Generative AI & Agentische Systeme
Vom Prompt zum produktionsreifen Agenten – in zwei kompakten Tagen.
Ein praxisorientierter Intensivkurs für Software-Entwickler:innen, IT-Architekt:innen, Data Scientists, ML-Engineers und technische Projektleiter:innen, die agentische Systeme nicht nur verstehen, sondern bauen und betreiben wollen.
Warum dieser Kurs – warum jetzt?
Wer heute LLM-APIs nur als Text-Generatoren nutzt, schöpft einen Bruchteil ihres Potenzials aus. Der entscheidende Hebel liegt in der Architektur drumherum: Wie verbindet man Modelle mit Tools, gibt ihnen ein verlässliches Gedächtnis, lässt sie planen und reflektieren – und betreibt das Ganze sicher, evaluierbar und kostenbewusst im Produktivbetrieb?
Genau hier setzt dieser Kurs an. Wir verzichten bewusst auf akademische Deep-Learning-Theorie und konzentrieren uns auf das, was Sie wirklich brauchen: Systemarchitektur, sauberen Code und Best Practices aus aktuellen Enterprise-KI-Deployments.
Nach zwei Tagen verstehen Sie nicht nur, wie ein Agent funktioniert – Sie haben einen selbst gebaut, evaluiert und produktionsreif gemacht.
Ihr Nutzen
Architektonische Klarheit
Sie treffen begründete Entscheidungen statt Tools blind in einen ReAct-Loop zu werfen – und wissen, wann Single-Agent reicht und wann Multi-Agent sinnvoll ist.
Sofort einsetzbarer Code
Alle Hands-on-Module liefern produktionsnahe Notebooks mit Function Calling, MCP, Hybrid-Search-RAG, LangGraph-Topologien und Eval-Harness.
Produktionsreife & Sicherheit
Sie lernen, agentische Systeme entlang der OWASP Top 10 für LLM Apps zu härten und mit LLM-as-a-Judge systematisch zu evaluieren.
Strategischer Wettbewerbsvorteil
Sie werden zur Ansprechperson für agentische KI im eigenen Team – und können Use-Cases von der Idee bis zum stabilen Betrieb begleiten.
ICE Institut für Computational Engineering
Die vier Säulen agentischer Systeme
„Ein Agent ist mehr als ein Chatbot.“ Wir betrachten und bauen Systeme entlang dieser vier Bausteine – jeder bekommt sein eigenes Modul, am Ende werden sie zu einem funktionierenden System vereint.
Für wen ist dieser Kurs gedacht?
Der Kurs richtet sich an alle, die im Alltag mit gehosteten LLMs und APIs arbeiten und produktionsnahe agentische Systeme entwerfen oder betreiben wollen.
- Software-Entwickler:innen
- Data Scientists
- ML-Engineers
- Technische Projektleiter:innen
Voraussetzungen
- Solides Python-Grundwissen (Funktionen, Klassen, Pakete, async)
- Erste Erfahrungen mit Jupyter-Notebooks, REST-APIs und JSON
- Grundverständnis moderner LLM-Schnittstellen (OpenAI, Anthropic oder Open-Source)
Eigener Laptop mit Python ≥ 3.10, Git, VS Code/Jupyter, optional Docker
Optionales Pre-Read: Wer die mathematischen Grundlagen von Transformern, Attention und Tokenisierung nachholen möchte, erhält vor Kursbeginn ein kompaktes Pre-Read-Paket (PDF + Notebooks).
Programm
Zwei Tage, acht Module, ein klarer Bogen
Jedes Modul folgt dem gleichen Rhythmus: kurze Architektur-Diskussion, Live-Demo, ausgedehnter Hands-on-Teil im Notebook und gemeinsame Reflexion.
TAG 1
Das Fundament LLMs, Tools & Long-Term Memory
TAG 2
Autonomie Planning, State & Multi-Agent Orchestration
Was Sie am Ende können
01 Die vier Säulen eines agentischen Systems sauber abgrenzen und architektonisch kombinieren
02 Eigene Tool-Anbindungen mit Function Calling, Structured Outputs und MCP entwerfen und implementieren
03 Context Engineering bewusst betreiben – Kosten und Latenz unter Kontrolle halten
04 Produktionsreife RAG-Pipelines mit Hybrid Search und Re-Ranking aufbauen
05 Begründet zwischen Plan-and-Execute und ReAct wählen und Self-Reflection integrieren
06 Multi-Agent-Topologien mit LangGraph modellieren und Premature Complexity vermeiden
07 Agenten systematisch evaluieren und nach OWASP-Top-10-Standards härten