Zwei Tage für Entwicklerteams
KI-Agenten sicher bauen
Ein praxisnaher Kurs, in dem bis zu acht Teilnehmende einen eigenen Agenten-Prototyp entwickeln und die Architektur dahinter wirklich verstehen.
Agentische Systeme werden erst durch gute Entscheidungen nützlich
Ein KI-Agent ist mehr als ein Chatfenster mit einem neuen Namen. Er braucht einen klaren Auftrag, Zugriff auf passende Informationen, begrenzte Werkzeuge und Regeln für Fehlerfälle. Ohne diese Architektur wirken erste Demos schnell überzeugend, bleiben im echten Betrieb aber unzuverlässig oder unnötig teuer.
Der Kurs verbindet deshalb Programmierung mit Systemdenken. Die Teilnehmenden bauen nicht nur einen Ablauf nach, sondern entscheiden selbst, welche Daten ein Agent sehen darf, wann er ein Werkzeug nutzen soll, wie Ergebnisse bewertet werden und an welcher Stelle ein Mensch eingreifen muss.
Was ihr im Kurs baut
Ausgehend von einem Anwendungsfall des Teams entsteht ein lauffähiger Prototyp. Das kann ein Recherche-Agent, ein interner Wissensassistent, ein Agent für strukturierte Dokumentenarbeit oder ein koordinierter Mehr-Agenten-Ablauf sein. Der konkrete Umfang wird vor dem Termin so zugeschnitten, dass er in zwei Tagen realistisch bleibt.
Tag 1
Vom Auftrag zum ersten Agenten
- Aufgabe, Nutzer und Erfolgskriterium präzisieren
- Modelle, Prompts und strukturierte Ausgaben auswählen
- Werkzeuge sicher anbinden und Berechtigungen begrenzen
- Eigene Dokumente über Retrieval-Augmented Generation einbeziehen
- Fehlerfälle sichtbar machen statt sie zu verstecken
Am Ende des ersten Tages steht ein kleiner durchgängiger Ablauf. Er löst eine klar definierte Aufgabe und protokolliert, was das System entschieden und ausgeführt hat.
Tag 2
Orchestrieren, testen und absichern
- Mehrere Rollen oder Agenten sinnvoll koordinieren
- MCP und externe Dienste einordnen
- Workflows mit n8n oder passender Infrastruktur verbinden
- Evaluationsfälle, Kostenlimits und Abbruchregeln definieren
- Den Prototyp für den nächsten Entwicklungsschritt dokumentieren
Der zweite Tag macht aus der Demo ein nachvollziehbares System. Das Team erkennt, welche Teile für einen produktiven Betrieb noch fehlen und welche Architekturentscheidungen bereits belastbar sind.
Die technischen Themen im Zusammenhang
- RAG und Wissenszugriff
- Dokumente auffinden, relevante Ausschnitte wählen, Quellen im Ergebnis sichtbar machen und veraltete Informationen erkennen.
- Tool-Nutzung
- Funktionen, APIs und Datenbanken so anbinden, dass der Agent nur erlaubte Aktionen ausführen kann.
- Multi-Agenten-Architektur
- Rollen nur dann trennen, wenn Spezialisierung, Prüfung oder parallele Arbeit einen echten Vorteil bringt.
- MCP und Integration
- Den Model Context Protocol Ansatz verstehen und gegen direkte API- oder Workflow-Integrationen abwägen.
- Evaluation und Beobachtbarkeit
- Mit repräsentativen Testfällen, Protokollen und klaren Grenzen prüfen, ob ein System stabil genug für den nächsten Schritt ist.
Was das Team mitbringen sollte
Die Teilnehmenden sollten praktische Programmiererfahrung haben und in einer aktuellen Sprache kleine Anwendungen oder APIs bauen können. Welcher Stack verwendet wird, klären wir vorab. Ein gemeinsamer Anwendungsfall und eine vorbereitete Entwicklungsumgebung sparen im Kurs viel Zeit.
Für sensible Unternehmensdaten verwenden wir ausschließlich abgestimmte Testdaten oder eine geeignete interne Umgebung. Zugangsdaten werden nicht in Kursmaterialien oder Beispielcode eingebettet.
Was nach den zwei Tagen bleibt
- Ein lauffähiger, gemeinsam entwickelter Agenten-Prototyp
- Eine dokumentierte Architektur mit Daten- und Werkzeuggrenzen
- Ein Satz repräsentativer Evaluationsfälle
- Eine priorisierte Liste für Härtung und produktive Integration
- Wiederverwendbare Muster für weitere Agentenprojekte
Bei Bedarf kann die anschließende KI-Beratung und Implementierungsbegleitung Architektur-Reviews, sichere Integrationen oder die Übergabe in den Betrieb unterstützen. Teams ohne technische Umsetzungspflicht starten besser mit dem KI-Workshop für Unternehmen.
Die Arbeitsweise im Kurs
Kurze technische Impulse wechseln sich mit gemeinsamer Umsetzung ab. Jede neue Komponente wird zuerst auf ihren Zweck geprüft und dann in den Prototyp eingebaut. Wenn ein Agent etwa eine Suche ausführen soll, betrachten wir nicht nur den erfolgreichen Aufruf. Wir testen auch leere Ergebnisse, falsche Parameter, Zeitüberschreitungen und eine Antwort, die zwar plausibel klingt, aber nicht aus den gefundenen Quellen folgt.
Code wird im Team besprochen. Entscheidungen stehen direkt neben den technischen Artefakten: Warum wurde dieses Modell gewählt? Welche Daten verlässt die eigene Umgebung? Welches Limit stoppt eine Schleife? Welche Testfälle müssen vor einer Freigabe bestehen? Dadurch bleibt der Prototyp auch nach dem Kurs verständlich und kann in einen normalen Entwicklungsprozess übernommen werden.
Der sinnvolle Schritt nach dem Kurs
In den folgenden Wochen sollte das Team den Prototyp mit realistischen, aber kontrollierten Fällen prüfen. Erst wenn Qualität, Kosten und Fehlerverhalten sichtbar sind, lohnt sich die nächste Integrationsstufe. Für Architektur-Reviews, Berechtigungskonzepte oder die Vorbereitung eines produktiven Betriebs kann eine begrenzte Beratungsphase anschließen.
Häufige Fragen zum KI-Agenten-Kurs
Welche Programmiersprache wird verwendet?
Das hängt vom vorhandenen Stack und vom gewählten Anwendungsfall ab. Python und TypeScript sind typische Optionen. Entscheidend ist, dass das Team nach dem Kurs selbst weiterarbeiten kann.
Arbeiten wir mit einem bestimmten Modellanbieter?
Nein. Wir wählen Modell und Schnittstelle passend zur Aufgabe, zur Umgebung und zu euren Anforderungen. Die Architektur soll nicht unnötig an einen Anbieter gebunden sein.
Ist n8n Bestandteil des Kurses?
n8n kann eingesetzt werden, wenn ein visueller Workflow zum Anwendungsfall passt. Es ist kein Pflichtbestandteil. Ein reiner Code-Ansatz ist genauso möglich.
Kann ein eigenes Unternehmensprojekt verwendet werden?
Ja, wenn Umfang, Datenzugriff und technische Voraussetzungen vorab geklärt sind. Wir schneiden den Anwendungsfall so zu, dass ein belastbarer Lern- und Prototyping-Erfolg in zwei Tagen möglich ist.
Baut einen Agenten, den euer Team erklären und weiterentwickeln kann.
Im Vorgespräch klären wir Stack, Anwendungsfall und die passende technische Tiefe.