im Bereich Einstellungen auf der rechten Seite so vor:
Wählen Sie ein Modell aus (zum Beispiel Chirp 3: HD-Stimmen).
Wählen Sie die gewünschte Sprache aus (zum Beispiel English (US)).
Wählen Sie eine Stimme aus der Drop-down-Liste aus. Sie können verschiedene ausprobieren, um die jeweilige Charakteristik kennenzulernen.
Gegebenenfalls stehen Ihnen auch noch erweiterte Optionen zur Verfügung.
Klicken Sie auf die Schaltfläche Senden.
Nach der Verarbeitung sollte das generierte Audio direkt in der Benutzeroberfläche abgespielt werden können.
Das wars! Sie haben das Lab erfolgreich abgeschlossen.
Glückwunsch! In diesem Lab haben Sie erfolgreich Vertex AI Studio verwendet, um einen Prototyp einer auf generativer KI basierenden Anwendung für ein Versicherungsszenario zu erstellen. Die Aufgaben reichten von der ersten Konzeption und Bereitstellung bis hin zu erweitertem Prompt Engineering und Vergleichen. Sie haben geübt, wie Sie Textausgaben für bestimmte Analyseaufgaben optimieren, und die spannenden multimodalen Funktionen zum Generieren von Bildern, Videos und Sprachausgaben kennengelernt. Diese grundlegenden Kenntnisse ermöglichen es Ihnen, ausgefeiltere Lösungen mit generativer KI in Google Cloud zu entwickeln.
Weitere Informationen
In der offiziellen Dokumentation zu Vertex AI Model Garden finden Sie weitere Informationen zu den von Ihnen getesteten generativen KI-Modellen wie Gemini für die Text- und Bildanalyse, Imagen, Veo und Chirp.
Mit dem umfassenden Leitfaden mit Strategien für das Prompt-Design von Google Cloud können Sie Ihre Kenntnisse im Bereich Prompt Engineering erweitern. Er enthält Best Practices und Informationen zu komplexeren Verfahren.
In der Dokumentation zum Vertex AI SDK erfahren Sie, wie Sie diese auf generativer KI basierenden Funktionen in Ihre Anwendungen einbinden und automatisieren.
In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.
Labs erstellen ein Google Cloud-Projekt und Ressourcen für einen bestimmten Zeitraum
Labs haben ein Zeitlimit und keine Pausenfunktion. Wenn Sie das Lab beenden, müssen Sie von vorne beginnen.
Klicken Sie links oben auf dem Bildschirm auf Lab starten, um zu beginnen
Privates Surfen verwenden
Kopieren Sie den bereitgestellten Nutzernamen und das Passwort für das Lab
Klicken Sie im privaten Modus auf Konsole öffnen
In der Konsole anmelden
Melden Sie sich mit Ihren Lab-Anmeldedaten an. Wenn Sie andere Anmeldedaten verwenden, kann dies zu Fehlern führen oder es fallen Kosten an.
Akzeptieren Sie die Nutzungsbedingungen und überspringen Sie die Seite zur Wiederherstellung der Ressourcen
Klicken Sie erst auf Lab beenden, wenn Sie das Lab abgeschlossen haben oder es neu starten möchten. Andernfalls werden Ihre bisherige Arbeit und das Projekt gelöscht.
Diese Inhalte sind derzeit nicht verfügbar
Bei Verfügbarkeit des Labs benachrichtigen wir Sie per E-Mail
Sehr gut!
Bei Verfügbarkeit kontaktieren wir Sie per E-Mail
Es ist immer nur ein Lab möglich
Bestätigen Sie, dass Sie alle vorhandenen Labs beenden und dieses Lab starten möchten
Privates Surfen für das Lab verwenden
Nutzen Sie den privaten oder Inkognitomodus, um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.
In diesem Lab lernen Sie, wie Sie mit Vertex AI Studio und Gemini auf generativer KI basierende Prototypen erstellen, Prompts entwerfen und multimodale Analysen in der Console durchführen – ganz ohne Programmieren.