Schulung · Cursor · Kubernetes & Microservices

Cursor für Kubernetes- und Microservice-Teams

Produktiv entwickeln mit dem KI-Code-Editor Cursor: Agent-Modus, Rules, Codebase-Kontext, Tab-Completion, Background Agents und Review.

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

„Cursor für Kubernetes- und Microservice-Teams“ ist ein praxisorientiertes Training für Rollen wie Plattform-Engineers und Kubernetes-Administrator:innen, Entwickler:innen, die Microservices auf Kubernetes betreiben und Site Reliability Engineers mit Cluster-Verantwortung. Sie lernen Cursor nicht abstrakt, sondern an Aufgaben aus Ihrem Arbeitsalltag kennen – mit Beispielen, Übungen und Vorlagen aus dem Bereich Kubernetes & Microservices.

Cursor ist ein KI-Code-Editor auf Basis von VS Code, der Sprachmodelle tief in den Entwicklungsalltag integriert. Neben einer kontextbewussten Tab-Completion bietet Cursor einen Agent-Modus, der selbstständig Dateien durchsucht, Änderungen über das gesamte Projekt plant, Terminalbefehle ausführt und Fehler iterativ behebt. In diesem zweitägigen Training lernen Sie, Cursor gezielt einzusetzen: Sie wählen den passenden Interaktionsmodus, steuern den Kontext bewusst und kombinieren KI-Unterstützung mit Ihrem bestehenden Workflow aus Versionskontrolle, Tests und Code-Review.

Ein Schwerpunkt liegt auf der Teamtauglichkeit: Mit Projekt-Rules halten Sie Architekturvorgaben, Namenskonventionen und Teststrategien fest, damit der Agent konsistente Ergebnisse liefert. Sie lernen, die Codebase-Indizierung, gezielte Referenzen auf Dateien, Dokumentation und Symbole sowie MCP-Integrationen sinnvoll zu nutzen. Zudem delegieren Sie Aufgaben an Background Agents, prüfen deren Ergebnisse als Pull Requests und etablieren einen Review-Prozess, der Qualität, Sicherheit und Datenschutz im Unternehmen gleichermaßen berücksichtigt und auch für größere Teams mit mehreren Repositories tragfähig bleibt.

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 wählen für jede Aufgabe den passenden Cursor-Modus und setzen ihn effizient ein.
  • Sie steuern den Codebase-Kontext gezielt und erhalten dadurch präzisere Vorschläge.
  • Sie formulieren Projekt-Rules, die Konventionen Ihres Teams zuverlässig durchsetzen.
  • Sie setzen den Agent-Modus und Background Agents für Features und Refactorings mit überprüfbaren Ergebnissen 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 Cursor einrichten und die Arbeitsmodi verstehen
  • Installation, Migration von VS-Code-Einstellungen und Erweiterungen
  • Unterschiede zwischen Tab-Completion, Inline-Bearbeitung, Ask- und Agent-Modus
  • Modellauswahl je nach Aufgabe: Geschwindigkeit, Tiefe und Kosten abwägen
  • Datenschutzmodus und Unternehmenseinstellungen kennen
Modul 2 Codebase-Kontext gezielt steuern
  • Wie die Codebase-Indizierung funktioniert und wo ihre Grenzen liegen
  • Dateien, Ordner, Symbole, Dokumentation und Webquellen gezielt referenzieren
  • Ignore-Dateien nutzen, um sensible oder irrelevante Inhalte auszuschließen
  • Lange Chats vermeiden und Aufgaben mit frischem Kontext neu starten
Modul 3 Rules für konsistente Ergebnisse im Team
  • Projekt-Rules anlegen, versionieren und nach Dateimustern aktivieren
  • Architektur-, Stil- und Testkonventionen als wirksame Rules formulieren
  • Benutzer-Rules und Team-Rules sinnvoll voneinander abgrenzen
  • Rules anhand typischer Fehlgriffe des Agenten iterativ verbessern
Modul 4 Agent-Modus in der Praxis
  • Features schrittweise mit Plan, Umsetzung und Tests entwickeln
  • Refactorings über viele Dateien sicher durchführen und Checkpoints nutzen
  • Terminalbefehle kontrolliert freigeben und Fehlerausgaben zurückspielen
  • MCP-Server für Ticketsysteme, Datenbanken oder Browser-Tests anbinden

Tag 2

Modul 5 Background Agents, Review und Governance
  • Aufgaben an Background Agents delegieren und parallel bearbeiten lassen
  • Ergebnisse als Branch oder Pull Request prüfen und nachsteuern
  • KI-gestütztes Code-Review einsetzen und mit menschlichem Review kombinieren
  • Sicherheitsrisiken, Secrets und Lizenzfragen im Unternehmenseinsatz adressieren
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 programmieren regelmäßig in mindestens einer Sprache und sind mit Git sowie einer IDE wie VS Code vertraut. Praktische Erfahrung mit Containern, kubectl und Kubernetes-Grundobjekten sowie Grundkenntnisse in Helm, YAML und Git.

Technische Voraussetzungen

Eigener Laptop mit installiertem Cursor, Git und Ihrer gewohnten Entwicklungsumgebung; ein Cursor-Konto mit Zugriff auf Agent-Funktionen wird empfohlen.

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.

  • Do, 26. November 2026 – Fr, 27. November 2026 Online Anfragen
  • Do, 10. Dezember 2026 – Fr, 11. Dezember 2026 Stuttgart Anfragen
  • Mi, 13. Januar 2027 – Do, 14. Januar 2027 Online Anfragen
  • Do, 28. Januar 2027 – Fr, 29. Januar 2027 Berlin Anfragen
  • Do, 11. Februar 2027 – Fr, 12. Februar 2027 Online Anfragen
  • Do, 18. Februar 2027 – Fr, 19. Februar 2027 München Anfragen

Häufige Fragen

Brauche ich Vorkenntnisse in VS Code, um Cursor zu nutzen?

Hilfreich, aber nicht zwingend. Cursor basiert auf VS Code, daher fühlen sich Bedienung, Tastenkürzel und Erweiterungen vertraut an, und bestehende Einstellungen lassen sich übernehmen. Wer bisher mit JetBrains-IDEs oder anderen Editoren arbeitet, findet sich nach einer kurzen Einführung im Kurs schnell zurecht und kann sich auf die KI-Funktionen konzentrieren.

Wie verhindere ich, dass vertraulicher Code an Dritte gelangt?

Cursor bietet einen Datenschutzmodus und Unternehmenseinstellungen, die die Speicherung von Code beim Anbieter einschränken. Zusätzlich schließen Sie über Ignore-Dateien sensible Bereiche von Indizierung und Kontext aus. Im Kurs besprechen wir, wie Sie diese Optionen mit internen Richtlinien, Datenschutzanforderungen und dem Umgang mit Secrets in Einklang bringen.

Was bringen Rules im Vergleich zu guten Prompts?

Prompts gelten nur für eine einzelne Anfrage, Rules dagegen dauerhaft und für das ganze Team. Sie halten darin Architekturentscheidungen, bevorzugte Bibliotheken, Teststrategien und Stilvorgaben fest. Dadurch muss niemand diese Informationen wiederholen, und der Agent erzeugt Code, der zu Ihrer Codebasis passt. Rules werden mit dem Projekt versioniert und gemeinsam weiterentwickelt.

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 „Cursor 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 Cursor

Alle 32 Kurse zu Cursor

Cursor · MünchenCursor · SalzburgCursor · BerlinCursor · AugsburgCursor · HannoverCursor · BremenCursor · StuttgartCursor · KaiserslauternCursor · Online