Schulung · KI-Agenten-Entwicklung · DevOps & Cloud

KI-Agenten-Entwicklung für DevOps- und Cloud-Teams

KI-Agenten professionell entwickeln: Architekturen, Tool Use, Agent SDKs, LangGraph, Memory, Evals, Guardrails und Deployment.

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 KI-Agenten-Entwicklung mit den typischen Abläufen im Bereich DevOps & Cloud. Die Teilnehmenden arbeiten an realistischen Szenarien und nehmen sofort einsetzbare Prompts, Workflows und Checklisten mit.

KI-Agenten gehen über klassische Chatbots hinaus: Sie zerlegen Aufgaben, rufen Werkzeuge und APIs auf, werten Ergebnisse aus und arbeiten in Schleifen, bis ein Ziel erreicht ist. In dieser zweitägigen Schulung lernen Sie, solche Systeme so zu entwickeln, dass sie im Unternehmensalltag zuverlässig, nachvollziehbar und sicher funktionieren. Sie vergleichen Architekturmuster vom einfachen Workflow über den Agent Loop bis zu Multi-Agenten-Systemen und setzen sie mit dem Claude Agent SDK, dem OpenAI Agents SDK und LangGraph praktisch um.

Im Mittelpunkt steht nicht das schnelle Demo, sondern der Weg in die Produktion. Sie gestalten Tool-Schnittstellen und Kontext gezielt, binden Werkzeuge über das Model Context Protocol an, entwerfen Kurz- und Langzeitgedächtnis und bauen Evaluierungen auf, die Regressionen früh sichtbar machen. Hinzu kommen Guardrails gegen Prompt Injection und Fehlaktionen, Human-in-the-Loop-Freigaben, Tracing, Kostenkontrolle und Deployment. Am Ende entscheiden Sie fundiert, wann ein Agent sinnvoll ist, wann ein deterministischer Workflow genügt und welches Framework zu Ihrem Vorhaben passt.

DevOps- und Cloud-Teams verantworten Infrastruktur als Code, CI/CD-Pipelines, Monitoring, Kostenkontrolle und Sicherheit – oft über mehrere Cloud-Anbieter und On-Premises-Umgebungen hinweg. Die Arbeit besteht zu großen Teilen aus Konfiguration in HCL, YAML und Shell, aus Fehlersuche in Logs und aus dem Abgleich von Dokumentation. KI-Coding-Assistenten und Agenten beschleunigen genau das: Sie schreiben wiederverwendbare Terraform-Module, reparieren fehlschlagende Pipelines, erstellen Ansible-Rollen, analysieren Incident-Logs und schlagen Kostenoptimierungen vor. Gleichzeitig ist das Risiko hoch, denn ein falscher Befehl kann Produktionsumgebungen treffen. Im Kurs lernen Sie, Agenten mit klaren Berechtigungsgrenzen, Plan-Review-Abläufen und abgesicherten Umgebungen produktiv einzusetzen.

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?

  • DevOps-Engineers und Plattform-Teams
  • Cloud-Architekt:innen für AWS, Azure oder Google Cloud
  • Site Reliability Engineers mit Verantwortung für Betrieb und Incidents
  • Systemadministrator:innen auf dem Weg zu Infrastructure as Code
  • Entwickler:innen, die eigene CI/CD-Pipelines betreuen

Typische Herausforderungen, die wir adressieren

  • Wachsende Mengen an Terraform-, YAML- und Pipeline-Konfiguration mit Drift und Duplikaten
  • Zeitaufwändige Fehlersuche in fehlschlagenden Pipelines und verteilten Logs
  • Steigende Cloud-Kosten ohne klare Transparenz
  • Hohe Anforderungen an Sicherheit, Compliance und Nachvollziehbarkeit von Änderungen

Das können Sie nach dem Training

  • Sie wählen für eine Aufgabe das passende Muster zwischen festem Workflow und autonomem Agenten.
  • Sie entwerfen Werkzeuge und Kontext so, dass Agenten zuverlässig und kosteneffizient arbeiten.
  • Sie implementieren Agenten mit Claude Agent SDK, OpenAI Agents SDK oder LangGraph.
  • Sie bauen Evaluierungen und Tracing auf, um Qualität messbar zu machen und Regressionen zu erkennen.
  • Sie setzen KI-Agenten für Infrastructure as Code, Pipelines und Konfigurationsmanagement sicher ein.
  • Sie analysieren Incidents, Pipeline-Fehler und Cloud-Kosten schneller mit KI-Unterstützung.
  • Sie definieren Berechtigungsgrenzen und Freigabeprozesse, damit Agenten keine unkontrollierten Änderungen an Produktivsystemen vornehmen.

Inhalte & Ablauf

Tag 1

Modul 1 Agent-Architekturen und Entwurfsmuster
  • Workflows versus Agenten: Prompt Chaining, Routing, Parallelisierung, Orchestrator-Worker
  • Der Agent Loop: Planen, Handeln, Beobachten, Reflektieren
  • Multi-Agenten-Systeme, Subagenten und Übergaben zwischen Agenten
  • Auswahlkriterien für Modell, Framework und Autonomiegrad
Modul 2 Tool Use und Kontext-Engineering
  • Function Calling und strukturierte Ausgaben mit JSON-Schema
  • Werkzeuge gut entwerfen: Granularität, Benennung, Fehlermeldungen, Idempotenz
  • Werkzeuge über MCP-Server anbinden und wiederverwenden
  • Kontextfenster managen: Zusammenfassung, Kompaktierung, Retrieval und Prompt-Caching
Modul 3 Frameworks in der Praxis
  • Claude Agent SDK: Agent Loop, Tools, Subagenten, Berechtigungen und Hooks
  • OpenAI Agents SDK: Agents, Handoffs, Guardrails und Tracing
  • LangGraph: zustandsbehaftete Graphen, Checkpointing und Human-in-the-Loop
  • Gemeinsamer Vergleich anhand derselben Aufgabe und Kriterien für die Framework-Wahl
Modul 4 Memory, Evals und Observability
  • Kurzzeit- und Langzeitgedächtnis, Speicherstrategien und Vergessen
  • Evaluierungsdatensätze, LLM-as-a-Judge und aufgabenbasierte Erfolgsmessung
  • Tracing von Tool-Aufrufen, Token-Verbrauch und Latenzen
  • Regressionstests bei Prompt-, Modell- oder Tool-Änderungen

Tag 2

Modul 5 Guardrails, Sicherheit und Deployment
  • Prompt Injection, Datenabfluss und überprivilegierte Werkzeuge absichern
  • Eingabe- und Ausgabeprüfungen, Freigabeschritte und Sandboxing
  • Deployment als Service, asynchrone Ausführung, Retries und Kostenlimits
  • Governance, Protokollierung und Anforderungen aus DSGVO und EU AI Act
Modul 6 Praxislabor: DevOps & Cloud
  • Terraform-Module entwickeln
  • CI/CD-Pipelines reparieren
  • Ansible und Konfigurationsmanagement
  • Incident-Analyse
  • Cloud-Kosten optimieren
  • Policy as Code und Härtung
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Agenten mit Zugriff auf Cloud-Konten und Pipelines sind ein sicherheitsrelevantes Thema: Arbeiten Sie mit minimalen Berechtigungen, getrennten Umgebungen und menschlicher Freigabe, und halten Sie Cloud-Credentials, State-Dateien und Secrets aus Prompts heraus. Für Betreiber wichtiger und kritischer Dienste gelten die Anforderungen aus NIS2 an Risikomanagement, Lieferkettensicherheit und Nachvollziehbarkeit von Änderungen.
  • 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

Terraform-Module entwickeln

Der Agent erstellt wiederverwendbare Terraform- oder OpenTofu-Module mit Variablen, Validierungen und Outputs, führt fmt, validate und plan aus und erklärt jede geplante Änderung, bevor ein Mensch das Apply freigibt.

CI/CD-Pipelines reparieren

Fehlgeschlagene GitHub-Actions-, GitLab-CI- oder Azure-DevOps-Läufe werden anhand der Logs analysiert, Ursachen wie Caching-Probleme oder fehlende Berechtigungen benannt und korrigierte Pipeline-Definitionen vorgeschlagen. Wiederkehrende Fehlermuster werden dokumentiert.

Ansible und Konfigurationsmanagement

Die KI schreibt idempotente Ansible-Rollen, Templates und Inventare, ersetzt fragile Shell-Skripte und ergänzt Tests mit Molecule, damit Konfigurationen reproduzierbar bleiben. Bestehende Rollen werden dabei schrittweise vereinheitlicht.

Incident-Analyse

Logs, Metriken und Alerts aus dem Monitoring werden zusammengeführt, eine Zeitleiste rekonstruiert, wahrscheinliche Ursachen eingegrenzt und ein Entwurf für das Postmortem mit Maßnahmen erstellt. Das Team behält die Bewertung.

Cloud-Kosten optimieren

Der Assistent wertet Kostenberichte und Ressourcendefinitionen aus, findet überdimensionierte Instanzen, verwaiste Volumes oder fehlende Lifecycle-Regeln und erstellt passende IaC-Änderungen. Jede Empfehlung enthält eine Abschätzung der Einsparung und des Risikos.

Policy as Code und Härtung

IaC-Code wird mit Scannern wie Checkov oder tfsec geprüft, Befunde behoben und Richtlinien für Verschlüsselung, Tagging oder Netzwerkzugriffe als Policy as Code formuliert. Verstöße blockieren so frühzeitig den Merge.

Mögliche Praxisprojekte im Kurs

Drift-Detektor

Ein Skript, das regelmäßig terraform plan für mehrere Umgebungen ausführt, Abweichungen erkennt und eine Zusammenfassung an einen Chat-Kanal sendet. Der Lauf erfolgt ausschließlich mit Leserechten.

Pipeline-Template-Bibliothek

Wiederverwendbare CI/CD-Vorlagen für Build, Test, Security-Scan und Deployment, dokumentiert und mit Beispielprojekten versehen. Teams binden sie mit wenigen Zeilen ein und profitieren von einheitlichen Qualitäts- und Sicherheitsprüfungen.

Kostenbericht-Tool

Ein CLI, das Kostendaten eines Cloud-Kontos abruft, nach Tags und Teams aufschlüsselt und Optimierungskandidaten verständlich ausweist. Ergebnisse lassen sich als CSV oder Markdown exportieren.

Voraussetzungen

Solide Programmierkenntnisse in Python oder TypeScript, Erfahrung mit REST-APIs sowie erste praktische Erfahrungen mit LLM-APIs oder KI-Assistenten. Praktische Erfahrung mit Linux, Git, mindestens einer Cloud-Plattform sowie Grundkenntnisse in Terraform, Containern und CI/CD.

Technische Voraussetzungen

Laptop mit Python oder Node.js, Git und Code-Editor sowie API-Zugänge zu mindestens einem LLM-Anbieter, etwa Anthropic oder OpenAI. Zugangsdaten für Übungen können bei Bedarf gestellt werden.

Datenschutz & Compliance

Agenten mit Zugriff auf Cloud-Konten und Pipelines sind ein sicherheitsrelevantes Thema: Arbeiten Sie mit minimalen Berechtigungen, getrennten Umgebungen und menschlicher Freigabe, und halten Sie Cloud-Credentials, State-Dateien und Secrets aus Prompts heraus. Für Betreiber wichtiger und kritischer Dienste gelten die Anforderungen aus NIS2 an Risikomanagement, Lieferkettensicherheit und Nachvollziehbarkeit von Änderungen.

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 Salzburg Anfragen
  • Di, 15. Dezember 2026 – Mi, 16. Dezember 2026 Online Anfragen
  • Mo, 18. Januar 2027 – Di, 19. Januar 2027 Bremen Anfragen
  • Do, 4. Februar 2027 – Fr, 5. Februar 2027 Online Anfragen
  • Do, 18. Februar 2027 – Fr, 19. Februar 2027 Augsburg Anfragen

Häufige Fragen

Welches Agent-Framework sollten wir einsetzen?

Das hängt von Modellstrategie, Kontrolle und Teamkompetenz ab. Die herstellereigenen SDKs bieten einen schlanken Einstieg mit eng abgestimmten Funktionen, LangGraph gibt Ihnen feinere Kontrolle über Zustände und Abläufe. Im Kurs lösen Sie dieselbe Aufgabe mit mehreren Frameworks und leiten daraus nachvollziehbare Auswahlkriterien für Ihr Projekt ab.

Wie verhindert man, dass ein Agent falsche oder gefährliche Aktionen ausführt?

Durch mehrere Schutzschichten: eng geschnittene Werkzeuge mit minimalen Rechten, Validierung von Ein- und Ausgaben, Freigabeschritte für kritische Aktionen, Sandboxing und kontinuierliche Evaluierung. Prompt Injection über externe Inhalte wird als realistisches Risiko behandelt. Sie üben diese Maßnahmen konkret an Ihrem eigenen Agenten.

Brauche ich für jede Automatisierung einen Agenten?

Nein. Viele Aufgaben lassen sich mit einem festen Workflow aus wenigen LLM-Aufrufen zuverlässiger, günstiger und besser nachvollziehbar lösen. Agenten lohnen sich, wenn Lösungswege nicht vorab planbar sind und das System flexibel auf Zwischenergebnisse reagieren muss. Genau diese Abwägung trainieren wir anhand praktischer Beispiele.

Darf ein KI-Agent Änderungen an der Infrastruktur selbst ausführen?

Das sollten Sie bewusst begrenzen. Bewährt hat sich ein Ablauf, in dem der Agent Code schreibt und plan ausführt, ein Mensch das Ergebnis prüft und das Apply über die reguläre Pipeline läuft. Im Kurs lernen Sie, Berechtigungen, Sandbox-Umgebungen und Freigaben so zu gestalten, dass Produktivsysteme geschützt bleiben.

Welche Cloud-Plattform wird im Kurs verwendet?

Die Methoden sind anbieterneutral und lassen sich auf AWS, Azure und Google Cloud übertragen. Für die Übungen nutzen wir Beispiele, die sich mit lokalen Werkzeugen oder Testkonten nachvollziehen lassen. Sie können auf Wunsch Szenarien aus Ihrer eigenen Plattform einbringen, solange keine produktiven Zugangsdaten verwendet werden.

Was kostet die Schulung „KI-Agenten-Entwicklung für DevOps- und Cloud-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 DevOps- und Cloud-Teams

Weitere Kurse zu KI-Agenten-Entwicklung

Alle 30 Kurse zu KI-Agenten-Entwicklung

KI-Agenten-Entwicklung · MünchenKI-Agenten-Entwicklung · SalzburgKI-Agenten-Entwicklung · BerlinKI-Agenten-Entwicklung · AugsburgKI-Agenten-Entwicklung · HannoverKI-Agenten-Entwicklung · BremenKI-Agenten-Entwicklung · StuttgartKI-Agenten-Entwicklung · KaiserslauternKI-Agenten-Entwicklung · Online