Schulung – Windsurf – Kubernetes & Microservices

Windsurf für Kubernetes- und Microservice-Teams

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

„Windsurf für Kubernetes- und Microservice-Teams“ ist ein praxisorientiertes Training für Rollen wie Plattform-Engineers und Kubernetes-Administrator:innen, Entwickler:innen, die Microservices auf Kubernetes betreiben und Site Reliability Engineers mit Cluster-Verantwortung. Sie lernen Windsurf nicht abstrakt, sondern an Aufgaben aus Ihrem Arbeitsalltag kennen – mit Beispielen, Übungen und Vorlagen aus dem Bereich Kubernetes & Microservices.

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.

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 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 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 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: 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

Sie programmieren regelmäßig in mindestens einer Sprache und sind mit Git sowie einer modernen IDE vertraut. Praktische Erfahrung mit Containern, kubectl und Kubernetes-Grundobjekten sowie Grundkenntnisse in Helm, YAML und Git.

Technische Voraussetzungen

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

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

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 „Windsurf 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 Windsurf

Alle 32 Kurse zu Windsurf

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