Schulung · Agentic Coding · Kubernetes & Microservices

Agentic Coding für Kubernetes- und Microservice-Teams

Autonome Coding-Agenten wirksam einsetzen: Spezifikation statt Prompt, Aufgabenzerlegung, testgetriebene Loops, Multi-Agent-Setups und Governance.

Dauer
2 Tage (14 Std.)
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

In diesem Kurs verbinden wir Agentic Coding mit den typischen Abläufen im Bereich Kubernetes & Microservices. Die Teilnehmenden arbeiten an realistischen Szenarien und nehmen sofort einsetzbare Prompts, Workflows und Checklisten mit.

Agentic Coding bezeichnet die Arbeit mit KI-Agenten, die Entwicklungsaufgaben weitgehend selbstständig erledigen: Sie lesen Code, planen Änderungen, führen Befehle und Tests aus und korrigieren sich anhand der Ergebnisse. Werkzeuge wie Claude Code, OpenAI Codex, der GitHub Copilot Coding Agent oder der Agent-Modus von Cursor machen diese Arbeitsweise alltagstauglich. Dieses herstellerneutrale Training vermittelt die Methodik dahinter, damit Sie unabhängig vom Werkzeug verlässliche Ergebnisse erzielen und die Rolle der Entwicklerin oder des Entwicklers neu definieren.

Im Zentrum steht der Wechsel vom spontanen Prompt zur belastbaren Spezifikation. Sie lernen, Aufgaben so zu zerlegen und zu beschreiben, dass Agenten sie zuverlässig lösen, testgetriebene Schleifen aufzusetzen, in denen Tests als objektives Abnahmekriterium dienen, und mehrere Agenten parallel oder arbeitsteilig einzusetzen. Darüber hinaus behandeln wir Review-Strategien für agentisch erzeugten Code sowie Governance im Team: Berechtigungen, Sicherheitsgrenzen, Verantwortlichkeiten, Kostenkontrolle und die schrittweise Einführung agentischer Workflows in bestehende Entwicklungsprozesse.

Kubernetes ist zur Standardplattform für Microservices geworden – und mit ihr eine Flut an YAML-Manifesten, Helm-Charts, Kustomize-Overlays, Operatoren, Service-Mesh-Konfigurationen und GitOps-Repositories. Hinzu kommen verteilte Fehlerbilder, die sich über Dutzende Services erstrecken. KI-Coding-Assistenten und Agenten nehmen hier viel Komplexität heraus: Sie erzeugen Helm-Charts mit sinnvollen Defaults, diagnostizieren CrashLoopBackOff- und OOMKilled-Fehler aus Events und Logs, schreiben NetworkPolicies und RBAC-Regeln nach dem Least-Privilege-Prinzip und helfen beim Schnitt von Service-Grenzen. Gleichzeitig gilt: Ein Agent mit Cluster-Zugriff braucht klare Grenzen. Im Kurs lernen Sie, KI für Manifeste, Troubleshooting und Architekturarbeit einzusetzen, ohne die Kontrolle über Ihre Cluster abzugeben.

Das Training findet live statt – wahlweise online im virtuellen Klassenraum oder vor Ort in unseren Trainingsräumen in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart und Kaiserslautern. Auf Wunsch kommen wir auch exklusiv für Ihr Team zusammen.

Für wen ist das Training?

  • Plattform-Engineers und Kubernetes-Administrator:innen
  • Entwickler:innen, die Microservices auf Kubernetes betreiben
  • Site Reliability Engineers mit Cluster-Verantwortung
  • Software-Architekt:innen für verteilte Systeme
  • DevOps-Teams, die GitOps einführen oder ausbauen

Typische Herausforderungen, die wir adressieren

  • Unübersichtliche Mengen an YAML, Helm-Werten und Overlays über viele Umgebungen
  • Schwierige Fehlersuche bei verteilten Problemen zwischen Services, Netzwerk und Ressourcenlimits
  • Sicherheitslücken durch zu weit gefasste RBAC-Rechte, fehlende NetworkPolicies und privilegierte Container
  • Unklare Service-Grenzen und enge Kopplung in wachsenden Microservice-Landschaften

Das können Sie nach dem Training

  • Sie verstehen die Funktionsweise von Coding-Agenten und wählen das passende Werkzeug und den passenden Autonomiegrad.
  • Sie schreiben Spezifikationen und Projektkontext, mit denen Agenten verlässlich arbeiten.
  • Sie zerlegen Vorhaben in überprüfbare Teilaufgaben und steuern Agenten über testgetriebene Loops.
  • Sie setzen Multi-Agent-Setups und parallele Arbeit kontrolliert ein.
  • Sie erstellen und prüfen Helm-Charts, Overlays und Policies effizient mit KI-Agenten.
  • Sie diagnostizieren Fehler in Clustern und Microservices schneller mit strukturierter KI-Unterstützung.
  • Sie begrenzen Cluster-Zugriffe von Agenten und verankern Sicherheits- und Architekturregeln verbindlich.

Inhalte & Ablauf

Tag 1

Modul 1 Grundlagen agentischer Entwicklung
  • Funktionsweise von Coding-Agenten: Werkzeugaufrufe, Kontextfenster und Feedback-Schleifen
  • Werkzeuge im Vergleich: Terminal-Agenten, IDE-Agenten und Cloud-Agenten
  • Geeignete Aufgaben erkennen und Autonomiegrade bewusst wählen
  • Die neue Rolle im Team: von der Umsetzung zur Steuerung und Abnahme
Modul 2 Spezifikation statt Prompt
  • Aufgaben mit Ziel, Kontext, Randbedingungen und Abnahmekriterien beschreiben
  • Projektkontext dauerhaft in Dateien wie CLAUDE.md, AGENTS.md oder Rules hinterlegen
  • Plan-First-Vorgehen: Lösungsweg vom Agenten entwerfen und vor der Umsetzung prüfen
  • Spezifikationen versionieren und als Teil des Repositorys pflegen
Modul 3 Aufgabenzerlegung und testgetriebene Agenten-Loops
  • Große Vorhaben in unabhängige, überprüfbare Teilaufgaben zerlegen
  • Tests zuerst schreiben lassen und als objektives Abbruchkriterium nutzen
  • Linter, Typprüfungen und Builds als automatische Rückmeldung einsetzen
  • Festgefahrene Loops erkennen und mit neuer Strategie neu starten
Modul 4 Multi-Agent-Setups und Parallelisierung
  • Spezialisierte Subagents für Recherche, Implementierung, Tests und Review definieren
  • Parallele Arbeit mit Branches, Worktrees und isolierten Umgebungen organisieren
  • Orchestrierung: Ergebnisse zusammenführen und Konflikte auflösen
  • Werkzeuge und Datenquellen über MCP gemeinsam nutzbar machen

Tag 2

Modul 5 Review, Sicherheit und Governance im Team
  • Review-Strategien für große, agentisch erzeugte Änderungen
  • Berechtigungen, Sandboxing und Schutz vor Prompt Injection festlegen
  • Agenten in CI-Pipelines und Pull-Request-Prozesse einbinden
  • Teamrichtlinien, Verantwortlichkeiten, Kosten und schrittweise Einführung planen
Modul 6 Praxislabor: Kubernetes & Microservices
  • Helm-Charts und Kustomize erstellen
  • Pods und Deployments debuggen
  • RBAC und NetworkPolicies
  • Microservice-Schnitt und Kommunikation
  • Observability einrichten
  • GitOps-Repositories pflegen
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Kubeconfigs, Service-Account-Tokens und Secrets dürfen nie in Prompts landen; Agenten sollten nur mit lesenden oder eng begrenzten Rechten in Nicht-Produktionsclustern arbeiten. Prüfen Sie Container-Images und Charts auf Herkunft, Signaturen und Schwachstellen und berücksichtigen Sie die Anforderungen von NIS2 und Cyber Resilience Act an Lieferkettensicherheit und SBOMs.
  • Spielregeln für den sicheren KI-Einsatz im Team
  • Ergebnisse prüfen: Fakten, Quellen, Tests und Vier-Augen-Prinzip
  • Persönlicher Umsetzungsplan für die nächsten 30 Tage
  • Offene Fragen, Ausblick und Ressourcen zum Weiterlernen

Praxisszenarien aus Ihrem Bereich

Helm-Charts und Kustomize erstellen

Der Agent erzeugt Helm-Charts oder Kustomize-Overlays mit Probes, Ressourcenanforderungen, Pod Disruption Budgets und Security Contexts, validiert sie mit helm lint und kubeconform und dokumentiert alle Werte.

Pods und Deployments debuggen

Aus kubectl-Ausgaben, Events und Container-Logs grenzt die KI Ursachen für CrashLoopBackOff, OOMKilled, ImagePullBackOff oder fehlschlagende Readiness-Probes ein und schlägt konkrete Korrekturen vor. Das Team prüft die Vorschläge vor der Umsetzung.

RBAC und NetworkPolicies

Die KI analysiert bestehende Rollen und Kommunikationsbeziehungen, formuliert RBAC-Regeln nach dem Least-Privilege-Prinzip und erstellt NetworkPolicies, die nur notwendigen Verkehr zwischen Services zulassen. Änderungen werden vorab in einem Testcluster geprüft.

Microservice-Schnitt und Kommunikation

Der Assistent hilft, Service-Grenzen entlang fachlicher Domänen zu definieren, synchrone und asynchrone Kommunikation abzuwägen und Muster wie Outbox, Circuit Breaker oder Saga sauber umzusetzen. Die Entscheidung bleibt beim Team.

Observability einrichten

Für Services entstehen OpenTelemetry-Instrumentierung, Prometheus-Metriken, ServiceMonitors und Alert-Regeln sowie Dashboards, die Latenz, Fehlerrate und Sättigung sichtbar machen. Alerts werden an Service Level Objectives ausgerichtet, damit nur relevante Störungen eskalieren.

GitOps-Repositories pflegen

Die KI strukturiert Repositories für Argo CD oder Flux, trennt Umgebungen sauber, automatisiert Image-Updates und erklärt Sync-Fehler anhand von Status und Diffs. Drift zwischen Repository und Cluster wird sichtbar.

Mögliche Praxisprojekte im Kurs

Manifest-Linter mit Regelwerk

Ein Tool, das Kubernetes-Manifeste auf fehlende Limits, Probes, Labels und unsichere Einstellungen prüft und einen Bericht für Pull Requests erzeugt.

Microservice-Demo mit Tracing

Zwei bis drei kleine Services mit OpenTelemetry, deployt per Helm in einen lokalen Cluster, inklusive Dashboard für verteilte Traces. Ideal, um verteilte Fehlersuche mit KI zu üben.

Cluster-Hygiene-Bericht

Ein CLI, das ungenutzte ConfigMaps, verwaiste PersistentVolumes und Deployments ohne Ressourcenangaben findet und Aufräumvorschläge macht. Gelöscht wird erst nach menschlicher Prüfung und Freigabe.

Voraussetzungen

Sie haben mehrjährige Entwicklungserfahrung, arbeiten sicher mit Git, Tests und CI und haben idealerweise bereits erste KI-Coding-Werkzeuge genutzt. Praktische Erfahrung mit Containern, kubectl und Kubernetes-Grundobjekten sowie Grundkenntnisse in Helm, YAML und Git.

Technische Voraussetzungen

Eigener Laptop mit Git, Terminal und Ihrer Entwicklungsumgebung sowie Zugang zu mindestens einem Coding-Agenten wie Claude Code, Codex, Copilot oder Cursor.

Datenschutz & Compliance

Kubeconfigs, Service-Account-Tokens und Secrets dürfen nie in Prompts landen; Agenten sollten nur mit lesenden oder eng begrenzten Rechten in Nicht-Produktionsclustern arbeiten. Prüfen Sie Container-Images und Charts auf Herkunft, Signaturen und Schwachstellen und berücksichtigen Sie die Anforderungen von NIS2 und Cyber Resilience Act an Lieferkettensicherheit und SBOMs.

Terminvorschläge

Alle Termine sind Vorschläge – Ihr Wunschtermin ist jederzeit möglich.

  • Mi, 25. November 2026 – Do, 26. November 2026 Online Anfragen
  • Do, 10. Dezember 2026 – Fr, 11. Dezember 2026 Bremen Anfragen
  • Mo, 11. Januar 2027 – Di, 12. Januar 2027 Online Anfragen
  • Mo, 18. Januar 2027 – Di, 19. Januar 2027 Salzburg Anfragen
  • Mo, 25. Januar 2027 – Di, 26. Januar 2027 Online Anfragen
  • Mi, 3. Februar 2027 – Do, 4. Februar 2027 Kaiserslautern Anfragen

Häufige Fragen

Worin unterscheidet sich Agentic Coding von Vibe Coding?

Vibe Coding setzt auf schnelle, intuitive Iteration in natürlicher Sprache und eignet sich besonders für Prototypen. Agentic Coding ist ein ingenieurmäßiger Ansatz für professionelle Codebasen: Präzise Spezifikationen, Tests als Abnahmekriterium, klare Berechtigungen und strukturierte Reviews sorgen dafür, dass Agenten auch in komplexen, langlebigen Projekten verlässliche und wartbare Ergebnisse liefern.

Ist der Kurs an ein bestimmtes Werkzeug gebunden?

Nein. Der Kurs vermittelt Methoden, die mit Claude Code, OpenAI Codex, dem GitHub Copilot Coding Agent, Cursor und vergleichbaren Werkzeugen funktionieren. Die Übungen zeigen Unterschiede und Gemeinsamkeiten, etwa bei Kontextdateien, Berechtigungen und Subagents. Sie können mit dem Werkzeug arbeiten, das in Ihrem Unternehmen eingesetzt wird oder werden soll.

Wie behalten wir bei autonomen Agenten die Kontrolle über Qualität und Sicherheit?

Kontrolle entsteht durch mehrere Ebenen: eng gefasste Berechtigungen und Sandboxing, Tests und statische Analysen als automatische Prüfinstanz, verpflichtende menschliche Reviews vor dem Merge und klare Teamregeln zu Verantwortlichkeiten. Im Kurs entwickeln Sie ein Governance-Konzept, das zu Ihren Prozessen, Sicherheitsanforderungen und regulatorischen Vorgaben passt.

Sollte ein KI-Agent direkten Zugriff auf meinen Cluster haben?

Nur kontrolliert. Für Analyse und Troubleshooting genügen meist lesende Rechte in ausgewählten Namespaces, Änderungen sollten über GitOps-Repositories und Reviews laufen. Im Kurs richten Sie dafür eigene Service Accounts, lokale Testcluster und Freigabeprozesse ein, sodass der Agent nützlich ist, ohne Produktionsrisiken zu erzeugen.

Hilft der Kurs auch bei Architekturfragen zu Microservices?

Ja. Neben Manifesten und Betrieb behandeln wir, wie KI beim Schnitt von Service-Grenzen, beim Abwägen von Kommunikationsmustern und beim Bewerten von Architekturvarianten unterstützen kann. Die KI liefert dabei Optionen und Argumente, die Entscheidung bleibt beim Team und wird nachvollziehbar dokumentiert.

Was kostet die Schulung „Agentic Coding für Kubernetes- und Microservice-Teams“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 2 Trainingstag(e) mit Live-Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Unsere Terminvorschläge sind eine Orientierung. Im Anfrageformular können Sie jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und bestätigen innerhalb eines Werktags.

Findet der Kurs online oder vor Ort statt?

Beides ist möglich: live online im virtuellen Klassenraum oder vor Ort in München, Salzburg, Berlin, Augsburg, Hannover, Bremen, Stuttgart oder Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Weitere Kurse für Kubernetes- und Microservice-Teams

Weitere Kurse zu Agentic Coding

Alle 32 Kurse zu Agentic Coding

Agentic Coding · MünchenAgentic Coding · SalzburgAgentic Coding · BerlinAgentic Coding · AugsburgAgentic Coding · HannoverAgentic Coding · BremenAgentic Coding · StuttgartAgentic Coding · KaiserslauternAgentic Coding · Online