Schulung – Windsurf – AI Engineering & LLM-Anwendungen

Windsurf für AI Engineers

Mit der KI-IDE Windsurf und dem Cascade-Agenten entwickeln: Flows, Memories, Rules, Workflows und sicherer Einsatz im Team.

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 Windsurf mit den typischen Abläufen im Bereich AI Engineering & LLM-Anwendungen. Die Teilnehmenden arbeiten an realistischen Szenarien und nehmen sofort einsetzbare Prompts, Workflows und Checklisten mit.

Windsurf ist eine KI-gestützte Entwicklungsumgebung, deren Herzstück der Agent Cascade ist. Cascade versteht den Zusammenhang Ihres Projekts, verfolgt Ihre Aktionen im Editor und Terminal und arbeitet im sogenannten Flow-Prinzip eng mit Ihnen zusammen: Sie und der Agent bearbeiten dieselbe Aufgabe abwechselnd, ohne Kontext ständig neu erklären zu müssen. In diesem kompakten Training lernen Sie, Cascade für Features, Fehlersuche und Refactorings wirkungsvoll einzusetzen und die intelligente Vervollständigung im Alltag zu nutzen.

Damit Ergebnisse im Team konsistent bleiben, steuern Sie Cascade mit Rules auf globaler und Workspace-Ebene, nutzen Memories für dauerhaftes Projektwissen und automatisieren wiederkehrende Abläufe mit Workflows, die sich per Slash-Befehl starten lassen. Sie binden über MCP externe Werkzeuge an, kontrollieren die Ausführung von Terminalbefehlen und legen fest, welche Daten Cascade sehen darf. Abschließend entwickeln Sie Regeln für Code-Review, Sicherheit und Datenschutz, damit Windsurf verantwortungsvoll im Unternehmen eingesetzt werden kann.

AI Engineering ist die Disziplin, aus Sprachmodellen verlässliche Produkte zu machen: Chat-Assistenten, Dokumentenanalyse, Retrieval-Augmented Generation, Agenten mit Werkzeugzugriff und KI-Funktionen in bestehenden Anwendungen. Der Code rund um das Modell ist dabei oft anspruchsvoller als der Modellaufruf selbst, denn Prompt-Versionierung, strukturierte Ausgaben, Evaluierung, Kostenkontrolle, Latenz, Observability und Schutz vor Prompt Injection entscheiden über den Erfolg in Produktion. KI-Coding-Assistenten und Agenten beschleunigen genau diese Arbeit, vom Aufbau von Evaluierungs-Pipelines über Tool-Definitionen und MCP-Server bis zur Fehleranalyse in Traces. Im Kurs lernen Sie, LLM-Anwendungen mit KI-Unterstützung systematisch zu entwickeln, ihre Qualität messbar zu machen und sie sicher, kosteneffizient und regelkonform zu betreiben.

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?

  • Softwareentwickler:innen, die LLM-Funktionen in Produkte integrieren
  • AI Engineers und Machine-Learning-Engineers
  • Data Scientists mit Fokus auf generative KI
  • Backend- und Platform-Teams, die KI-Infrastruktur bereitstellen
  • Technische Produktverantwortliche für KI-Features

Typische Herausforderungen, die wir adressieren

  • Prototypen funktionieren in Demos, liefern in Produktion aber schwankende Qualität
  • Fehlende systematische Evaluierung macht Änderungen an Prompts und Modellen riskant
  • Kosten, Latenz und Ratenlimits geraten bei steigender Nutzung außer Kontrolle
  • Neue Sicherheitsrisiken durch Prompt Injection, Datenabfluss und Agenten mit weitreichenden Rechten

Das können Sie nach dem Training

  • Sie setzen Cascade im Flow-Prinzip für Features, Fehlersuche und Refactorings produktiv ein.
  • Sie steuern den Kontext von Windsurf gezielt und schützen sensible Inhalte.
  • Sie pflegen Memories und Rules, die Ihre Projektkonventionen zuverlässig durchsetzen.
  • Sie automatisieren wiederkehrende Abläufe mit Workflows und binden externe Werkzeuge über MCP an.
  • Sie entwickeln RAG-Anwendungen, Agenten und LLM-Funktionen mit KI-Coding-Werkzeugen systematisch und produktionsreif.
  • Sie machen die Qualität von LLM-Anwendungen mit automatisierten Evaluierungen messbar und steuerbar.
  • Sie betreiben LLM-Anwendungen sicher und kosteneffizient, mit Observability, Schutz vor Prompt Injection und klaren Berechtigungen.

Inhalte & Ablauf

Modul 1 Windsurf und Cascade kennenlernen
  • Installation, Import bestehender Editor-Einstellungen und Grundkonfiguration
  • Cascade im Code- und Chat-Modus: wann der Agent ändert und wann er nur berät
  • Das Flow-Prinzip: wie Cascade Ihre Editor- und Terminalaktionen einbezieht
  • Intelligente Vervollständigung und Inline-Befehle im Entwicklungsalltag
Modul 2 Kontext gezielt steuern
  • Codebase-Indizierung verstehen und relevante Dateien oder Verzeichnisse referenzieren
  • Dokumentation, Webquellen und Terminalausgaben in den Kontext holen
  • Sensible Inhalte über Ignore-Dateien vom Kontext ausschließen
  • Sitzungen strukturieren und bei Themenwechsel neu beginnen
Modul 3 Memories und Rules für konsistente Ergebnisse
  • Automatisch erzeugte und manuell angelegte Memories prüfen und pflegen
  • Globale Rules und Workspace-Rules anlegen und versionieren
  • Architektur-, Stil- und Testvorgaben als wirksame Rules formulieren
  • Rules nach Dateimustern oder Anlass gezielt aktivieren
Modul 4 Workflows und Automatisierung
  • Wiederkehrende Abläufe als Workflows definieren und per Slash-Befehl starten
  • Workflows für Release-Vorbereitung, Tests oder Code-Pflege bauen
  • MCP-Server für Ticketsysteme, Datenbanken oder interne Dienste anbinden
  • Ausführung von Terminalbefehlen über Allow- und Deny-Listen kontrollieren
Modul 5 Qualität, Review und Governance
  • Änderungen von Cascade nachvollziehen, teilweise übernehmen oder zurücksetzen
  • Testgetriebene Arbeitsweise und Vorschau-Funktionen zur Kontrolle nutzen
  • Team-Einstellungen, Datenschutzoptionen und Umgang mit Secrets
  • Review-Prozesse und Verantwortlichkeiten für KI-generierten Code festlegen
Modul 6 Praxislabor: AI Engineering & LLM-Anwendungen
  • RAG-Pipelines aufbauen
  • Evaluierung automatisieren
  • Agenten und Tools entwickeln
  • Strukturierte Ausgaben absichern
  • Observability und Kosten
  • Prompt Injection abwehren
Modul 7 Datenschutz, Qualität & Transfer in den Alltag
  • LLM-Anwendungen verarbeiten häufig personenbezogene und vertrauliche Daten: Sie lernen, Anforderungen des EU AI Act an Transparenz und Risikoklassen einzuordnen, DSGVO-konforme Datenflüsse mit Auftragsverarbeitung und Löschkonzepten zu gestalten, API-Schlüssel sicher zu verwalten und Lizenzbedingungen von Modellen und Datensätzen zu beachten.
  • 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

RAG-Pipelines aufbauen

Ingestion, Chunking, Embeddings, Vektorsuche, hybrides Retrieval und Reranking implementieren und Antworten mit Quellenangaben erzeugen, wobei Berechtigungen der Originaldokumente beim Abruf berücksichtigt werden. Die Qualität wird laufend gemessen.

Evaluierung automatisieren

Testdatensätze mit erwarteten Antworten erstellen, Metriken für Relevanz, Faktentreue und Format definieren, LLM-as-a-Judge-Bewertungen kalibrieren und Evaluierungen bei jeder Prompt- oder Modelländerung in der CI ausführen.

Agenten und Tools entwickeln

Tool-Definitionen und MCP-Server entwerfen, Agentenschleifen mit Planung, Werkzeugaufrufen und Abbruchbedingungen umsetzen und Berechtigungen sowie menschliche Freigaben für folgenreiche Aktionen einbauen. Abbrüche und Fehlschläge werden dabei sauber behandelt und protokolliert.

Strukturierte Ausgaben absichern

JSON-Schemas für Modellantworten definieren, Ausgaben validieren, Wiederholungsstrategien bei Fehlern implementieren und Extraktionsaufgaben wie Rechnungs- oder Vertragsdaten robust gestalten. Fehlerhafte Antworten werden so automatisch erkannt, bevor sie nachgelagerte Systeme oder Datenbanken erreichen.

Observability und Kosten

Traces, Token-Verbrauch, Latenzen und Fehlerraten erfassen, problematische Konversationen analysieren und Kosten durch Caching, Modell-Routing und Kontextreduktion gezielt senken. Budgets und Warnschwellen pro Funktion verhindern dabei unangenehme Überraschungen auf der monatlichen Rechnung.

Prompt Injection abwehren

Angriffsszenarien über manipulierte Dokumente, Webseiten oder Tool-Ergebnisse testen, Eingaben und Ausgaben filtern, Rechte von Agenten begrenzen und Red-Teaming-Tests als festen Bestandteil der Pipeline etablieren. Funde fließen in Regressionstests ein.

Mögliche Praxisprojekte im Kurs

Wissensassistent mit Quellen

Ein RAG-Chat über interne Dokumente mit Zitaten, Feedback-Buttons und einer Evaluierungsseite, die Antwortqualität über Testfragen verfolgt. Berechtigungen der Quelldokumente werden beim Abruf berücksichtigt.

Evaluierungs-Harness

Ein Kommandozeilenwerkzeug, das Prompt-Varianten gegen einen Testdatensatz ausführt, Ergebnisse bewertet und Unterschiede zwischen Versionen übersichtlich darstellt. Es lässt sich als Qualitätsschranke in die CI einbinden.

Dokumenten-Extraktor

Ein Dienst, der PDFs entgegennimmt, strukturierte Daten nach einem JSON-Schema extrahiert, validiert und unsichere Fälle zur manuellen Prüfung markiert. Korrekturen fließen in Testdaten ein.

Voraussetzungen

Sie programmieren regelmäßig in mindestens einer Sprache und sind mit Git sowie einer modernen IDE vertraut. Sie haben solide Programmierkenntnisse, idealerweise in Python oder TypeScript, und Erfahrung mit APIs; erste Berührung mit LLM-APIs ist hilfreich, aber nicht erforderlich.

Technische Voraussetzungen

Eigener Laptop mit installiertem Windsurf-Editor, Git und Ihrer gewohnten Toolchain; ein Windsurf-Konto mit Zugriff auf Cascade wird benötigt.

Datenschutz & Compliance

LLM-Anwendungen verarbeiten häufig personenbezogene und vertrauliche Daten: Sie lernen, Anforderungen des EU AI Act an Transparenz und Risikoklassen einzuordnen, DSGVO-konforme Datenflüsse mit Auftragsverarbeitung und Löschkonzepten zu gestalten, API-Schlüssel sicher zu verwalten und Lizenzbedingungen von Modellen und Datensätzen zu beachten.

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

Häufige Fragen

Was ist mit Flows in Windsurf gemeint?

Flows beschreiben die enge Zusammenarbeit zwischen Ihnen und Cascade. Der Agent beobachtet, was Sie im Editor und Terminal tun, und berücksichtigt diese Aktionen bei seinen nächsten Schritten. Dadurch müssen Sie den Stand Ihrer Arbeit nicht ständig neu erklären, und Sie können fließend zwischen eigener Arbeit und Delegation an den Agenten wechseln.

Worin unterscheiden sich Memories, Rules und Workflows?

Memories speichern Wissen, das Cascade im Laufe der Arbeit gesammelt hat oder das Sie ausdrücklich festhalten. Rules sind von Ihnen formulierte Vorgaben, die das Verhalten des Agenten dauerhaft prägen. Workflows sind wiederverwendbare Schrittfolgen für wiederkehrende Aufgaben, die Sie per Slash-Befehl starten. Zusammen sorgen sie für konsistente Ergebnisse im Team.

Kann ich Windsurf mit meinen bestehenden Projekten und Sprachen nutzen?

Ja. Windsurf ist sprachunabhängig und arbeitet mit Ihrer vorhandenen Toolchain, also Ihren Build-Werkzeugen, Paketmanagern und Testframeworks. Ob Backend, Frontend, Datenverarbeitung oder Infrastruktur-Code: Entscheidend ist, dass Sie Cascade mit guten Rules und klarem Kontext versorgen. Den konkreten Fachbezug liefert die jeweilige Kursvariante für Ihren Bereich.

Worin unterscheidet sich AI Engineering von klassischem Machine Learning?

Beim klassischen Machine Learning trainieren Sie eigene Modelle auf eigenen Daten. Im AI Engineering nutzen Sie meist vortrainierte Sprachmodelle über APIs oder selbst betriebene Modelle und konzentrieren sich auf Kontext, Retrieval, Werkzeuge, Evaluierung und Betrieb. Statistik- und Trainingswissen ist weniger zentral, Software-Engineering-Kompetenz dafür umso wichtiger. Der Kurs setzt genau dort an.

Wie messen wir, ob unsere LLM-Anwendung gut genug ist?

Mit einem Evaluierungsdatensatz aus realistischen Fragen und erwarteten Ergebnissen, kombinierten Metriken aus regelbasierten Prüfungen, LLM-as-a-Judge und menschlicher Stichprobe sowie Monitoring im Betrieb. Wichtig ist, Evaluierungen bei jeder Änderung automatisch laufen zu lassen. Im Kurs bauen Sie ein solches Setup auf und lernen, Bewertungsmodelle zu kalibrieren.

Was kostet die Schulung „Windsurf für AI Engineers“?

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 AI Engineers

Weitere Kurse zu Windsurf

Alle 32 Kurse zu Windsurf

Windsurf – MünchenWindsurf – SalzburgWindsurf – BerlinWindsurf – AugsburgWindsurf – HannoverWindsurf – BremenWindsurf – StuttgartWindsurf – KaiserslauternWindsurf – Online