Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Einführung in LLMs und Agent-Frameworks
- Überblick über große Sprachmodelle in der Infrastrukturautomatisierung
- Wichtige Konzepte in Multi-Agent-Workflows
- AutoGen, CrewAI und LangChain: Anwendungsfälle im DevOps
Einrichtung von LLM-Agents für DevOps-Aufgaben
- Installation von AutoGen und Konfiguration von Agent-Profilen
- Nutzung der OpenAI-API und anderer LLM-Anbieter
- Einrichtung von Workspaces und CI/CD-kompatiblen Umgebungen
Automatisierung von Workflows für Tests und Codequalität
- Anleitung von LLMs zur Generierung von Unit- und Integrationstests
- Einsatz von Agents zur Durchsetzung von Linting, Commit-Regeln und Code-Review-Richtlinien
- Automatisierte Zusammenfassung und Tagging von Pull Requests
LLM-Agents für die Behandlung von Warnungen und die Änderungsüberwachung
- Gestaltung von Reaktions-Agents für Pipeline-Fehlalarme
- Analysierung von Logs und Traces unter Verwendung von Sprachmodellen
- Aktive Erkennung von Änderungen mit hohem Risiko oder Fehlkonfigurationen
Multi-Agent-Koordination im DevOps
- Rollenbasierte Agent-Orchestrierung (Planer, Executor, Reviewer)
- Nachrichtenschleifen von Agents und Speichermanagement
- Human-in-the-Loop-Design für kritische Systeme
Sicherheit, Governance und Observability
- Bewältigung von Datenexposition und LLM-Sicherheit in der Infrastruktur
- Prüfung von Agent-Aktionen und Einschränkung des Geltungsbereichs
- Überwachung des Pipeline-Verhaltens und des Modell-Feedbacks
Praxisnahe Anwendungsfälle und kundenspezifische Szenarien
- Gestaltung von Agent-Workflows für die Incident Response
- Integration von Agents mit GitHub Actions, Slack oder Jira
- Best Practices für das Skalieren der LLM-Integration im DevOps
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit DevOps-Tools und Pipeline-Automatisierung
- Praktische Kenntnisse in Python und Git-basierten Workflows
- Verständnis von LLMs oder erste Erfahrungen mit Prompt Engineering
Zielgruppe
- Innovations-Engineers und Verantwortliche für KI-integrierte Plattformen
- LLM-Entwickler im Bereich DevOps oder Automatisierung
- DevOps-Profis, die intelligente Agent-Frameworks erkunden
