Schulung – KI-Agenten-Entwicklung – Softwarearchitektur

KI-Agenten-Entwicklung für Softwarearchitekt: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 Softwarearchitekt:innen“ richtet sich an Rollen wie Softwarearchitekt:innen und Solution Architects, Enterprise-Architekt:innen mit Bezug zur Anwendungsentwicklung und Senior Developer und Tech Leads mit Architekturverantwortung und zeigt Schritt für Schritt, wie KI-Agenten-Entwicklung im Bereich Softwarearchitektur 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.

Wenn KI-Agenten große Teile des Codes schreiben, wird Architektur wichtiger, nicht unwichtiger: Klare Modulgrenzen, dokumentierte Entscheidungen und überprüfbare Qualitätsziele sind der Rahmen, in dem generierter Code konsistent bleibt. Gleichzeitig unterstützen KI-Assistenten Architekt:innen direkt, etwa beim Analysieren bestehender Codebasen, beim Erstellen von C4-Diagrammen, beim Formulieren von Architecture Decision Records und beim Abwägen von Alternativen anhand von Qualitätsattributen. Fitness Functions und Architekturtests lassen sich generieren und in Pipelines verankern. Im Kurs lernen Sie, KI als Sparringspartner für Architekturentscheidungen einzusetzen, Architekturwissen so aufzubereiten, dass Coding-Agenten es zuverlässig befolgen, und Erosion in schnell wachsenden Codebasen frühzeitig zu erkennen.

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?

  • Softwarearchitekt:innen und Solution Architects
  • Enterprise-Architekt:innen mit Bezug zur Anwendungsentwicklung
  • Senior Developer und Tech Leads mit Architekturverantwortung
  • Platform- und Cloud-Architekt:innen
  • Verantwortliche für Architektur-Governance und Review-Boards

Typische Herausforderungen, die wir adressieren

  • Architekturdokumentation veraltet schnell und weicht vom tatsächlichen Code ab
  • Entscheidungen werden mündlich getroffen und ihr Kontext geht verloren
  • Schleichende Architekturerosion durch zyklische Abhängigkeiten und verletzte Schichtgrenzen
  • KI-generierter Code ignoriert ohne klare Vorgaben etablierte Muster und Konventionen

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 zur Analyse bestehender Systeme, zur Bewertung von Architekturoptionen und zur Dokumentation von Entscheidungen als ADRs.
  • Sie verankern Architekturregeln als Fitness Functions in der Pipeline und erkennen Erosion frühzeitig.
  • Sie gestalten Kontext und Regeln so, dass KI-Coding-Agenten Ihre Architekturvorgaben zuverlässig einhalten.

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: Softwarearchitektur
  • Architektur-Entscheidungen dokumentieren
  • Bestandsarchitektur rekonstruieren
  • Alternativen bewerten
  • Fitness Functions generieren
  • Leitplanken für Coding-Agenten
  • Domänen schneiden
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Architekturunterlagen beschreiben oft sicherheitsrelevante Details wie Netzwerkzonen und Datenflüsse: Sie lernen, welche Informationen an KI-Dienste gegeben werden dürfen, wie Sie Lizenzrisiken eingesetzter Komponenten bewerten und wie Architekturentscheidungen Anforderungen aus DSGVO, NIS2 und Cyber Resilience Act nachvollziehbar abbilden.
  • 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

Architektur-Entscheidungen dokumentieren

Diskussionen, Meeting-Notizen und Pull Requests in strukturierte Architecture Decision Records mit Kontext, betrachteten Optionen, Entscheidung und Konsequenzen überführen und konsistent im Repository ablegen. Verwandte Entscheidungen werden automatisch verlinkt.

Bestandsarchitektur rekonstruieren

Bestehende Codebasen analysieren, Module, Abhängigkeiten und Schnittstellen herausarbeiten und daraus aktuelle C4-Diagramme als Diagrams-as-Code mit PlantUML, Mermaid oder Structurizr erzeugen. Die Diagramme lassen sich bei jedem Build automatisch aktualisieren.

Alternativen bewerten

Architekturoptionen wie modularer Monolith, Microservices oder ereignisgetriebene Integration anhand von Qualitätsszenarien, Kosten und Teamstruktur gegenüberstellen und Trade-offs nach ATAM-Prinzipien sichtbar machen. Das Ergebnis dient als fundierte Entscheidungsvorlage.

Fitness Functions generieren

Architekturregeln wie Schichtzugriffe, verbotene Abhängigkeiten oder Namenskonventionen als automatisierte Tests mit ArchUnit, dependency-cruiser oder ähnlichen Werkzeugen formulieren und in die CI-Pipeline integrieren. Verstöße brechen den Build mit klarer Meldung ab.

Leitplanken für Coding-Agenten

Architekturprinzipien, Modulgrenzen und Muster in Regeldateien und Kontextdokumenten so beschreiben, dass KI-Agenten sie bei der Codegenerierung zuverlässig befolgen, und Abweichungen im Review erkennen. So bleibt generierter Code strukturell konsistent.

Domänen schneiden

Aus Event-Storming-Ergebnissen und Fachbeschreibungen Bounded Contexts, Aggregate und Context Maps nach Domain-Driven Design ableiten und als Grundlage für Team- und Service-Zuschnitte nutzen. Offene Fragen werden dabei explizit markiert.

Mögliche Praxisprojekte im Kurs

ADR-Assistent

Ein Kommandozeilenwerkzeug, das aus Stichpunkten einen vollständigen ADR nach Vorlage erstellt, verwandte Entscheidungen verlinkt und einen Index im Repository aktualisiert.

Abhängigkeitsvisualisierung

Ein Skript, das Importbeziehungen einer Codebasis auswertet, Zyklen und Schichtverletzungen markiert und ein interaktives Diagramm im Browser erzeugt. Kritische Hotspots werden farblich hervorgehoben.

Architektur-Q&A über Repos

Eine kleine Anwendung, die ADRs, Diagramme und Code indexiert und Fragen zur Architektur mit Verweis auf die jeweiligen Quellen beantwortet.

Voraussetzungen

Solide Programmierkenntnisse in Python oder TypeScript, Erfahrung mit REST-APIs sowie erste praktische Erfahrungen mit LLM-APIs oder KI-Assistenten. Sie verfügen über mehrjährige Entwicklungserfahrung und haben bereits Architekturentscheidungen in größeren Softwaresystemen getroffen oder begleitet.

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

Architekturunterlagen beschreiben oft sicherheitsrelevante Details wie Netzwerkzonen und Datenflüsse: Sie lernen, welche Informationen an KI-Dienste gegeben werden dürfen, wie Sie Lizenzrisiken eingesetzter Komponenten bewerten und wie Architekturentscheidungen Anforderungen aus DSGVO, NIS2 und Cyber Resilience Act nachvollziehbar abbilden.

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

KI ist ein starker Sparringspartner: Sie liefert Optionen, benennt Trade-offs, findet Lücken in der Argumentation und dokumentiert Entscheidungen strukturiert. Die Verantwortung bleibt jedoch bei Menschen, weil Architektur von Unternehmenskontext, Teamfähigkeiten, Budget und Risikobereitschaft abhängt. Im Kurs lernen Sie, KI so einzusetzen, dass Entscheidungen besser begründet und schneller getroffen werden.

Wie verhindern wir, dass KI-Agenten die Architektur aufweichen?

Durch ein Zusammenspiel aus klarem Kontext und automatischer Prüfung: Regeldateien und ADRs beschreiben Modulgrenzen und Muster, Fitness Functions und Architekturtests in der CI verhindern Verstöße, und Reviews achten gezielt auf strukturelle Änderungen. So wird Architektur von einer Dokumentation zu einer überprüfbaren Leitplanke für Menschen und Agenten gleichermaßen.

Was kostet die Schulung „KI-Agenten-Entwicklung für Softwarearchitekt: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 Softwarearchitekt: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