In diesem Kapitel erfährst du, was einen erfolgreichen KI-Agenten im Produktivbetrieb ausmacht (und warum viele auf dem Weg dahin scheitern). Du lernst die wichtigsten Designprinzipien für skalierbare Agenten kennen: eine robuste Infrastruktur und geeignete Tools, eine modulare Architektur sowie kontinuierliche Evaluierungen und Feedback-Schleifen.

KI-Agenten in freier Wildbahn

Optionen

Andere Automatisierungen

KI-Agenten

(Kein) Agent?

Agentische Anwendungen

Designprinzipien für skalierbare Agenten

Modularität

Robuste Infrastruktur und Werkzeuge

Kontinuierliche Evaluation

Strategien für skalierbare Designs

Anwendungsbeispiel für die drei Säulen des skalierbaren Designs

KI-Agenten erfolgreich skalieren

Richtig skalieren

Höhere Kosten

Niedrigere Kosten

Agentische Kostenrechnung

Guardrails oder es scheitert

Skalierbare Agenten entwerfen

Du lernst zentrale Strategien kennen, die deinen Agenten ganz auf Skalierbarkeit ausrichten. Du erfährst, wie das Model Context Protocol (MCP) und das Agent-to-Agent Protocol (A2A) durch Standardisierung Skalierbarkeit ermöglichen.

Multi-Agenten-Designmuster

Vom einzelnen Agenten zum Multi-Agnten

Das Model Context Protocol (MCP)

MCP aus nächster Nähe betrachtet

MCP als Schlüssel zum Erfolg

Clients, Server und alles, was dazugehört

Das Agent-to-Agent Protocol (A2A)

Agent Cards – Schnapp sie dir alle

MCP und A2A: Freund oder Feind?

Agenten für Skalierung entwickeln

Wir sind fast bereit für den Produktivbetrieb. Vorher bauen wir ein robustes Test-Framework auf, das sicherstellt, dass der KI-Agent im Produktivbetrieb auch zuverlässig performt. Du legst eine geeignete Bereitstellungsstrategie für deinen Use Case fest und lernst, Echtzeit-Datenquellen in dein agentisches System zu integrieren.

Vom Proof-of-Concept zum Produktivbetrieb

Einen Agenten auf Herz und Nieren prüfen

Was müssen wir noch prüfen?

Schnelle und effiziente Datenaufnahme

Der Wert von Echtzeitdaten

Kontrolliert reagieren: Risiken mindern

Retry mit exponentiellem Backoff

Klare Regeln

Herzlichen Glückwunsch!

Agenten im Produktivbetrieb einsetzen

Cheat Sheet

Course Glossary

Warum schaffen es so viele agentische Systeme nicht von der Entwicklung in den Produktivbetrieb? In diesem Kurs findest du es heraus! Du lernst, wie du skalierbare KI-Agenten konzipierst und entwickelst und machst dir dabei die drei Säulen für skalierbare Agentensysteme zunutze: eine robuste Infrastruktur mit geeigneten Tools, eine modulare Architektur sowie kontinuierliche Evaluierungen und Feedback-Schleifen. Du erfährst, wie agentische Frameworks wie das Model Context Protocol (MCP) und das Agent-to-Agent Protocol (A2A) saubere und schnelle Integrationen zwischen Datenquellen und Agenten ermöglichen. Abschließend lernst du Tests und Bereitstellungsstrategien kennen, damit dein Agent echten Mehrwert liefert.

Die Videos enthalten Live-Transkripte, die du über „Transkript anzeigen“ unten links im Video aufrufen kannst.

Das Kursglossar findest du rechts im Bereich „Ressourcen“.

Um CPE-Credits zu erhalten, musst du den Kurs abschließen und im Assessment mindestens 70 % erreichen. Zum Assessment gelangst du, indem du rechts auf die Angabe zu den CPE-Credits klickst.

<h2>Entwerfen und Entwickeln von Agenten für die Skalierung</h2>
Lerne, wie du KI-Agenten mit Blick auf Skalierbarkeit entwirfst und entwickelst, indem du die drei Säulen der Skalierbarkeit von Agenten befolgst: Modularität, Robustheit und Anpassungsfähigkeit. Finde heraus, was einen erfolgreichen Agenten in der Produktion ausmacht und warum es so vielen schwerfällt, das zu schaffen.<br><br><h2>Entdecke die Vorteile von MCP und A2A</h2>
Das von Anthropic entwickelte Model Context Protocol (MCP) hat die Interoperabilität von Agenten total verändert und einen einheitlichen Ansatz geschaffen, um Agenten mit Datenquellen zu verbinden. Das von Google entwickelte Agent-to-Agent-Protokoll (A2A) ergänzt MCP. Schau dir an, wie du diese beiden Frameworks kombinieren kannst, damit die Integrationen deines Agenten skalierbar sind.<br><br><h2>Best Practices für das Testen und Bereitstellen von Agenten umsetzen</h2>Bevor du auf den großen roten Knopf drückst und deinen Agenten in die Produktion schickst, musst du die Risiken, die mit der Skalierung einhergehen, minimieren. Lerne, wie du ein robustes Test-Framework aufbaust, um Probleme mit Komponenten, Integrationen, Leistung und Sicherheit zu erkennen. Entscheide dich anhand der Anforderungen des Anwendungsfalls, welcher Bereitstellungstyp für deinen Agenten der richtige ist.

Introduction to AI Agents

Erfahren Sie, wie man KI-Agenten mit Frameworks wie MCP und A2A skaliert.

Skalierbare agentische Systeme entwickeln

Finde heraus, was nötig ist, um KI-Agenten zu skalieren, mit ein bisschen Hilfe von Frameworks wie MCP und A2A.

KI-Agent-Grundlagen

➗ Aufteilen der Nutzeraufgabe in abgegrenzte *Teilaufgaben* für Sub-Agenten

🖥️ Gewährleisten, dass Rechen- und Speicherressourcen dem Traffic entsprechend skaliert werden

🧪 Hinzufügen von Logging und Tracking für zentrale Komponenten und Prozesse

Strategien für skalierbare Designs

Interaktive praktische Übung