Einrichtung der Entwicklungsumgebung für Generative KI für Java

July 2, 2026 · View on GitHub

Schnellstart: Stellen Sie Ihre KI-Modelle auf Azure AI Foundry als Code mit Bicep + azd in wenigen Minuten bereit – siehe die Azure AI Foundry Setup-Anleitung. Die Authentifizierung ist schlüssellos (Microsoft Entra ID), daher müssen keine API-Schlüssel verwaltet werden.

Was Sie lernen werden

  • Einrichtung einer Java-Entwicklungsumgebung für KI-Anwendungen
  • Auswahl und Konfiguration Ihrer bevorzugten Entwicklungsumgebung (Cloud-first mit Codespaces, lokaler Dev Container oder vollständige lokale Einrichtung)
  • Testen Ihrer Einrichtung durch Verbindung zu einem Azure AI Foundry-Modell

Inhaltsverzeichnis

Einführung

Dieses Kapitel führt Sie durch die Einrichtung einer Entwicklungsumgebung. Für die Modelle verwenden wir in diesem Kurs Azure AI Foundry. Sie stellen die Modelle als Code mit Bicep und der Azure Developer CLI (azd) bereit und verbinden sich dann mit schlüsselloser Authentifizierung (Microsoft Entra ID) – es müssen keine API-Schlüssel kopiert oder geleakt werden.

Keine lokale Einrichtung erforderlich! Sie können GitHub Codespaces nutzen, das eine vollwertige Entwicklungsumgebung im Browser bietet, und von dort Foundry bereitstellen.

Wir verwenden Azure AI Foundry für diesen Kurs, weil es:

  • Als Code bereitgestellt wird — ein azd up deployt das Konto und die Model-Deployments
  • Schlüssellos ist — Authentifizierung über Ihre Azure-Anmeldung oder eine verwaltete Identität
  • Produktionsreif ist — derselbe Code läuft lokal und in Azure
  • Flexibel ist — Modelle können durch Änderung eines Deployment-Namens getauscht werden, nicht des Codes

Hinweis: Azure AI Foundry-Bereitstellungen werden pro Token abgerechnet (pay-as-you-go). Details zu Bereitstellung, Region und Kosten finden Sie in der Azure AI Foundry Setup-Anleitung.

Schritt 1: Einrichten Ihrer Entwicklungsumgebung

Wir haben einen vorkonfigurierten Entwicklungscontainer erstellt, um die Einrichtungszeit zu minimieren und sicherzustellen, dass Sie alle notwendigen Werkzeuge für diesen Generative AI for Java Kurs haben. Wählen Sie Ihre bevorzugte Entwicklungsvariante:

Optionen zur Umgebungs-Einrichtung:

Option A: GitHub Codespaces (Empfohlen)

Starten Sie in 2 Minuten mit dem Programmieren – keine lokale Einrichtung nötig!

  1. Forken Sie dieses Repository auf Ihr GitHub-Konto

    Hinweis: Wenn Sie die Basiskonfiguration ändern möchten, werfen Sie bitte einen Blick auf die Dev Container Konfiguration

  2. Klicken Sie auf Code → Tab Codespaces → ... → Neu mit Optionen...
  3. Verwenden Sie die Standardwerte – hierbei wird die Dev Container-Konfiguration ausgewählt: Generative AI Java Development Environment, ein speziell für diesen Kurs erstellter Devcontainer
  4. Klicken Sie auf Codespace erstellen
  5. Warten Sie ca. 2 Minuten, bis die Umgebung bereit ist
  6. Fahren Sie mit Schritt 2: Azure AI Foundry bereitstellen fort
Screenshot: Codespaces-Untermenü Screenshot: Neu mit Optionen Screenshot: Codespace-Erstellungsoptionen

Vorteile von Codespaces:

  • Keine lokale Installation notwendig
  • Funktioniert auf jedem Gerät mit Browser
  • Vorgefertigt mit allen Werkzeugen und Abhängigkeiten
  • Kostenlose 60 Stunden pro Monat für persönliche Accounts
  • Einheitliche Umgebung für alle Lernenden

Option B: Lokaler Dev Container

Für Entwickler, die gerne lokal mit Docker entwickeln

  1. Forken und klonen Sie dieses Repository auf Ihren lokalen Rechner

    Hinweis: Wenn Sie die Basiskonfiguration ändern möchten, werfen Sie bitte einen Blick auf die Dev Container Konfiguration

  2. Installieren Sie Docker Desktop und VS Code
  3. Installieren Sie die Dev Containers Erweiterung in VS Code
  4. Öffnen Sie den Repository-Ordner in VS Code
  5. Wenn Sie dazu aufgefordert werden, klicken Sie auf Im Container neu öffnen (oder verwenden Sie Ctrl+Shift+P → "Dev Containers: Im Container neu öffnen")
  6. Warten Sie, bis der Container gebaut und gestartet ist
  7. Fahren Sie mit Schritt 2: Azure AI Foundry bereitstellen fort
Screenshot: Dev Container Einrichtung Screenshot: Dev Container Build abgeschlossen

Option C: Verwendung Ihrer vorhandenen lokalen Installation

Für Entwickler mit vorhandener Java-Umgebung

Voraussetzungen:

Schritte:

  1. Klonen Sie dieses Repository auf Ihren lokalen Rechner
  2. Öffnen Sie das Projekt in Ihrer IDE
  3. Fahren Sie mit Schritt 2: Azure AI Foundry bereitstellen fort

Profi-Tipp: Wenn Sie eine leistungsschwache Maschine haben, aber VS Code lokal verwenden möchten, nutzen Sie GitHub Codespaces! Sie können Ihre lokale VS Code-Instanz mit einem cloud-gehosteten Codespace verbinden und erhalten das Beste aus beiden Welten.

Screenshot: Erstellte lokale Devcontainer-Instanz

Schritt 2: Azure AI Foundry bereitstellen

Stellen Sie die KI-Modelle des Kurses als Code in Azure AI Foundry bereit. Vom Repository-Stammverzeichnis aus:

cd 02-SetupDevEnvironment
azd auth login
az login
azd up

azd fragt nach einem Umgebungsnamen und einer Region, stellt ein Azure AI Foundry-Konto mit den Deployments gpt-4o-mini und text-embedding-3-small bereit und schreibt den Endpunkt in die .env der Beispielanwendung — alles mit schlüsselloser Authentifizierung (keine API-Schlüssel).

Vollständige Anleitung: Siehe die Azure AI Foundry Setup-Anleitung für Voraussetzungen, eine manuelle (Portal-)Alternative, Regionsrichtlinien und Hinweise zu Kosten/Aufräumen.

Schritt 3: Testen Ihrer Einrichtung

Nachdem Ihre Foundry-Modelle bereitgestellt sind, testen Sie die Verbindung mit der Beispielanwendung in 02-SetupDevEnvironment/examples/basic-chat-azure.

  1. Öffnen Sie das Terminal in Ihrer Entwicklungsumgebung.
  2. Navigieren Sie zum Beispiel: 
    cd 02-SetupDevEnvironment/examples/basic-chat-azure
  3. Stellen Sie sicher, dass Sie angemeldet sind (schlüssellose Authentifizierung benötigt ein Token): 
    az login

    Wenn Sie azd up ausgeführt haben, wurde die .env mit Ihrem Endpunkt bereits für Sie angelegt.

  4. Starten Sie die Anwendung: 
    mvn clean spring-boot:run

Sie sollten eine Antwort vom Modell gpt-4o-mini sehen.

Verständnis des Beispielcodes

Das Beispiel in examples/basic-chat-azure ist eine Spring Boot-Anwendung, die Spring AI verwendet, um mit Azure AI Foundry mit schlüsselloser Authentifizierung zu verbinden.

Was dieser Code macht:

  • Verbindet sich mit Azure AI Foundry über Ihre Azure-Anmeldung (Microsoft Entra ID) – ohne API-Schlüssel
  • Sendet eine Eingabeaufforderung (Prompt) an das Modell gpt-4o-mini
  • Empfängt und zeigt die Antwort der KI an
  • Validiert, dass Ihre Einrichtung korrekt funktioniert

Wichtige Abhängigkeit (in pom.xml):

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-azure-openai</artifactId>
</dependency>

Konfiguration (application.yml):

spring:
  ai:
    azure:
      openai:
        # Endpoint only - no api-key. Spring AI uses DefaultAzureCredential (keyless).
        endpoint: ${AZURE_OPENAI_ENDPOINT}
        chat:
          options:
            deployment-name: ${AZURE_OPENAI_DEPLOYMENT:gpt-4o-mini}

Zusammenfassung

Klasse! Sie haben jetzt alles eingerichtet:

  • Azure AI Foundry-Modelle als Code mit Bicep + azd bereitgestellt
  • Ihre Java-Entwicklungsumgebung läuft (egal ob Codespaces, Dev Container oder lokal)
  • Verbindung zu Azure AI Foundry mit schlüsselloser Authentifizierung (Microsoft Entra ID) – keine API-Schlüssel
  • Getestet, dass alles mit einem einfachen Beispiel funktioniert, das mit Ihrem Modell kommuniziert

Nächste Schritte

Kapitel 3: Kerntechniken der generativen KI

Fehlerbehebung

Probleme? Hier sind häufige Probleme und Lösungen:

  • Authentifizierung schlägt fehl (401/403)?

    • Führen Sie az login aus – die Authentifizierung ist schlüssellos, daher müssen Sie angemeldet sein
    • Vergewissern Sie sich, dass Ihr Konto die Rolle Cognitive Services OpenAI User für die Ressource hat
    • Wenn Sie gerade bereitgestellt haben, warten Sie eine Minute, bis die Rollenvergabe übernommen wurde

  • Maven nicht gefunden?

    • Bei Verwendung von Dev Containers/Codespaces sollte Maven vorinstalliert sein
    • Für lokale Einrichtung: Stellen Sie sicher, dass Java 21+ und Maven 3.9+ installiert sind
    • Versuchen Sie mvn --version, um die Installation zu überprüfen

  • azd nicht gefunden oder Bereitstellung schlägt fehl?

  • Dev Container startet nicht?

    • Stellen Sie sicher, dass Docker Desktop läuft (für lokale Entwicklung)
    • Versuchen Sie den Container neu zu erstellen: Ctrl+Shift+P → "Dev Containers: Container neu erstellen"

  • Kompilierungsfehler in der Anwendung?

    • Stellen Sie sicher, dass Sie im richtigen Verzeichnis sind: 02-SetupDevEnvironment/examples/basic-chat-azure
    • Versuchen Sie, das Projekt zu reinigen und neu zu bauen: mvn clean compile

Brauchen Sie Hilfe?: Haben Sie weiterhin Probleme? Öffnen Sie ein Issue im Repository, wir helfen Ihnen gerne weiter.

Haftungsausschluss: Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner Ursprungssprache gilt als maßgebliche Quelle. Bei kritischen Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Verwendung dieser Übersetzung entstehen.