Kontakt aufnehmen

Schulungsübersicht

Einführung in Agentic AI

  • Definition von Agentic AI und dessen Beziehung zu traditionellen KI-Systemen
  • Überblick über Reasoning, Memory und zielgetriebene Architekturen
  • Wichtige Anwendungsfälle und Branchenlösungen

Kernkonzepte und Design Patterns

  • Der Agent Loop: Perception, Reasoning und Action
  • Single-Agent- versus Multi-Agent-Systeme
  • Interaktion mit der Umgebung und Tool-Aufrufe

Grundlagen des Prompt Engineering

  • Effektive Prompts für Reasoning und Aufgabenaufteilung entwerfen
  • Nutzung von Beispielen, Constraints und Rollen zur besseren Steuerung
  • Systematisches Debugging und Iterieren von Prompts

Aufbau einfacher Agentic Workflows

  • Implementierung eines Agent Loops in Python
  • Anbindung an APIs und einfache Tools
  • Verwaltung des Agent-Zustands und der Memory

Responsible Design und Sicherheitspraktiken

  • Ethische Überlegungen und verantwortungsvoller Umgang mit Agents
  • Bias, Transparenz und Verantwortlichkeit in KI-Systemen
  • Zugriffskontrolle, Datenschutz und Inhaltssicherheit

Praxisprojekt: Entwerfen eines verantwortungsvollen Agents

  • Definition des Problemumfangs und der Ziele
  • Entwicklung des Prompts und der Steuerungslogik
  • Testen, Verfeinern und Bewerten des Agent-Verhaltens

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis von AI- oder Machine-Learning-Konzepten
  • Vertrautheit mit Python-Syntax und Scripting
  • Erfahrung im Umgang mit daten- oder API-basierten Anwendungen

Zielgruppe

  • Data Scientists mit neuem Fokus auf die Entwicklung von Agentic AI
  • Junior ML Engineers, die sich mit angewandten Agent-Architekturen beschäftigen
  • Technologie-Manager, die ein Verständnis für Agent-Design und Sicherheitsprinzipien erlangen möchten
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien