Baue echte AI-Agenten – vom ersten Loop bis zur Produktion
AI-Agenten sind Programme, die große Sprachmodelle nutzen, um zu denken, Tools aufzurufen und mehrstufige Aktionen durchzuführen – sie bewältigen Aufgaben, die statischer Code nicht kann. Dieser Track behandelt alles von der Funktionsweise einer LLM-Agent-Schleife bis zur Bereitstellung zuverlässiger, beobachtbarer Agenten in der Produktion. Der Lehrplan umfasst 60 Kurse über sechs Niveaus (A1 bis C2), basierend auf den Tools, die Praktiker heute verwenden: LangChain, LangGraph, LlamaIndex, Vector Databases und die Function-Calling-APIs aller großen LLM-Anbieter.
Was Du lernst
Du startest mit den Grundlagen von LLM-APIs und Prompt Engineering für Agenten und arbeitetest Dich dann durch das Tool-Use- und Function-Calling-Muster vor, das Agenten wirklich nützlich macht. Kernfähigkeiten umfassen das Aufbauen von Retrieval-Augmented-Generation-(RAG-)Pipelines und Vector-Database-Integrationen, die Konstruktion von E-Mail-, Kalender-, Slack-, GitHub- und Web-Scraping-Agenten, das Gestalten von Gesprächsspeicher und strukturiertem Output-Parsing, das Schreiben von Agent-Tests und das Debuggen von Agent-Schleifen sowie die Anwendung des ReAct-Musters in Multi-Tool-Agenten. Auf fortgeschrittenem Niveau befasst Du Dich mit Multi-Agent-Orchestrierung, langfristige Planung, Computer-Use- und Browser-Agenten, Code-generierende Agenten, Sandboxing und sichere Code-Ausführung sowie Agent-Governance mit Audit-Trails.
Der Lernpfad
Der Pfad beginnt auf A1 mit Intro to LLM Agents und führt durch A2-Grundlagen – Prompt Engineering, LLM-APIs in der Praxis, Dateisystemoperationen und Gesprächsspeicher. B1 erweitert das Toolkit um API-Integration, RAG-Grundlagen, Vector Databases, Observability, LangChain-Grundlagen und domänenspezifische Agenten für Dokumente, Datenanalyse und Workflow-Automatisierung. B2 vertieft dieses Wissen durch LangGraph für zustandsbehaftete Agenten, LlamaIndex, das ReAct-Muster, Memory-Architekturen, asynchrones und ereignisgesteuertes Design, Agent-Sicherheit und Guardrails sowie Kosten- und Latenzoptimierung. Die C1-Stufe behandelt fortgeschrittene RAG-Techniken, Multi-Agent-Orchestrierung, Produktionsbereitstellung, Fine-Tuning von Modellen für agentic Tasks und Multimodal-Pipelines. Der Track endet auf C2 mit Self-Improving Agent Systems und The Road to Autonomous Systems.
So funktioniert es
Jeder Kurs ist in kurze, fokussierte Lektionen unterteilt, die Du im integrierten Code-Editor mit Live-Feedback bearbeitest. Ein AI-Tutor ist immer verfügbar, wenn Du steckenbleibst, und jede Übung basiert auf ausführbarem Code, damit Konzepte konkret statt nur theoretisch bleiben.