ai-engineering-from-scratch: ein KI-Engineering-Kurs mit 20 Phasen und 500+ Lektionen

«Learn it. Build it. Ship it for others.» — der Slogan des Repositorys. Ein KI-Engineering-Handbuch, das jedes Konzept lehrt, indem es von Grund auf gebaut wird, es dann mit echten Frameworks nutzt und am Ende ein wiederverwendbares Artefakt ausliefert (Prompt, Skill, Agent oder MCP-Server).

Was ai-engineering-from-scratch ist

rohitg00/ai-engineering-from-scratch ist ein vollständiger KI-Engineering-Kurs in Repository-Form: Jede Lektion liegt unter phases/<phase>/<nummer>-<name>/ mit vier Teilen — code/ (von Grund auf ausführbare Implementierung), notebook/ (optionales Experimentieren), docs/en.md (Lektionsdokumentation) und outputs/ (das finale Artefakt: Prompt, Skill, Agent oder MCP-Server). Der Kurs deckt das gesamte Spektrum des KI-Engineering ab, von Mathematik bis Produktion:

Phasen 00-03: Setup und Tooling, mathematische Grundlagen, ML-Grundlagen, zentrales Deep Learning.
Phasen 04-06: Computer Vision, NLP von den Grundlagen bis fortgeschritten, Sprache und Audio.
Phasen 07-09: Transformer-Vertiefung, generative KI, Reinforcement Learning.
Phasen 10-12: LLMs von Grund auf, LLM-Engineering, multimodale KI.
Phasen 13-16: Tools und Protokolle (MCP), Agenten-Engineering, autonome Systeme, Multiagent und Schwärme.
Phasen 17-19: Infrastruktur und Produktion, Ethik/Sicherheit/Alignment, sowie Capstone-Projekte.

Das Repository wird von einer begleitenden Website (aiengineeringfromscratch.com) mit interaktivem Roadmap-Abhängigkeitsgraphen, einem Glossar mit 243 Begriffen, in mehrere Sprachen übersetzten Lektionen, diagrammbewusster Sprachausgabe und Buchausgaben (sechs EPUB- und PDF-Bände) begleitet, die jedem Release beigefügt sind.

Stand 30. August 2026 zeigt das README-Badge 511 Lektionen über 20 Phasen (die Release-Notiz der August-Ausgabe nennt 503), hauptsächlich in Python geschrieben mit einem nennenswerten Anteil JavaScript, TypeScript, HTML, Julia, CSS, Rust und Shell, und unter MIT lizenziert.

Der Ursprung

Das Repository wurde am 18. März 2026 von Rohit Ghumare (rohitg00, auf X auch als @ghumare64 und auf Hacker News als rohitghumare bekannt) angelegt, einem Engineer, DevRel und GDE mit Vergangenheit bei Solo.io, Cerbos, Oracle und Reliance Jio. Es begann weder als Blog noch als Buch — es ist eine «lebende Ausgabe»: Die Release-Notiz der August-Ausgabe selbst fasst es so zusammen: «das Buch ist die Momentaufnahme; das Repository ist die lebende Ausgabe.»

Der öffentliche Launch fand Ende Mai 2026 statt: Der Autor selbst veröffentlichte einen Show HN («AI Engineering AI-native Self-learning course repo», HN-Eintrag 47591661, veröffentlicht am 2026-05-20), und am Folgetag (2026-05-21) reichte die Community ihn als eigenständige Story erneut ein («AI Engineering from Scratch», Eintrag 48219853, 58 Punkte und 15 Kommentare) — dort konzentrierte sich die gesamte Diskussion.

Das Projekt finanziert sich über GitHub Sponsors mit einer öffentlichen Rate Card (Backer 25 $/Monat bis Platinum 5.000 $/Monat). In SPONSORS.md veröffentlicht der Autor Reichweitenzahlen, die er am 2026-05-14 in seiner Analytics verifiziert hat: 33.569 Besuche und 53.917 Seitenaufrufe in 7 Tagen; 55.593 Besuche und 90.709 Aufrufe in 30 Tagen; der wichtigste Akquisitionskanal ist X/Twitter (18.000 Referrals in 30 Tagen), gefolgt von Google (7.100) und GitHub (5.300). Die Datei enthält zudem eine ausdrückliche Klausel, dass das Projekt keinerlei Bezug zu Krypto-Projekten hat («no token, no coin, no NFT»).

Philosophie und Prinzipien

Die Philosophie des Kurses ist in seinem CONTRIBUTING.md festgehalten und wiederholt sich in jeder Lektion (die stets demselben Gerüst folgt: The Problem → The Concept → Build It → Use It → Ship It → Exercises):

Erst von Grund auf bauen. «Build from scratch first, framework second»: das Konzept wird von den Grundprinzipien aus implementiert, bevor die Framework-Version gezeigt wird.
Der Code muss laufen. Jede Codedatei muss mit den in der Lektion deklarierten Abhängigkeiten fehlerfrei laufen.
Keine Kommentare im Code. Code soll selbsterklärend sein; Erklärungen gehören in die Dokumentation.
Die beste Sprache für die Aufgabe. Python nicht erzwingen, wo TypeScript oder Rust die bessere Wahl sind (daher der Umfang an TypeScript, Rust und Julia im Repository).
Theorie dient der Praxis, nicht umgekehrt.
Kein KI-«Slop». «Write like a human. Be direct. Cut filler.» — eine explizite Redaktionsregel, die angesichts des Ursprungs des Kurses besonders relevant ist (siehe Wie die Community es aufnahm).

Die Philosophie «build from scratch first, framework second»: von-Grund-auf-Implementierung links, dieselbe Fähigkeit reift rechts zu einem polierten Framework heran

Der Kern des Slogans — learn it, build it, ship it for others — macht aus jeder Lektion ein Produkt: Das Gelernte wird als Prompt, portable Skill (SKILL.md), Agent oder MCP-Server im outputs/-Ordner jeder Lektion verpackt, mit einem Top-Level-Index, der sie zusammenfasst.

Wie es funktioniert

Lektionsformat. Jede Lektion ist ein Miniprojekt mit obligatorischer Dokumentation in docs/en.md, mindestens einer ausführbaren Implementierung in code/, einem optionalen Notebook und, wo zutreffend, dem finalen Artefakt in outputs/. Prompts und Skills nutzen YAML-Frontmatter (name, description, phase, lesson, version, tags).

Eine Lektion als in sich geschlossenes Miniprojekt: vier in einem zirkulären Fluss verbundene Panels — ausführbarer Code, Notebook, strukturierte Dokumentation und Ausgabe-Artefakt

Der Kurs ist «AI-native». In der Ausgabe von 2026-08 wurden fünf Lern-Skills integriert, die sich in jeden Agenten installieren lassen, der mit dem SKILL.md-Format kompatibel ist:

/start-learning: ein personalisierter Lernplan basierend auf einem Einstufungstest.
/learn: lehrt die nächste Lektion interaktiv und verfolgt den Fortschritt.
/course-guide: leitet jedes Thema oder jeden Bug zur exakten Lektion.
Einstufungstest und phasenweise Prüfungen (/check-understanding <phase>).
/claude-certification: Vorbereitung auf die vier Claude-Zertifizierungen.

Fünf AI-native Lern-Skills schweben um ein zentrales Agenten-Gehirn: ein personalisierter Plan, eine interaktive Lektions-Engine, ein Guide-Router, ein Phasenprüfer und ein Zertifizierungsmodul

Zertifizierung (kostenlose Vorbereitung). Die August-Ausgabe fügte ein «build-first»-Zertifizierungsvorbereitungsprogramm hinzu: 33 Lektionen, ausführbare Labs, Diagnosen, Capstones und 295 originale Bewertungsfragen für die vier Claude-Zertifizierungen aus den Prüfungsleitfäden von Juli 2026 (CCAO-F: 9 Lektionen; CCDV-F: 15; CCAR-F: 21; CCAR-P: 25).

Vier Zertifizierungs-Credential-Pfade als getrennte Neon-Strecken, jeder von praktischen Labs bis zur finalen Bewertung, über einer Build-first-Pipeline

Sprachen. Lektionen werden automatisch übersetzt (eine NLLB-200-Pipeline, die kostenlos in der CI läuft und Code, Formeln, Tabellen und Diagramme byteweise schützt) ins vereinfachte Chinesisch, Hindi, Spanisch, Arabisch (mit RTL-Rendering) und Türkisch, mit automatischem Fallback auf Englisch, während der Rollout phasenweise weitergeht. Die Sprache wird im Seitenkopf oder über ?lang=zh|hi|es|ar|tr in der Lektions-URL gewählt. Getrennt davon ist der Deckblatttext des README von Hand in 12 Sprachen übersetzt.

Eine mehrsprachige Übersetzungspipeline: ein Quelldokument, geschützt von Neon-Schilden, die Code, Formeln, Tabellen und Diagramme bewahren, verzweigt sich in fünf Sprachströme

Website. site/build.js parst README.md, ROADMAP.md und glossary/terms.md, um site/data.js zu erzeugen; die Roadmap ist ein interaktiver Abhängigkeitsgraph («was schaltet was frei») und das Glossar umfasst 243 Begriffe über 12 Lernbereiche.

Eine interaktive Roadmap als massiver Abhängigkeitsgraph: Hunderte von Lektionsknoten, verbunden durch gerichtete Neonkanten, mit einem Glossar-Panel aus 243 in 12 Bereiche organisierten Begriffen

Das Ökosystem

Schwester-Repositories desselben Autors (Daten der GitHub-API, 2026-08-30):

Repository	Sterne	Beschreibung
`rohitg00/agentmemory`	27.745	«#1 Persistent memory for AI coding agents based on real-world benchmarks» — dauerhaftes Gedächtnis für Coding-Agenten
`rohitg00/pro-workflow`	2.792	«Claude Code learns from your corrections: self-correcting memory that compounds»
`rohitg00/skillkit`	1.476	«Supercharge AI coding agents with portable skills. Install, translate & share skills»
`rohitg00/awesome-openclaw`	561	Awesome-Liste der OpenClaw-Community

skillkit und agentmemory teilen mit dem Kurs dieselbe These (portable Skills im SKILL.md-Format und Gedächtnis, das sich mit der Nutzung verbessert), sodass der Kurs als «Handbuch» eines Werkzeug-Ökosystems gelesen werden kann, das der Autor parallel aufbaut.

Ökosystemkarte: das zentrale Handbuch verbunden mit Schwester-Tools — dauerhaftes Gedächtnis, selbstkorrigierendes Workflow-Gedächtnis, ein portables Skill-Kit und eine kuratierte Community-Liste — neben Vertriebskanälen über eine Skills-CLI, npm, MCP und Coding-Agenten

Forks und Community-Übersetzungen (GitHub-API-Suche nach dem Namen; 436 passende Repos):

Repository	Sterne	Beschreibung
`fancyboi999/ai-engineering-from-scratch-zh`	1.004	Vollständige chinesische Übersetzung: 20 Phasen, 503 Lektionen, eigene Website, begleitende animierte Videos
`cluster1900/ai-engineering-from-scratch-zh`	13	KI-von-Grund-auf-Kurs auf Chinesisch (Python/TS/Rust/Julia)
`yymhai/ai-engineering-from-scratch-zh`	6	Chinesische Version des Kurses
`Rubonal4649/ai-engineering-from-scratch`	16	Ein Fork mit 260+ Lektionen und 20 Phasen
`tingfeng007/ai-engineering-from-scratch`	15	Ein direkter Fork

Der chinesische Fork fancyboi999/ai-engineering-from-scratch-zh ist der relevanteste Community-Knoten: eine vollständige chinesische Übersetzung mit eigener Website und audiovisuellem Material, kohärent mit dem Akquisitionskanal Nr. 2 des Originals (X/Twitter, gefolgt von Google) und mit dem offiziellen mehrsprachigen Rollout der August-Ausgabe.

Verteilung über das offizielle Skills-Ökosystem von Vercel. Der Kurs installiert sich mit npx skills add rohitg00/ai-engineering-from-scratch, dem CLI des npm-Pakets skills, gepflegt von vercel-labs/skills (29.977 Sterne). Das Paket skills verzeichnet 38.716.982 Downloads im vergangenen Monat und 9.226.716 in der Woche vom 22.-28. August 2026 (npm-Download-API, abgerufen am 2026-08-30). Der Kurs wird also über das Werkzeug für portable Skills von Vercel Labs verteilt, das der De-facto-Standard des SKILL.md-Formats ist.

Awesome-Listen. In dieser Recherche wurden aipengineer/awesome-opensource-ai-engineering, boxabirds/awesome-ai-engineering, dontriskit/awesome-ai-software-engineering und dave-nachman/awesome-ai-engineering geprüft: keine listet das Repository. Die Aufnahme in eine andere Liste konnte in dieser Recherche nicht verifiziert werden.

Offizieller und halboffizieller Status

Ohne Unternehmensbestätigung, und das ausdrücklich. Die Zertifizierungsvorbereitung des Kurses deckt Anthropic-Zertifizierungen ab, aber die Dokumentation selbst (Ankündigung #402) erklärt: «This program is not affiliated with, endorsed by, sponsored by, or authorized by Anthropic. It contains no live exam questions and makes no pass guarantees.» Es handelt sich um unabhängiges Community-Material.
Halboffizielle Verteilung über Vercel Labs. Es gibt keine Aufnahme in einen «Marketplace» von Anthropic, OpenAI oder Microsoft, aber der Kurs lebt innerhalb des npx skills-Ökosystems von Vercel Labs (das De-facto-SKILL.md-Format der Branche), was ihm Reichweite über jeden kompatiblen Agenten gibt (Claude Code, Codex, Cursor und ähnliche).
De-facto-Referenz in seiner Nische. Mit ~51.000 Sternen in weniger als 5 Monaten und einem vollständigen chinesischen Fork mit 1.000 Sternen ist es der meistbesternte «From-Scratch»-KI-Engineering-Kurs auf GitHub in dieser Recherche, vor Konkurrenten mit deutlich längerer Erfolgsbilanz (siehe Vergleich).
Status der Übersetzungsdokumentation: Die Übersetzungen ins Chinesische/Hindi/Spanische/Arabische/Türkische sind fortlaufende Maschinenübersetzungen; das README wirbt mit 12 Sprachen auf dem Deckblatt (von Hand übersetzt) und 5 in den Lektionen.

Schnellstart-Anleitung

Installation und erster Start

Voraussetzungen: ein mit dem SKILL.md-Format kompatibler Agent (Claude Code, Codex, Cursor oder ähnlich) und Node.js für das Skills-CLI.

# Option A: das Handbuch klonen (lokales Lesen und lokaler Code)
git clone https://github.com/rohitg00/ai-engineering-from-scratch
cd ai-engineering-from-scratch

# Option B: den Kurs als Skills im eigenen Agenten installieren
npx skills add rohitg00/ai-engineering-from-scratch

Erster Start: innerhalb des Agenten die Einstufungs-Skill aufrufen. In Claude Code: /start-learning. Auf anderen kompatiblen Hosts: den Agenten bitten, «Use start-learning to begin the course.» (die Aufrufsyntax hängt vom Host ab, nicht vom SKILL.md-Format). Die Skill führt einen Einstufungstest durch und baut einen maßgeschneiderten Lernplan; die Website hat zudem https://aiengineeringfromscratch.com/prereqs.html als Leitfaden zu den Voraussetzungen.

Typische Arbeitsabläufe

Die nächste Lektion lernen: in Claude Code /learn; auf anderen Hosts nach dem Skill-Namen fragen. Der Agent lehrt die Lektion interaktiv und speichert den Fortschritt.
Die Lektion zu einem konkreten Thema (oder Bug) finden: /course-guide + das Thema; die Skill leitet zur exakten Lektion im Katalog.
Das Verständnis einer Phase prüfen: /check-understanding 13 (in Claude Code); das Ergebnis ist eine phasenweise Diagnose.
Eine Claude-Zertifizierung vorbereiten: npx skills add rohitg00/ai-engineering-from-scratch und dann /claude-certification; der Agent lehrt den Pfad, führt die Labs aus, macht Quizze und setzt den Fortschritt fort.
Eine Lektion auf der Website lesen: jede Lektions-URL akzeptiert ?lang=de (oder zh, hi, ar, tr); Unübersetztes fällt automatisch auf Englisch zurück.

Wesentliche Konfiguration

SKILL.md jeder installierten Skill (unter skills/start-learning/, skills/learn/ usw.): definiert, was der Agent kann; editierbar, wenn das Repo geklont wird.
Sprachauswahl der Website (Kopfzeile) oder Parameter ?lang=: Chinesisch, Hindi, Spanisch, Arabisch (RTL), Türkisch, Englisch.
README.md und ROADMAP.md: sind die Quelle der Website; ihr Format (Tabellen | # | Lesson | Type | Lang |, Glyphen ✅ 🚧 ⬚) ist die «Konfiguration», die ein Mitwirkender respektieren muss.
site/build.js → site/data.js: nach Änderungen an README/ROADMAP/Glossar neu generieren.
glossary/terms.md: 243 Begriffe in 12 Bereichen; speisen die Glossar-Seite.

Häufige Fallstricke und Lösungen

Übersetzungen sind absichtlich unvollständig. Ist eine Lektion noch nicht in der eigenen Sprache verfügbar, fällt die Website automatisch auf Englisch zurück; der Rollout erfolgt phasenweise und fortlaufend (Ankündigung #403). Es muss nichts «repariert» werden.
README/ROADMAP speisen die Website über einen starren Parser. Das Ändern des Tabellenformats der Lektionen oder das Ersetzen der Statusglyphen bricht site/build.js; die dokumentierte Lösung ist, node site/build.js auszuführen und zu prüfen, dass der Diff von site/data.js nur die Zeitstempeländerung zeigt (CONTRIBUTING.md).
Positionsverzerrung bei den Quizzen (bereits behoben). In der August-Ausgabe wurde eine Verzerrung behoben, bei der sich die richtigen Antworten von 2.026 Fragen an derselben Position häuften; die Verteilung ist jetzt gleichmäßig mit einem CI-Guard. Wer mit früheren Ausgaben arbeitet (v2026.07 oder älter), dessen Quiz-Statistiken sind nicht verlässlich.
Statistische Fehler in Phase 1 behoben. P-Werte des t-Tests mit zu vielen Freiheitsgraden und ein Chi-Quadrat-p-Wert, der 7,5-mal zu hoch ausfiel, wurden in der August-Ausgabe korrigiert; frühere Ausgaben enthalten falsche Werte.
Vorsicht beim Umfang von «certified». Die Zertifizierungsvorbereitung ist unabhängiges Community-Material: ohne Zugehörigkeit, Bestätigung oder Autorisierung durch Anthropic; ohne echte Prüfungsfragen und ohne Bestehensgarantie (Ankündigung #402).
Der Kurs ist absichtlich umfangreich. 500+ Lektionen; der empfohlene Ablauf ist, mit /start-learning (oder prereqs.html) zu beginnen, um nicht zu lernen, was man schon weiß.

Integrationen und Migration

Mit jedem SKILL.md-Agenten: npx skills add rohitg00/ai-engineering-from-scratch installiert die Lern-Skills in Claude Code, Codex, Cursor oder einen anderen kompatiblen Host; jede Skill behält ihr Frontmatter (phase, lesson, tags), was das Inspizieren und Anpassen erlaubt.
Mit MCP: Die Lektionen der Phase 13 (Tools and Protocols) bauen MCP-Server von Grund auf; der Kurs dokumentiert MCP-Aufrufe je Host.
Mit dem Ökosystem des Autors: Die Skills des Kurses teilen ein Format mit rohitg00/skillkit (Verwaltung portabler Skills), und die Outputs der Agenten-Phasen sind kompatibel mit dem Format, das rohitg00/agentmemory (dauerhaftes Gedächtnis für Agenten) verwendet.
Mit der Website: der Katalog (catalog.html), die grafische Roadmap (roadmap.html) und das Glossar (glossary.html) sind die Leseoberfläche parallel zum Agenten.
Migration von Lesekursen (mlabonne/llm-course, microsoft/generative-ai-for-beginners): das praktische Äquivalent ist, /course-guide zu nutzen, um jedes bereits bekannte Thema auf seine Lektion abzubilden und mit dem Plan von /start-learning vorzuspringen; es gibt keine Zustandsmigration, da der Fortschritt in der Skill liegt, nicht im Kurs.

Repo-Zahlen

Daten der GitHub-API, abgerufen am 30. August 2026 (das Datum ist relevant: das Wachstum beträgt laut der vom Autor selbst veröffentlichten Analytics +450 %/Woche):

Metrik	Wert
Sterne	51.007
Forks	8.826
Watcher	326
Commits auf `main`	1.762 (gezählt über den `Link`-Paginierungs-Header der API, der sie paginiert zurückgibt)
Offene Issues + PRs	100 (die GitHub-API fasst Issues und PRs im selben Zähler zusammen; in dieser Recherche nicht aufgeschlüsselt)
Letzte Veröffentlichung	v2026.08 (2026-08-10); nur 2 formale Releases (v2026.07 vom 2026-07-25 und v2026.08)
Erstellung	18. März 2026
Letzter Push	30. August 2026 (der Tag der Abfrage)

Beitragende (API-Spitzenwerte, 2026-08-30): rohitg00 1.641 Beiträge, github-actions[bot] 80 (Übersetzungs- und CI-Pipeline), abhinav-m22 13, thereisnotime 6, thejesh23 5, ismet 4, divya0795 2, sivanaikk 2, CooperSheroy 1, Philippe-Laval 1. Das Projekt ist mit deutlichem Abstand das Werk eines einzigen Autors.

Wachstumsverlauf (verankert in projekteigenen Quellen): 7.500+ Sterne verifiziert am 2026-05-14 (Reichweitentabelle in SPONSORS.md) → 51.007 Sterne am 2026-08-30.

Codevolumen nach Sprache (GitHub-Sprachen-API, Bytes): Python 5,69 M; JavaScript 3,23 M (Website); TypeScript 496 K; HTML 470 K; Julia 167 K; CSS 91 K; Rust 89 K; Shell 13 K; TeX 3 K; Dockerfile 2 K.

Wie man beiträgt

Der in CONTRIBUTING.md dokumentierte Prozess (Text direkt geprüft):

Ein Beitrag pro PR — «keeps reviews fast and lets contributor counts and credit work correctly».
Eine Lektion hinzufügen unter phases/XX-phase-name/NN-lesson-name/ mit der exakten Struktur (code/, optionales notebook/, obligatorisches docs/en.md, optionales outputs/) und dem Dokumentationsgerüst (Motto, The Problem, The Concept, Build It, Use It, Ship It, Exercises).
Eine Übersetzung hinzufügen, indem docs/<sprache>.md neben en.md erstellt wird (Beispiele in der Datei: zh.md, ja.md, es.md, hi.md), unter Beibehaltung der Struktur und Übersetzung von Inhalt, nicht von Code.
Einen Output hinzufügen (Prompt oder Skill mit YAML-Frontmatter) im outputs/-Ordner der Lektion und im Top-Level-Index referenzieren.
Bugs beheben oder bestehende Lektionen verbessern; weitere Übungen sind willkommen, besonders solche, die mehrere Phasen verbinden.
PR-Ablauf: Fork → Feature-Branch (git checkout -b add-lesson-phase3-gradient-descent) → Änderungen → prüfen, dass der gesamte Code läuft → PR mit klarer Beschreibung.
Stilregeln: der Code läuft fehlerfrei; keine Kommentare im Code; die beste Sprache für die Aufgabe; erst build-from-scratch; direkte Prosa; keine dekorativen Emojis in Titeln (Ausnahme: die Emoji-Flaggen der Spalte Lang, weil der Parser sie zuordnet).
Vorsicht mit der Website: site/build.js parst README.md, ROADMAP.md und glossary/terms.md; Phasen-Header und Lektionstabellen müssen ihre exakte Form behalten, und die Statusglyphen (✅, 🚧, ⬚) dürfen nicht durch Text ersetzt werden. Nach dem Bearbeiten node site/build.js ausführen; der Diff von site/data.js sollte nur die Zeitstempeländerung zeigen.
Verhaltenskodex in CODE_OF_CONDUCT.md: «Be kind, be helpful, be constructive».

Wie die Community es aufnahm

Hacker News. Der Hauptthread ist «AI Engineering from Scratch» (Eintrag 48219853, eingereicht von rippeltippel am 2026-05-21, 58 Punkte, 15 Kommentare). Die Diskussion ist bemerkenswert polarisiert, und die Polarisierung dreht sich um die Herkunft (oder Nicht-Herkunft) des Inhalts:

Konkrete Kritik:

michimagdesign: «These AI-generated websites often lack margins on the left and right of the text, which looks bad on smaller screens. It seems creators don’t care about testing on smaller devices.» — aufgegriffen von rightbyte («fancy responsive design. But with no margins») und eikenberry («Looks bad on bigger screens as well»).
ulcer: «Love how all the docs around ai tooling are also written by ai. Making it all hyper verbose, repetitive, and unclear.»
jatins: markierte es als KI-generierten Inhalt («Flagged for being AI generated garbage») unter Berufung auf die HN-Normen zu generierten Kommentaren.
bomewish: «I really think people should learn first and primarily from books written by people… the LLMs are trained on that data. So they cannot actually be better than the best original texts.»
HlessClaudesman: «Couldn’t find the about section. If you want users to invest their time just be honest about yourself, your goals for making the site and your tech stack.»
pinkmuffinere (als Regelungstechnik-Ingenieur, fachliche Meinung): «it seems crazy neither ‘Autonomous Systems’ nor ‘Multi-Agent and Swarms’ appear to mention any control theory content! :’(»

Konkrete Verteidigung und Begeisterung:

fredcallagan: «Actually the ultimate combo would be to learn this with the learning mode tools provided by AI providers. I must say that it really is a super interesting and efficient way to learn.»
meeton: «I don’t trust a vibe-generated course to be great yet, but some day I will and learning will be never the same again.»
pinkmuffinere (in Erwiderung auf jatins): hält es nicht für richtig, Submissions wegen KI-Einbindung als Spam zu markieren: «Many engineering projects incorporate AI (sometimes very heavily), and many of them are still interesting and useful.»

Der ursprüngliche Show HN des Autors selbst (Eintrag 47591661, rohitghumare, 2026-05-20, URL aiengineeringfromscratch.com) brachte keine eigene Zugkraft; die gesamte Konversation liegt im erneut eingereichten Thread.

YouTube. Eine Suche nach dem Repository-Namen (abgerufen am 2026-08-30) findet ein 4:59 langes Video mit dem Titel «GitHub - rohitg00/ai-engineering-from-scratch: Learn it. Build it. Ship it for others.», hochgeladen vom Kanal «GitHub Daily Trend AI Podcast» (@githubtrendfeed) vor ~3 Monaten, mit 104 Aufrufen. Ebenfalls vorhanden: abgeleitete Zusammenfassungen und Roadmaps auf Spanisch und Englisch («The $300K AI Engineer Roadmap», «AI Engineering in 76 Minutes»), ohne bestätigte offizielle Urheberschaft. Es wurden keine verifizierbaren Konferenzvorträge in dieser Recherche gefunden.

Reddit, Product Hunt, dev.to, Podcasts. Keine verifizierbaren Ergebnisse in dieser Recherche: Die Such-API von Reddit lieferte Weiterleitungen (302) und kein Thread konnte bestätigt werden; die Product-Hunt-Suche lieferte keine Launch-Seite für das Projekt; es wurden keine dev.to-/Hashnode-Artikel oder Changelog-/TLDR-Erwähnungen mit abrufbarer Quelle gefunden. All das wird ausdrücklich als «in dieser Recherche nicht verifiziert» gekennzeichnet, statt behauptet zu werden.

ai-engineering-from-scratch im Vergleich zu anderen Ansätzen

Alle Sternenzahlen am 2026-08-30 gegen die GitHub-API verifiziert:

Projekt	Sterne	Fokus	Wesentlicher Unterschied
`rasbt/LLMs-from-scratch`	104.022	Ein ChatGPT-artiges LLM in PyTorch von Grund auf, Schritt für Schritt, implementieren	Ein einzelnes Konzept (LLM) mit mathematischer Tiefe; kein allgemeiner Kurs
`microsoft/generative-ai-for-beginners`	118.764	21 Lektionen für den Einstieg in generative KI	Kurz, anfängerorientiert, an Azure gebunden; ohne build-from-scratch
`datawhalechina/hello-agents`	75.503	«从零开始构建智能体» — Agenten von Grund auf, auf Chinesisch	Ausschließlicher Fokus auf Agenten; Ghumares Kurs deckt 20 übergreifende Phasen ab
`mlabonne/llm-course`	82.096	LLM-Kurs mit Roadmaps und Colab-Notebooks	Nur LLMs; Lesematerial, kein Repository mit pro Lektion ausführbarem Code
`karpathy/nanochat`	57.645	«The best ChatGPT that $100 can buy»	Ein einzelnes vollständiges System (nano-ChatGPT) als Übung; kein Curriculum
`rohitg00/ai-engineering-from-scratch`	51.007	20 Phasen, 500+ Lektionen, von Mathematik bis Produktion	Am breitesten im Umfang; das einzige, das jede Lektion als installierbare Skill/Prompt/MCP verpackt

Keines dieser Projekte konkurriert im selben Format: Es ist das einzige, das (a) curriculare Breite, (b) von-Grund-auf-Implementierung pro Lektion und (c) portable, mit npx skills installierbare Artefakte (SKILL.md) kombiniert.

Anwendungsfälle

Softwareentwickler im Übergang zum KI-Engineering. Der vollständige Weg (Mathematik → LLMs → Agenten → Produktion) mit build-from-scratch gibt ihnen die konzeptionelle Grundlage, die nach 21-Lektionen-Kursen fehlt; der Ablauf /start-learning + /course-guide erlaubt es, bereits beherrschte Phasen zu überspringen.
Teams, die Agenten bauen und portable Skills brauchen. Jede Lektion endet in einem SKILL.md-/Prompt-/MCP-Server-Artefakt unter outputs/: Teams können die Outputs der Phasen 13-16 (MCP, Agenten, Multiagent) direkt extrahieren und wiederverwenden, ohne die Muster «neu zu erfinden».
Personen, die sich auf Claude-Zertifizierungen vorbereiten. Der kostenlose Zertifizierungspfad (33 Lektionen, 295 originale Fragen, ausführbare Labs) ist in dieser Recherche das einzige öffentliche Build-first-Programm für die vier Claude-Zertifizierungen von Juli 2026, das gefunden wurde, mit dem ausdrücklichen Hinweis, dass es sich um von Anthropic unabhängiges Material handelt.
Spanisch-, chinesisch-, hindi-, arabisch- und türkischsprachige Lernende. Die übersetzten Lektionen (es, zh, hi, ar, tr) mit Englisch-Fallback und das README in 12 Sprachen machen den Kurs zum mehrsprachigen Referenz-Handbuch für KI-Engineering; der chinesische Fork fancyboi999/ai-engineering-from-scratch-zh (1.004 Sterne) fügt eigenes audiovisuelles Material für den chinesischen Markt hinzu.
Ausbildungsteams (DevRel, Akademie, Bootcamps). Mit MIT-Lizenz und standardisierter Lektionsstruktur (docs/en.md + code/ + outputs/) lässt sich das Curriculum als interne Trainingsgrundlage anpassen; der Beitragsprozess (ein Beitrag pro PR, lauffähiger Code, keine Kommentare) ist streng genug, um Qualität bei der Skalierung zu erhalten.
Ingenieure, die den Agenten-Stack von innen verstehen wollen. Die Phasen 10-16 (LLMs von Grund auf, LLM-Engineering, MCP, Agenten, autonome Systeme, Schwärme), von Grund auf implementiert vor dem Framework, sind der Gegenpol zur «Black-Box»-Nutzung von Claude Code/Codex; die HN-Kritik am Fehlen von Regelungstechnik (pinkmuffinere) markiert zugleich ehrlich die Grenze des Umfangs.

Ressourcen

Repository: https://github.com/rohitg00/ai-engineering-from-scratch
Dokumentation / offizielle Website: https://aiengineeringfromscratch.com (Roadmap: /roadmap, Glossar: /glossary, Voraussetzungen: /prereqs.html, Katalog: /catalog.html, Zertifizierungen: /certifications.html)
Offizielle Skills: npx skills add rohitg00/ai-engineering-from-scratch (Skills-CLI von vercel-labs/skills; Skills: start-learning, learn, course-guide, check-understanding, claude-certification)
Offizielle Ankündigungen (GitHub Discussions):
- Zertifizierungsvorbereitung: https://github.com/rohitg00/ai-engineering-from-scratch/discussions/402
- Mehrsprachiger Kurs: https://github.com/rohitg00/ai-engineering-from-scratch/discussions/403
Releases (Ausgabennotizen): https://github.com/rohitg00/ai-engineering-from-scratch/releases (v2026.08, v2026.07)
Hacker News: Hauptthread «AI Engineering from Scratch» (Eintrag 48219853, 58 Punkte, 15 Kommentare): https://news.ycombinator.com/item?id=48219853 · Show HN des Autors (Eintrag 47591661): https://news.ycombinator.com/item?id=47591661
YouTube: «GitHub - rohitg00/ai-engineering-from-scratch: Learn it. Build it. Ship it for others.» — Kanal GitHub Daily Trend AI Podcast (@githubtrendfeed, 4:59, 104 Aufrufe): https://www.youtube.com/watch?v=FIkAfMj1eeo
Sponsoring: https://github.com/sponsors/rohitg00 (Rate Card und Reichweitenzahlen in SPONSORS.md)
Community / X des Autors: @ghumare64 (Rohit Ghumare)
Reddit / Product Hunt / Podcasts: in dieser Recherche keine verifizierbaren Quellen gefunden (siehe Wie die Community es aufnahm).

Hinweis: Dieser Artikel kombiniert README, CONTRIBUTING.md, SPONSORS.md und die Release-Notizen des Repositorys, die GitHub- und npm-APIs, die Hacker-News-Algolia-API, die offizielle Website und am 30. August 2026 abgerufene YouTube-Ergebnisse. Zahlen ändern sich mit der Zeit; projekteigene Behauptungen (etwa das Wachstum von +450 %/Woche oder die Reichweitenzahlen in SPONSORS.md) werden als solche gekennzeichnet und nicht als unabhängige Verifikation.