Agentische KI-Entwicklung mit Python – Autonome Agenten erstellen Schulung

Grundlagen der agentischen KI

• Was ist ein autonomer Agent: Definitionen und Taxonomie
• Agenten-Laufzyklus: Zyklus aus Wahrnehmen, Entscheiden, Handeln und Beobachten
• Gestaltungsmuster für Verantwortlichkeiten und Umfang der Agenten

Python-Tools und Agent-SDKs

• Nutzung von LangChain und ähnlichen SDKs zum Aufsetzen von Agenten
• Asynchrone Programmierung, Auftragswarteschlangen und Subprozess-Verwaltung
• Packaging, virtuelle Umgebungen und reproduzierbare Entwicklungsworkflows

Integration externer Tools und APIs

• Entwurf von Tool-Schnittstellen und sicheren Aufrufmustern
• Anbindung an Web-APIs, Datenbanken und interne Dienste
• Verwaltung von Zugangsdaten, Geheimnissen und Minimalprinzip-Zugriff

Speicher, Zustand und Kontextverwaltung

• Kurzfristige Kontextfenster und Techniken der Prompt-Engineering
• Langfristige Speicherarchitekturen: Redis, Vektorspeicher, Retrieval-Augmentation
• Konsistenz, Caching-Strategien und Speicherhygiene

Orchestrierung, Planung und Mehrstufen-Workflows

• Verkettung von Aktionen, Subagenten und Aufgabenzerlegung
• Planungsalgorithmen vs. heuristische Orchestrierung
• Bearbeitung von Fehlern, Wiederholungen und kompensierenden Maßnahmen

Sicherheit, Testen und Beobachtbarkeit

• Gefahrenmodelle, Red-Teaming und Eingabe-/Ausgabe-Sanitierung
• Unit-, Integrations- und End-to-End-Tests für Agenten
• Protokollierung, Metriken, Tracing und Alarmierung für Agentenverhalten

Bereitstellung, Skalierung und MLOps für Agenten

• Containerisierung, CI/CD-Pipelines und Rollout-Strategien
• Kostenkontrolle, Ratenbegrenzung und Ressourcenoptimierung
• Monitoring, Governance und operative Playbooks

Zusammenfassung und nächste Schritte