Kontakt aufnehmen
 Dauer 35 Stunden

Schulungsübersicht

Fortgeschrittene LangGraph-Architektur

  • Graftopologie-Muster: Knoten, Kanten, Router, Teilgraphen
  • Zustandsmodellierung: Kanäle, Nachrichtenübermittlung, Persistenz
  • DAG- vs. zyklische Flows und hierarchische Zusammensetzung

Performance und Optimierung

  • Parallelisierungs- und Konkurrenz-Muster in Python
  • Caching, Batching, Tool-Calling und Streaming
  • Kostenkontrolle und Strategien zur Token-Budgetierung

Reliability Engineering

  • Retries, Timeouts, Backoff und Circuit Breaking
  • Idempotenz und Deduplizierung von Schritten
  • Checkpointing und Recovery über lokale oder Cloud-Speicher

Debugging komplexer Graphen

  • Schrittweise Ausführung und Testläufe (Dry Runs)
  • Zustandsinspektion und Ereignis-Tracking (Event Tracing)
  • Reproduzieren von Produktionsproblemen mit Seeds und Fixtures

Observability und Monitoring

  • Strukturiertes Logging und Distributed Tracing
  • Operative Metriken: Latenz, Zuverlässigkeit, Token-Nutzung
  • Dashboards, Alerts und SLO-Tracking

Bereitstellung und Betrieb

  • Paketierung von Graphen als Dienste und Container
  • Konfigurationsmanagement und Umgang mit Secrets
  • CI/CD-Pipelines, Rollouts und Canary Releases

Qualität, Testing und Sicherheit

  • Unit-, Szenario- und automatische Eval-Harnesses
  • Guardrails, Inhaltsfilterung und PII-Behandlung
  • Red Teaming und Chaos-Experimente für Robustheit

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Verständnis von Python und asynchroner Programmierung
  • Erfahrung in der Entwicklung von LLM-Anwendungen
  • Grundkenntnisse in LangGraph- oder LangChain-Konzepten

Zielgruppe

  • AI-Plattform-Engineers
  • DevOps für KI
  • ML-Architekten, die produktionsreife LangGraph-Systeme betreuen

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien