Schulung – KI-Agenten-Entwicklung – Spieleentwicklung

KI-Agenten-Entwicklung für Spieleentwickler: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

In diesem Kurs verbinden wir KI-Agenten-Entwicklung mit den typischen Abläufen im Bereich Spieleentwicklung. 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 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.

Spieleentwicklung verbindet Echtzeit-Performance, komplexe Zustandslogik und kreative Iteration wie kaum ein anderes Feld. KI-Coding-Assistenten und Agenten unterstützen Teams in Unity, Unreal Engine und Godot dabei, Gameplay-Systeme schneller zu prototypen, Editor-Werkzeuge zu automatisieren, Shader zu schreiben, Performance-Engpässe zu analysieren und gewachsene Codebasen zu refaktorieren. Gerade kleine Indie-Teams gewinnen so Zeit für Spielgefühl und Content, während größere Studios Tooling und Pipelines effizienter gestalten. Zugleich stellen sich besondere Fragen: Frame-Budgets, Garbage-Collection-Spitzen, Multiplayer-Synchronisation und die Rechte an generierten Inhalten. Im Kurs lernen Sie, KI gezielt im Engine-Workflow einzusetzen, von C#-Skripten in Unity über C++ und Blueprints in Unreal bis zu GDScript in Godot, und dabei Qualität und Spielbarkeit im Blick zu behalten.

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?

  • Gameplay-Programmierer:innen in Unity, Unreal Engine oder Godot
  • Indie-Entwickler:innen und kleine Studios
  • Technical Artists und Tools-Programmierer:innen
  • Engine- und Performance-Spezialist:innen
  • Entwickler:innen von Serious Games, Simulationen und interaktiven Anwendungen

Typische Herausforderungen, die wir adressieren

  • Hoher Iterationsdruck beim Prototyping neuer Spielmechaniken
  • Performance-Probleme wie Frame-Drops, Speicherspitzen und lange Ladezeiten auf Zielplattformen
  • Gewachsener Gameplay-Code mit enger Kopplung, der Erweiterungen erschwert
  • Repetitive Editor- und Pipeline-Aufgaben, die Zeit für kreative Arbeit binden

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 prototypen Spielmechaniken und Editor-Werkzeuge mit KI deutlich schneller und behalten dabei die Kontrolle über die Architektur.
  • Sie analysieren und optimieren Performance-Probleme mit KI-Unterstützung auf Basis echter Profiler-Daten.
  • Sie setzen KI-Agenten engine-gerecht in Unity, Unreal Engine oder Godot ein und kennen die Rechtsfragen generierter Inhalte.

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: Spieleentwicklung
  • Gameplay-Mechaniken prototypen
  • Editor-Tools automatisieren
  • Shader entwickeln
  • Performance analysieren
  • Gameplay-Code refaktorieren
  • Multiplayer-Logik umsetzen
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • Unveröffentlichte Spiele, Engine-Quellcode und Assets sind wertvolles geistiges Eigentum: Sie lernen, Lizenzbedingungen von Engines und KI-Diensten zu beachten, Rechtefragen bei generiertem Code und Content zu klären, Plattformvorgaben zur Offenlegung von KI-Inhalten zu kennen und Spielerdaten DSGVO-konform zu verarbeiten.
  • 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

Gameplay-Mechaniken prototypen

Bewegungssteuerung, Kampfsysteme, Inventare oder Dialogsysteme aus einer Spielbeschreibung als lauffähige Skripte erzeugen und mit Parametern ausstatten, die Designer:innen im Editor direkt feinjustieren können. So testen Sie Spielideen in Stunden statt Tagen.

Editor-Tools automatisieren

Eigene Editor-Fenster, Import-Skripte, Validierungen für Assets und Level sowie Batch-Operationen schreiben, die wiederkehrende Aufgaben in Unity, Unreal oder Godot zuverlässig erledigen. Fehler in Assets fallen so früher auf.

Shader entwickeln

Visuelle Effekte in HLSL, Shader Graph, Unreal-Materialien oder Godot-Shading-Language beschreiben und umsetzen lassen, inklusive Erklärung der Berechnungen und Hinweisen zur Performance auf mobilen Geräten. Parameter bleiben im Editor anpassbar.

Performance analysieren

Profiler-Ausgaben auswerten, Allokationen im Update-Loop, teure Physik- oder Rendering-Aufrufe identifizieren und Optimierungen wie Object Pooling, Batching oder Datenorientierung vorschlagen. Jede Maßnahme wird anschließend mit erneuten Messungen auf der Zielplattform überprüft.

Gameplay-Code refaktorieren

Monolithische Manager-Klassen in komponentenbasierte, ereignisgesteuerte Strukturen überführen, Zustandsautomaten sauber modellieren und Tests für spielkritische Logik ergänzen. Spielgefühl und Verhalten bleiben dabei erhalten, während sich neue Features deutlich einfacher und mit weniger Seiteneffekten ergänzen lassen.

Multiplayer-Logik umsetzen

Netzwerksynchronisation, Client-Prediction, autoritative Serverlogik und Remote Procedure Calls entwerfen, typische Desync-Ursachen analysieren und Cheat-Schutz bei der Validierung von Eingaben berücksichtigen. Netzwerkbedingungen wie Latenz und Paketverlust lassen sich dabei gezielt simulieren.

Mögliche Praxisprojekte im Kurs

Level-Validator

Ein Editor-Werkzeug, das Szenen auf fehlende Kollider, falsche Layer, unbenutzte Assets und Namenskonventionen prüft und einen Bericht mit Sprungmarken erzeugt.

Dialog-Editor

Ein kleines Tool, mit dem Autor:innen verzweigte Dialoge visuell erstellen und als JSON exportieren, das die Engine zur Laufzeit einliest.

Spielbarer Mini-Prototyp

Ein kompletter kleiner Prototyp, etwa ein Arena-Shooter oder Puzzle-Level, mit Steuerung, Punktestand und einfachem Gegnerverhalten. Er dient als Grundlage, um Spielgefühl und Kernmechanik früh mit Testspieler:innen zu prüfen.

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 C#, C++ oder GDScript und haben bereits mit einer Game-Engine wie Unity, Unreal Engine oder Godot gearbeitet.

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

Unveröffentlichte Spiele, Engine-Quellcode und Assets sind wertvolles geistiges Eigentum: Sie lernen, Lizenzbedingungen von Engines und KI-Diensten zu beachten, Rechtefragen bei generiertem Code und Content zu klären, Plattformvorgaben zur Offenlegung von KI-Inhalten zu kennen und Spielerdaten DSGVO-konform zu verarbeiten.

Termine & Standorte

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

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

Für welche Engine eignet sich der Kurs?

Der Kurs ist engine-übergreifend angelegt und berücksichtigt Unity mit C#, Unreal Engine mit C++ und Blueprints sowie Godot mit GDScript oder C#. Die Übungen können Sie in Ihrer bevorzugten Engine durchführen. Wir zeigen jeweils, wie Sie Projektstruktur, Engine-APIs und Konventionen als Kontext bereitstellen, damit der KI-Assistent passende Lösungen liefert.

Dürfen KI-generierter Code und Inhalte in kommerziellen Spielen verwendet werden?

Für Code ist das in der Regel möglich, sofern die Nutzungsbedingungen des KI-Dienstes es erlauben und Sie Review sowie Lizenzprüfung einplanen. Bei Grafiken, Audio und Texten sind die Rechtslage und die Vorgaben einzelner Vertriebsplattformen zur Offenlegung zu beachten. Wir geben im Kurs einen praxisnahen Überblick, ersetzen aber keine Rechtsberatung.

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