Schulung – KI-Agenten-Entwicklung – Kubernetes & Microservices

KI-Agenten-Entwicklung für Kubernetes- und Microservice-Teams

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 Kubernetes- und Microservice-Teams“ richtet sich an Rollen wie Plattform-Engineers und Kubernetes-Administrator:innen, Entwickler:innen, die Microservices auf Kubernetes betreiben und Site Reliability Engineers mit Cluster-Verantwortung und zeigt Schritt für Schritt, wie KI-Agenten-Entwicklung im Bereich Kubernetes & Microservices 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.

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 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 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

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: 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

Solide Programmierkenntnisse in Python oder TypeScript, Erfahrung mit REST-APIs sowie erste praktische Erfahrungen mit LLM-APIs oder KI-Assistenten. Praktische Erfahrung mit Containern, kubectl und Kubernetes-Grundobjekten sowie Grundkenntnisse in Helm, YAML und Git.

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

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.

Termine & Standorte

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

  • München Di, 15. Dezember 2026 6 Std. Anfragen
  • Salzburg Mi, 16. Dezember 2026 6 Std. Anfragen
  • Berlin Fr, 11. Dezember 2026 6 Std. Anfragen
  • Augsburg Fr, 11. Dezember 2026 6 Std. Anfragen
  • Hannover Mi, 16. Dezember 2026 6 Std. Anfragen
  • Bremen Do, 10. Dezember 2026 6 Std. Anfragen
  • Stuttgart Do, 10. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Di, 15. Dezember 2026 6 Std. Anfragen
  • Online Fr, 11. 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.

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 „KI-Agenten-Entwicklung 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 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 Kubernetes- und Microservice-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