Schulung – KI-Agenten-Entwicklung – Go

KI-Agenten-Entwicklung für Go-Entwickler:innen

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

Dauer
6 Stunden, ein Termin
Format
Online oder vor Ort
Sprache
Deutsch oder Englisch
Teilnehmende
offene Termine oder exklusiv für Ihr Team
Abschluss
Teilnahmebescheinigung

Überblick

Das Training „KI-Agenten-Entwicklung für Go-Entwickler:innen“ richtet sich an Rollen wie Go-Entwickler:innen in Backend- und Plattformteams, Entwickler:innen von Cloud-native-Tools, Operatoren und CLIs und Site Reliability Engineers mit eigenem Go-Code und zeigt Schritt für Schritt, wie KI-Agenten-Entwicklung im Bereich Go produktiv, sicher und nachvollziehbar eingesetzt wird – von den Grundlagen bis zu fortgeschrittenen Workflows.

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 kompakten 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.

Go ist die Sprache vieler Cloud-native-Werkzeuge, Microservices, CLIs und Infrastruktur-Komponenten. Ihre Stärke liegt in Einfachheit, schneller Kompilierung und eingebauter Nebenläufigkeit – doch gerade Goroutines, Channels, Context-Handling und Fehlerbehandlung verlangen Disziplin. KI-Coding-Assistenten und Agenten passen gut zu dieser Sprache: Der Compiler, go vet und der Race Detector liefern schnelles, eindeutiges Feedback, mit dem Agenten iterativ arbeiten können. Typische Aufgaben sind tabellengetriebene Tests, gRPC- und HTTP-Handler aus Spezifikationen, das Aufspüren von Race Conditions oder Goroutine-Leaks sowie Refactorings hin zu klaren Interfaces. Im Kurs lernen Sie, idiomatisches Go von KI erzeugen zu lassen und die Ergebnisse mit Go-eigenen Werkzeugen abzusichern.

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?

  • Go-Entwickler:innen in Backend- und Plattformteams
  • Entwickler:innen von Cloud-native-Tools, Operatoren und CLIs
  • Site Reliability Engineers mit eigenem Go-Code
  • Software-Architekt:innen für hochperformante Microservices

Typische Herausforderungen, die wir adressieren

  • Subtile Nebenläufigkeitsfehler wie Race Conditions, Deadlocks und Goroutine-Leaks
  • Wiederholender Boilerplate-Code in Fehlerbehandlung, Handlern und Tests
  • Uneinheitliche Projektstrukturen und Interface-Schnitte in wachsenden Codebasen
  • Schwierige Performance-Analyse von Speicherallokationen und Latenzen

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 lassen KI-Agenten idiomatischen Go-Code, Tests und Services erzeugen, die Go-Konventionen folgen.
  • Sie nutzen KI gezielt zur Analyse von Nebenläufigkeits- und Performance-Problemen.
  • Sie sichern generierten Code mit Compiler, go vet, Race Detector, Linting und Benchmarks ab.

Inhalte & Ablauf

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
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: Go
  • Tabellengetriebene Tests schreiben
  • gRPC- und HTTP-Services implementieren
  • Nebenläufigkeitsfehler finden
  • Idiomatische Refactorings
  • Performance profilieren
  • CLIs und Tools bauen
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Go-Werkzeuge laufen oft tief in der Infrastruktur: Halten Sie Kubeconfigs, Tokens und Zertifikate strikt aus dem Kontext von KI-Assistenten heraus. Prüfen Sie neue Module auf Herkunft, Lizenz und bekannte Schwachstellen, etwa mit govulncheck, und dokumentieren Sie Abhängigkeiten in einer SBOM, wie sie der Cyber Resilience Act für Produkte mit digitalen Elementen fordert.
  • 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

Tabellengetriebene Tests schreiben

Der Agent erzeugt idiomatische Table-Driven-Tests mit Subtests, Testhelfern und Fakes für Interfaces, führt go test mit Race Detector aus und ergänzt fehlende Grenzfälle, bis die Abdeckung stimmt.

gRPC- und HTTP-Services implementieren

Aus Protobuf-Definitionen oder OpenAPI-Spezifikationen entstehen Handler, Middleware für Logging und Authentifizierung, Context-Weitergabe mit Timeouts und saubere Fehlerrückgaben. Integrationstests prüfen die Endpunkte gegen realistische Anfragen und Fehlerfälle.

Nebenläufigkeitsfehler finden

Die KI analysiert Ausgaben des Race Detectors, Goroutine-Dumps und Code mit Channels oder Mutexen, erklärt die Ursache von Deadlocks oder Leaks und schlägt Korrekturen mit errgroup oder Context-Abbruch vor.

Idiomatische Refactorings

Große Pakete werden entflochten, kleine konsumentenseitige Interfaces eingeführt, Fehler mit Wrapping und errors.Is aufbereitet und Code an Linter-Regeln von golangci-lint angepasst. Das Verhalten bleibt durch bestehende Tests abgesichert.

Performance profilieren

pprof-Profile und Benchmark-Ergebnisse werden ausgewertet, Hotspots und unnötige Allokationen identifiziert und Optimierungen mit Vorher-nachher-Benchmarks belegt. So werden Verbesserungen messbar statt nur vermutet, und Regressionen fallen früh auf.

CLIs und Tools bauen

Der Assistent erstellt Kommandozeilenwerkzeuge mit Cobra oder der Standardbibliothek, inklusive Konfiguration, strukturiertem Logging, Cross-Compilation und Release-Automatisierung. Ergänzt werden Tests, Hilfetexte und eine verständliche Dokumentation der Befehle.

Mögliche Praxisprojekte im Kurs

Health-Check-Aggregator

Ein Go-Dienst, der Health-Endpunkte vieler Services parallel abfragt, Ergebnisse zusammenführt und als JSON sowie Prometheus-Metriken bereitstellt. Zeitüberschreitungen und Fehler werden sauber behandelt und protokolliert.

Log-Shipper-CLI

Ein schlankes Kommandozeilentool, das Logdateien beobachtet, Einträge filtert und gebündelt an einen HTTP-Endpunkt sendet – mit Backoff und Graceful Shutdown.

Kubernetes-Ressourcenbericht

Ein CLI auf Basis von client-go, das Ressourcenanforderungen und Limits aller Deployments ausliest und Auffälligkeiten tabellarisch darstellt. Die Ausgabe ist auch als JSON verfügbar.

Voraussetzungen

Solide Programmierkenntnisse in Python oder TypeScript, Erfahrung mit REST-APIs sowie erste praktische Erfahrungen mit LLM-APIs oder KI-Assistenten. Praktische Erfahrung mit Go einschließlich Goroutines, Interfaces und Modulen sowie Grundkenntnisse in Git und Containern.

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

Go-Werkzeuge laufen oft tief in der Infrastruktur: Halten Sie Kubeconfigs, Tokens und Zertifikate strikt aus dem Kontext von KI-Assistenten heraus. Prüfen Sie neue Module auf Herkunft, Lizenz und bekannte Schwachstellen, etwa mit govulncheck, und dokumentieren Sie Abhängigkeiten in einer SBOM, wie sie der Cyber Resilience Act für Produkte mit digitalen Elementen fordert.

Termine & Standorte

Pro Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Ihr Wunschtermin ist jederzeit möglich.

  • München Mo, 14. Dezember 2026 6 Std. Anfragen
  • Salzburg Mo, 14. Dezember 2026 6 Std. Anfragen
  • Berlin Di, 15. Dezember 2026 6 Std. Anfragen
  • Augsburg Do, 10. Dezember 2026 6 Std. Anfragen
  • Hannover Mo, 14. Dezember 2026 6 Std. Anfragen
  • Bremen Do, 10. Dezember 2026 6 Std. Anfragen
  • Stuttgart Di, 15. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Fr, 11. Dezember 2026 6 Std. Anfragen
  • Online Mo, 14. Dezember 2026 6 Std. 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.

Schreibt die KI wirklich idiomatisches Go?

Mit gutem Kontext ja. Ohne Vorgaben neigen Modelle manchmal zu Mustern aus anderen Sprachen, etwa zu großen Interfaces oder übermäßiger Abstraktion. Im Kurs hinterlegen Sie Ihre Go-Konventionen, Linter-Konfiguration und Beispielcode so, dass der Assistent einfachen, idiomatischen Code bevorzugt, und prüfen die Ergebnisse mit golangci-lint.

Kann die KI Race Conditions zuverlässig finden?

Die KI ist ein starkes Analysewerkzeug, ersetzt aber nicht den Race Detector. Am besten wirkt die Kombination: Der Agent führt Tests mit Race Detector aus, interpretiert die Berichte und schlägt Korrekturen vor. Sie lernen, diesen Ablauf aufzusetzen und vorgeschlagene Synchronisationsänderungen kritisch zu bewerten.

Was kostet die Schulung „KI-Agenten-Entwicklung für Go-Entwickler:innen“?

Die Schulung kostet pauschal 949 € zzgl. gesetzl. MwSt. pro Teilnehmer:in – unabhängig davon, ob sie online oder vor Ort stattfindet. Enthalten sind 6 Stunden Live-Training mit Trainer:in, Kursunterlagen, Übungsumgebung und Teilnahmebescheinigung.

Kann ich einen eigenen Wunschtermin angeben?

Ja. Für jeden Standort schlagen wir Ihnen einen Termin in rund vier Wochen vor. Im Anfrageformular können Sie aber jederzeit einen Wunschtermin oder Zeitraum im Freitext angeben – wir prüfen die Verfügbarkeit und melden uns 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 und Kaiserslautern. Auf Wunsch führen wir das Training auch exklusiv für Ihr Team durch.

Kann der Kurs auf unser Team zugeschnitten werden?

Ja. Maßgeschneiderte Kurse kosten ca. 4.500 € mehr, je nach Thema und nach Absprache. Wir stimmen Inhalte, Beispiele und Übungen vorab mit Ihnen ab.

Weitere Kurse für Go-Entwickler:innen

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