Schulung – KI-Agenten-Entwicklung – Legacy-Modernisierung

KI-Agenten-Entwicklung für Legacy-Modernisierung

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 Legacy-Modernisierung“ richtet sich an Rollen wie Entwickler:innen, die COBOL-, PL/I- oder RPG-Systeme betreuen, Java- und .NET-Teams mit älteren Monolithen und Framework-Altlasten und Software- und Enterprise-Architekt:innen in Modernisierungsprogrammen und zeigt Schritt für Schritt, wie KI-Agenten-Entwicklung im Bereich Legacy-Modernisierung 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.

Viele geschäftskritische Systeme laufen auf COBOL-Programmen im Mainframe, alten Java-EE-Anwendungen oder .NET-Framework-Lösungen, deren ursprüngliche Entwickler:innen längst nicht mehr verfügbar sind. KI-Coding-Assistenten und Agenten machen solche Codebasen zugänglicher: Sie erklären Programmlogik, rekonstruieren Geschäftsregeln, erzeugen Charakterisierungstests und unterstützen die schrittweise Migration in moderne Sprachen, Frameworks und Cloud-Plattformen. Erfolgreiche Modernisierung bleibt dennoch Ingenieursarbeit: Automatische Übersetzung ohne Verständnis erzeugt nur neuen Legacy-Code. Im Kurs lernen Sie, KI entlang bewährter Muster wie Strangler Fig, Branch by Abstraction und Anti-Corruption Layer einzusetzen, Verhalten vor jeder Änderung mit Tests abzusichern und Modernisierungsentscheidungen auf eine belastbare Analyse des Bestands zu stützen.

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?

  • Entwickler:innen, die COBOL-, PL/I- oder RPG-Systeme betreuen
  • Java- und .NET-Teams mit älteren Monolithen und Framework-Altlasten
  • Software- und Enterprise-Architekt:innen in Modernisierungsprogrammen
  • IT-Leitungen und Projektverantwortliche für Migrationen
  • Berater:innen für Anwendungsmodernisierung und Cloud-Migration

Typische Herausforderungen, die wir adressieren

  • Geschäftsregeln stecken undokumentiert im Code, das Wissen der ursprünglichen Entwickler:innen ist verloren
  • Fehlende automatisierte Tests machen jede Änderung riskant
  • Veraltete Frameworks, Bibliotheken ohne Sicherheitsupdates und proprietäre Laufzeitumgebungen
  • Big-Bang-Migrationen scheitern an Umfang, Datenmigration und Parallelbetrieb

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 nutzen KI-Agenten, um Altsysteme zu verstehen, Geschäftsregeln zu dokumentieren und Abhängigkeiten sichtbar zu machen.
  • Sie sichern bestehendes Verhalten mit generierten Charakterisierungstests ab, bevor Sie Code migrieren oder refaktorieren.
  • Sie planen und begleiten schrittweise Modernisierungen nach bewährten Mustern statt riskanter Big-Bang-Umstellungen.

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: Legacy-Modernisierung
  • Geschäftsregeln extrahieren
  • Abhängigkeiten kartieren
  • Charakterisierungstests erzeugen
  • Framework-Upgrades durchführen
  • Code übersetzen und refaktorieren
  • Strangler-Fig-Architektur entwerfen
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Altsysteme verarbeiten häufig Kunden-, Finanz- oder Versicherungsdaten: Sie lernen, Code und Testdaten vor der Nutzung mit KI zu bereinigen, Lizenz- und Urheberrechtsfragen bei übersetztem Code zu klären und Anforderungen von DSGVO, DORA und Branchenaufsicht an Änderungen kritischer Systeme zu berücksichtigen.
  • 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

Geschäftsregeln extrahieren

COBOL-Paragraphen, Copybooks oder Java-Serviceklassen analysieren lassen, enthaltene Berechnungs- und Entscheidungslogik als fachlich lesbare Regeln dokumentieren und mit Fachbereichen gemeinsam validieren. So entsteht eine belastbare fachliche Grundlage für Migration und Neuentwicklung.

Abhängigkeiten kartieren

Aufrufbeziehungen, JCL-Jobketten, Datenbankzugriffe und Schnittstellen aus dem Quellcode rekonstruieren und als Diagramme darstellen, um sinnvolle Schnitte für eine schrittweise Ablösung zu finden. Auch tote Codepfade werden sichtbar.

Charakterisierungstests erzeugen

Das bestehende Verhalten mit Golden-Master- und Approval-Tests festhalten, Testdaten aus Produktionsmustern anonymisiert ableiten und so ein Sicherheitsnetz vor jeder Migration schaffen. Abweichungen fallen damit sofort auf.

Framework-Upgrades durchführen

Migrationen von Java EE zu Jakarta EE oder Spring Boot sowie vom .NET Framework zu modernem .NET planen, API-Brüche identifizieren und Anpassungen in vielen Dateien konsistent umsetzen.

Code übersetzen und refaktorieren

COBOL-Module in idiomatisches Java oder C# überführen, statt Zeile für Zeile zu übersetzen, Datentypen wie gepackte Dezimalzahlen korrekt abbilden und Ergebnis per Vergleichstest gegen das Original prüfen.

Strangler-Fig-Architektur entwerfen

Fassaden, Routing-Schichten und Anti-Corruption Layer konzipieren, über die neue Services Funktionen des Altsystems Schritt für Schritt übernehmen, inklusive Datensynchronisation und Rückfalloptionen. Jede Ablösestufe bleibt einzeln auslieferbar.

Mögliche Praxisprojekte im Kurs

Copybook-zu-Schema-Konverter

Ein Tool, das COBOL-Copybooks einliest und daraus JSON-Schemas, Java-Records oder SQL-Tabellen inklusive korrekter Abbildung von Dezimal- und Redefine-Feldern erzeugt. Das beschleunigt Schnittstellen zum Altsystem.

Legacy-Wissensportal

Eine kleine Web-App, die analysierte Programme, Geschäftsregeln und Abhängigkeiten durchsuchbar macht und Fragen zum Altsystem mit Quellenangabe beantwortet. Neue Teammitglieder finden sich so schneller zurecht.

Vergleichstest-Harness

Ein Testrahmen, der dieselben Eingaben an Alt- und Neusystem sendet, Ausgaben feldgenau vergleicht und Abweichungen übersichtlich protokolliert. So wird die fachliche Gleichwertigkeit der Migration nachweisbar.

Voraussetzungen

Solide Programmierkenntnisse in Python oder TypeScript, Erfahrung mit REST-APIs sowie erste praktische Erfahrungen mit LLM-APIs oder KI-Assistenten. Sie haben Programmiererfahrung in mindestens einer Sprache des Altsystems oder der Zielplattform, etwa COBOL, Java oder C#, sowie Grundverständnis von Softwarearchitektur.

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

Altsysteme verarbeiten häufig Kunden-, Finanz- oder Versicherungsdaten: Sie lernen, Code und Testdaten vor der Nutzung mit KI zu bereinigen, Lizenz- und Urheberrechtsfragen bei übersetztem Code zu klären und Anforderungen von DSGVO, DORA und Branchenaufsicht an Änderungen kritischer Systeme zu berücksichtigen.

Termine & Standorte

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

  • München Mi, 16. Dezember 2026 6 Std. Anfragen
  • Salzburg Fr, 11. Dezember 2026 6 Std. Anfragen
  • Berlin Mo, 14. Dezember 2026 6 Std. Anfragen
  • Augsburg Di, 15. Dezember 2026 6 Std. Anfragen
  • Hannover Do, 10. Dezember 2026 6 Std. Anfragen
  • Bremen Di, 15. Dezember 2026 6 Std. Anfragen
  • Stuttgart Do, 10. Dezember 2026 6 Std. Anfragen
  • Kaiserslautern Mo, 14. Dezember 2026 6 Std. Anfragen
  • Online Do, 10. 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.

Kann KI ein COBOL-System automatisch nach Java übersetzen?

KI kann einzelne Module deutlich schneller übersetzen als manuelle Arbeit, doch eine reine Eins-zu-eins-Übersetzung erzeugt oft schwer wartbaren Code. Sinnvoller ist ein Vorgehen, bei dem Geschäftsregeln zuerst verstanden und mit Tests abgesichert werden und die Zielarchitektur bewusst gestaltet wird. Im Kurs kombinieren Sie KI-gestützte Übersetzung mit Vergleichstests und Refactoring.

Wie gehen wir mit sehr großen Codebasen um?

Große Altsysteme passen nicht vollständig in den Kontext eines Modells. Bewährt sind eine systematische Inventarisierung, Zusammenfassungen pro Modul, Abhängigkeitsgraphen und gezielter Abruf relevanter Stellen. Agenten arbeiten dann Modul für Modul mit klar definiertem Auftrag. Sie lernen, diese Struktur aufzubauen und die Ergebnisse für Architekturentscheidungen nutzbar zu machen.

Was kostet die Schulung „KI-Agenten-Entwicklung für Legacy-Modernisierung“?

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 Legacy-Modernisierung

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