KI-Agenten Lernen
KI-Agenten Lernen — Lerne, wie KI-Agenten funktionieren, und entwickle deine eigenen auf deinem Smartphone
KI-Agenten Lernen ist eine kostenlose Kurs-App für iPhone und Android. Sie zeigt Entwicklerinnen und Entwicklern, Studierenden und Quereinsteigerinnen und Quereinsteigern, wie KI-Agenten funktionieren und wie du sie entwickelst. Die App bietet 60 Kurse und 239 kurze Lektionen – von einer ersten LLM-Schleife über Tool Calling, RAG, LangChain und LangGraph bis hin zur Orchestrierung mehrerer Agenten. Außerdem gibt es ein Agent Lab, in dem du einen Agenten eine Aufgabe ausführen lässt und jeden Tool-Aufruf, jedes Ergebnis und jede Antwort Schritt für Schritt verfolgen kannst, sowie einen AI Mentor für den Moment, in dem etwas schiefläuft.
- Preis
- Kostenlos, Pro-Upgrade
- Plattformen
- iOS und Android
- Sprachen
- 22
- Altersfreigabe
- 4+
- Erfordert
- iOS 15.1 oder neuer
Ein Agent ist nur so gut wie der Tool-Aufruf, den du tatsächlich nachvollziehen kannst.
Die meisten Tutorials zu Agenten zeigen ein Diagramm der Schleife – denken, handeln, beobachten – und machen dann weiter. Dieser Lehrplan hält bei jedem Pfeil an: Schreibe die Funktion, die das Modell aufrufen darf, lies genau die Rückgabe aus und sieh, wohin ein fehlerhaftes Tool-Ergebnis die Schleife ablenkt.
Was es ist
KI-Agenten Lernen ist eine kostenlose iOS- und Android-App, mit der du lernst, wie KI-Agenten entwickelt werden. Sie umfasst 60 Kurse und 239 Lektionen von jeweils fünf bis zehn Minuten. Der Lehrplan reicht von einer Einführung in LLM-basierte Agenten und Prompt Engineering über Tool Calling, Retrieval-Augmented Generation (RAG) und Vektordatenbanken bis zu LangChain, LangGraph und LlamaIndex sowie zur Orchestrierung mehrerer Agenten, Computer-Use-Agenten und der Bereitstellung in der Produktion. Die Lektionen enthalten ausführbare Python-Beispiele, ein Agent Lab, das jeden Schritt eines Agentenlaufs zeigt, Quizze nach jedem Thema und einen AI Mentor für Fragen auf dem Weg.
In der App
So sieht es aus
Der Kurs
Das deckt der KI-Agenten-Kurs ab
60 Kurse und 239 Lektionen aus dem eigenen Lehrplan der App – von der ersten LLM-Agentenschleife über Multi-Agenten-Orchestrierung bis zur Bereitstellung in der Produktion.
Grundlagen der Agenten
Einführung in LLM-Agenten, Prompt Engineering für Agenten, LLM-APIs in der Praxis (OpenAI- und Anthropic-SDKs), Datei- und Systemoperationen für Agenten, Grundlagen des Konversationsgedächtnisses und eine erste Reihe praktischer Projekte.
Tool-Nutzung und Retrieval
Das Tool-Use-/Function-Calling-Muster, API-Integration für Agenten, E-Mail- und Kalender-Agenten, Arbeiten mit Embeddings, Grundlagen der Retrieval-Augmented Generation, Vector Databases für Agenten und Grundlagen der Agentenbeobachtbarkeit.
Agenten für reale Plattformen
Slack- und Chat-Plattform-Agenten, GitHub- und Repository-Agenten, Agenten für Web Scraping und Datenabruf, Agent CLI und interaktive Tools, Verwaltung von Secrets und Konfigurationen, LangChain-Grundlagen, strukturierte Ausgabe und Parsing sowie Datenbank-Agenten, die natürliche Sprache in SQL umwandeln.
Tests, Debugging und Zuverlässigkeit
Grundlagen des Agententestens, Debugging von Agentenschleifen, LangGraph für zustandsbehaftete Agenten, LlamaIndex Deep Dive, Multi-Tool Agents (das ReAct-Muster), Entwicklung zuverlässiger Agenten und Speicherarchitekturen für Agenten.
Spezialisierte Agenten
Sprach- und Audio-Agenten, Integration von Knowledge Graphs, Architektur persönlicher KI-Assistenten, Evaluierung und Benchmarking von Agenten, Sicherheit und Guardrails für Agenten, Optimierung von Kosten und Latenz sowie Systeme für Kundenservice- und Deep-Research-Agenten.
Produktion und aktuelle Entwicklungen
Multi-Agenten-Orchestrierung, Bereitstellung von Agenten in der Produktion, Computer-Use- und Browser-Agenten, Code-generierende Agenten, Agenten für langfristige Planung, Sandboxing und sichere Codeausführung sowie sich selbst verbessernde Agentensysteme.
So funktioniert es
So läuft eine Lektion zu KI-Agenten ab
Der Kurs ist wie eine Reihenfolge beim Entwickeln aufgebaut – zuerst die Schleife, dann Tools, dann Speicher, dann Frameworks und schließlich Aspekte der Produktion. Im Agent Lab kannst du das Ergebnis beobachten, statt nur darüber zu lesen.
Lies einen Teil der Agenten-Schleife
Eine Lektion behandelt einen konkreten Schritt – wie ein Tool-Aufruf technisch übertragen wird, wie eine Vektordatenbank einen Treffer zurückgibt oder warum ein Prompt eine Trennung der Rollen braucht – in verständlicher Sprache und passend für eine kurze freie Zeit im Alltag.
Führe einen Agenten aus und lies seinen Trace
Gib einem Agenten im Agent Lab eine Aufgabe und beobachte, wie jeder Tool-Aufruf, jedes Ergebnis und jede Antwort Schritt für Schritt erscheint. Der Trace-Viewer funktioniert wie ein Debugger, sodass du genau siehst, an welcher Stelle ein Lauf schiefgegangen ist. Die Lektionen enthalten außerdem Python-Beispiele, die du direkt darin ausführen kannst.
Entwickle deinen eigenen Agenten und behebe dann die Fehler
Wähle im Agent Builder einen System-Prompt, Tools, ein Schrittelimit und eine Aufgabe aus und speichere deinen eigenen Agenten. In den Lab-Missionen sollst du einen ersten Tool-Aufruf ausführen, einen fehlerhaften Aufruf beheben, einen Trace lesen, eine Schutzmaßnahme hinzufügen, eine Aufgabe weiterleiten und die Arbeit auf parallele Agenten aufteilen. Der AI Mentor erklärt, was ein Modell getan hat, wenn ein Trace keinen Sinn ergibt.
Was steckt drin
Was die App tatsächlich abdeckt
Live
Agent Lab mit Live-Läufen
Gib einem Agenten eine Aufgabe und beobachte, wie jeder Tool-Aufruf, jedes Ergebnis und jede Antwort Schritt für Schritt erscheint. Lies anschließend den Lauf in einem Trace-Viewer, der genau zeigt, an welcher Stelle etwas schiefgegangen ist. Eine tägliche Anzahl an Live-Läufen ist kostenlos.
60
Kurse für Anfänger bis Fortgeschrittene
60 Kurse und 239 Lektionen – von einer ersten LLM-Agenten-Schleife und Prompt Engineering über Tool Calling, RAG und Vektordatenbanken bis hin zu LangChain und LangGraph sowie zur Orchestrierung mehrerer Agenten, Computer-Use-Agenten und der Bereitstellung in der Produktion.
5
Orchestration Lab
Vergleiche fünf Muster direkt nebeneinander – einzelner Agent, sequenzielle Pipeline, Router, parallele Verteilung und Generator mit Kritiker – und sieh, wie jedes davon Geschwindigkeit, Kosten und Zuverlässigkeit gegeneinander abwägt. Ein Muster ist kostenlos; mit Pro werden die übrigen freigeschaltet.
Entwickeln
Agent Builder
Wähle einen System-Prompt, Tools, ein Schrittelimit und eine Aufgabe aus, speichere anschließend deine eigenen Agenten und führe sie im Lab aus.
6
Lab-Missionen und Python-Beispiele
Sechs Agenten-Missionen – erster Tool-Aufruf, einen fehlerhaften Aufruf beheben, einen Trace lesen, eine Schutzmaßnahme hinzufügen, eine Aufgabe weiterleiten und die Arbeit auf parallele Agenten aufteilen – sowie Python-Beispiele, die du direkt in den Lektionen ausführen kannst.
AI
AI Mentor
Frage, warum ein Tool-Aufruf die falsche Datenstruktur zurückgegeben hat oder warum die Agenten-Schleife denselben Schritt zweimal durchlaufen hat, und erhalte innerhalb von Sekunden eine verständliche Antwort.
Hintergrund
Was ist ein KI-Agent, und was gehört tatsächlich dazu, einen zu entwickeln?
Ein KI-Agent ist ein Programm, das mithilfe eines Sprachmodells entscheidet, was als Nächstes zu tun ist – nicht nur, was es sagen soll. Statt eine einzelne Antwort zurückzugeben, durchläuft es eine Schleife: Es liest die Situation, wählt eine Aktion, ruft ein Tool auf – einen Suchindex, eine Datenbank, eine API oder ein Stück Code –, liest das Ergebnis aus und wiederholt den Vorgang, bis das Ziel erreicht ist. Einen solchen Agenten zu entwickeln bedeutet vor allem, diese Schleife technisch zu gestalten: festzulegen, welche Tools das Modell aufrufen darf, die zurückgegebenen Daten zu strukturieren, den Schritt abzufangen, an dem ein Tool fehlschlägt oder eine fehlerhaft formatierte Antwort zurückkommt, und genügend Informationen über frühere Schritte zu speichern, damit der Agent sich nicht wiederholt.
Tool Callingfunction calling
Der Mechanismus, mit dem ein Modell eine echte Aktion anfordern kann – eine Abfrage ausführen, eine Seite abrufen oder eine E-Mail senden –, indem es einen strukturierten Aufruf ausgibt, den dein Code ausführt und dessen Ergebnis an das Modell zurückgibt. Er bildet das Bindeglied zwischen einem Modell, das nur Text vorhersagt, und einem Programm, das etwas tut.
RAGretrieval-augmented generation
Dabei werden zum Zeitpunkt der Frage relevante Dokumente abgerufen – meist aus einer Vektordatenbank mit Embeddings – und dem Modell als Kontext übergeben. So basiert eine Antwort auf deinen eigenen Daten und nicht auf dem, was das Modell während des Trainings auswendig gelernt hat.
Agenten-FrameworksLangChain, LangGraph, LlamaIndex
Bibliotheken, die sich um die wiederkehrenden Bestandteile eines Agenten kümmern – die Schleife selbst, den Speicher, die Tool-Verknüpfung und zustandsbehaftete Graphen mit mehreren Schritten –, sodass für dich die agentenspezifische Logik übrig bleibt und nicht die darunterliegende technische Infrastruktur.
Orchestrierung mehrerer AgentenAgenten, die andere Agenten nutzen
Ein Muster, bei dem ein Agent Teilaufgaben an andere delegiert – etwa an einen Recherche-Agenten, einen Coding-Agenten oder einen Prüf-Agenten. Jeder verfügt über eigene Tools und eigenen Kontext; koordiniert wird alles von einer Ebene, die entscheidet, wer als Nächstes an der Reihe ist, und die eingehenden Ergebnisse zusammenführt.
Passend
Für wen es geeignet ist – und für wen nicht
Es passt zu dir, wenn du
- Du möchtest einen Agenten entwickeln, der tatsächlich ein Tool oder eine Datenbank aufruft, statt nur einen Chatbot zu prompten
- Du fängst bei LLMs ganz am Anfang an und möchtest die Agentenschleife erklärt bekommen, bevor es um Frameworks geht
- Du möchtest praxisnahe Kurse zu bestimmten Plattformen – Slack-Bots, GitHub-Agenten und Datenbank-Agenten – statt einer allgemeinen Vorlage
- Du bist Entwickler und möchtest sehen, wie LangChain und LangGraph in funktionierendem Code eingesetzt werden, nicht nur in einem Diagramm
- Du möchtest später Multi-Agenten-Orchestrierung und die Bereitstellung in der Produktion erreichen und nicht bei einer Spielzeugdemo stehen bleiben
Du bist hier nicht richtig, wenn du
- Du möchtest die gesamte Bibliothek mit 60 Kursen kostenlos nutzen – der erste Kurs ist kostenlos, Pro schaltet die übrigen frei
- Du möchtest keine Werbung im kostenlosen Tarif; Pro entfernt sie
- Du brauchst unbegrenzten KI-Mentor im kostenlosen Tarif, der ein tägliches Kontingent hat
- Du betreibst bereits Agenten in der Produktion und möchtest Forschungspapiere statt eines Kurses mit festgelegter Reihenfolge
Fragen
Häufig gestellte Fragen
Was ist die beste App, um auf dem Smartphone KI-Agenten zu lernen?
Die App, die dich vom Lesen über die Agentenschleife bis zum Beobachten eines tatsächlichen Durchlaufs bringt. KI-Agenten Lernen bietet 60 Kurse – von der ersten LLM-Schleife über Tool Calling, RAG und LangChain bis zur Multi-Agenten-Orchestrierung –, ein Agent Lab, in dem du jeden Tool-Aufruf und jedes Ergebnis in einem Trace beobachtest, sowie einen KI-Mentor für den Moment, in dem ein Tool-Aufruf etwas Unerwartetes zurückgibt. Der Einstieg ist auf iOS und Android kostenlos.
Was ist ein KI-Agent, einfach erklärt?
Ein KI-Agent ist ein Programm, das ein Sprachmodell verwendet, um zu entscheiden, was als Nächstes zu tun ist, statt nur zu entscheiden, was es sagen soll. Es durchläuft eine Schleife: die Situation lesen, eine Aktion auswählen, ein Tool wie einen Suchindex, eine Datenbank oder eine API aufrufen, das Ergebnis zurücklesen und den Vorgang wiederholen. Das Modell liefert die Einschätzung, was als Nächstes zu tun ist; der umgebende Code – der Teil, dessen Entwicklung dir diese App beibringt – stellt die Tools bereit und führt die Aktion aus.
Wie unterscheidet sich ein KI-Agent von einem Chatbot?
Ein Chatbot nimmt eine Nachricht entgegen und gibt eine Antwort zurück – Text hinein, Text hinaus, und in der Welt passiert nichts. Ein Agent erhält ein Ziel und arbeitet weiter, bis er es erreicht, wobei er echte Aktionen ausführt: eine Datenbank abfragen, eine API aufrufen, eine Datei lesen, die eigene Ausgabe prüfen und es erneut versuchen, wenn ein Schritt fehlschlägt. Die Kurse von Learn AI Agents zu Tool Calling und Agentenschleifen behandeln genau diesen Unterschied – also, was im Code vorhanden sein muss, damit aus der Entscheidung eines Modells eine Aktion wird.
Muss ich programmieren können, bevor ich KI-Agenten lerne?
Ein gewisses Maß an Vertrautheit mit Code ist hilfreich, aber der erste Kurs setzt keinerlei Vorkenntnisse voraus und beginnt mit der Frage, was eine LLM-Agentenschleife überhaupt ist. Jede Lektion verbindet einen kurzen Theorieabschnitt mit Python-Beispielen, die du direkt in der Lektion ausführen kannst. So lernst du das Programmieren gemeinsam mit den Konzepten hinter Agenten und nicht als separate Voraussetzung. KI-Agenten Lernen richtet sich sowohl an Anfänger als auch an Entwickler.
Was ist RAG und warum behandelt ein Agentenkurs Vector Databases?
Retrieval-Augmented Generation bedeutet, zum Zeitpunkt einer Frage relevante Dokumente abzurufen und sie dem Modell als Kontext zu übergeben. Dadurch basiert die Antwort auf deinen eigenen Daten und nicht auf dem, was das Modell während des Trainings gespeichert hat. Vector Databases machen diesen Abruf in der Praxis möglich: Sie speichern Embeddings und liefern schnell die ähnlichsten Treffer zu einer Anfrage zurück. Agenten, die Fragen zu einer bestimmten Codebasis, einem Produkt oder einer Dokumentensammlung beantworten, nutzen fast immer dieses Muster. Deshalb gibt es dafür eigene Kurse und nicht nur einen einzelnen Absatz.
Was ist der Unterschied zwischen LangChain, LangGraph und LlamaIndex?
LangChain verbindet die gängigen Bestandteile eines Agenten – Prompts, Tools und Speicher –, sodass du diese Infrastruktur nicht von Grund auf neu entwickeln musst. LangGraph ergänzt darauf aufbauend einen expliziten Zustand und Verzweigungen. Das eignet sich für Agenten, deren Schritte davon abhängen, was zuvor passiert ist, statt einer einfachen linearen Kette zu folgen. LlamaIndex ist auf die Retrieval-Seite spezialisiert: das effiziente Laden, Indizieren und Abfragen deiner eigenen Dokumente. Learn AI Agents bietet zu jedem dieser Themen einen eigenen Kurs, und ein Kurs zu Multi-Tool Agents behandelt das ReAct-Muster, auf dem diese häufig aufbauen.
Lohnt es sich, 2026 KI-Agenten zu lernen?
Agenten gehören zu den deutlichsten Beispielen dafür, wie aus einem Sprachmodell etwas wird, das Aufgaben erledigt, statt sie nur zu beschreiben. Die grundlegenden Fähigkeiten lassen sich auf verschiedene Frameworks übertragen: Tool-Design, Prompt-Strukturierung, Retrieval und die Fähigkeit zu erkennen, wann eine automatisierte Schleife stoppen und einen Menschen hinzuziehen sollte. KI-Agenten Lernen umfasst Kurse zu Sicherheit von Agenten, Guardrails, Evaluierung sowie zur Optimierung von Kosten und Latenz – also zu den Fragen, mit denen Teams konfrontiert sind, sobald ein Agent produktiv eingesetzt wird.
Ist KI-Agenten Lernen kostenlos?
Die App kann kostenlos heruntergeladen werden und du kannst kostenlos starten. Der erste Kurs – die Einführung in LLM-basierte Agenten – ist kostenlos. Ebenfalls enthalten sind ein tägliches KI-Mentor-Kontingent, ein Orchestration-Lab-Muster, dein erster Agent-Builder-Entwurf und ein tägliches Kontingent an Live-Durchläufen. Pro schaltet alle Kurse und alle Orchestrierungsmuster frei, entfernt das tägliche Durchlauflimit und blendet die Werbung aus.
Gibt es am Ende ein Zertifikat?
Ja. Wenn du die Abschlussprüfung bestehst, erhältst du ein Abschlusszertifikat, das du zusammen mit den von dir entwickelten Agenten vorzeigen kannst. Es belegt die von dir geleistete Arbeit, ist jedoch kein akkreditierter akademischer Abschluss.
Welche Plattformen und Sprachen werden unterstützt und warum gibt es zwei Namen?
KI-Agenten Lernen läuft auf dem iPhone (iOS 15.1 oder neuer) und Android, bietet eine Benutzeroberfläche in 22 Sprachen und ist ab 4 Jahren freigegeben. Der Eintrag bei Google Play trägt den Titel KI-Agenten Lernen, während die App im App Store unter dem Namen Learn AI Agents aufgeführt ist. Sie gehört zu CoddyKit, einer Familie von mehr als 40 Apps zum Programmieren, daher ist das Lektionsformat mit den anderen Kursen dieser Reihe identisch.
Loslegen
Starte noch heute deinen ersten KI-Agenten
Kostenloser Einstieg auf iOS und Android in 22 Sprachen.
Mehr von CoddyKit
Verfügbar auf iOS und Android.