Discover what makes a successful AI agent in production (and how many of them fail on the way!) Learn about the key agentic design principles to set up your agents for scaling, including robust infrastructure and tooling, modular design architecture, and continuous evaluation and feedback loops.

AI Agents in the Wild

To agent or not to agent

Agentic applications

Design Principles for Scalable Agents

Strategies for scalable design

Enforcing the pillars of scalable design

How AI Agents Scale (and Fail)

Don't fail when you scale!

Agentic accounting

Guardrails or it fails

Designing Scalable Agents

Learn about key strategies to ensure that your agent is being developed with scalability in mind. Gain insights into how the Model Context Protocol (MCP) and the Agent-to-Agent protocol (A2A) enable scalability through standardization.

Entwurfsmuster für Multi-Agenten-Systeme

Der Sprung von Single- zu Multi-Agenten

Optionen

Network Multi-Agent

Supervisor Multi-Agent

Multi-Agent-Designmuster

Das Model Context Protocol (MCP)

MCP kennenlernen

MCP ist der MVP

Clients, Server und alles dazwischen

Das Agent-to-Agent (A2A) Protocol

Agentenkarten – Muss ich alle haben

MCP und A2A: Freund oder Feind?

Developing Agents for Scalability

Time for production, but not so fast! Build a robust testing framework to give you confidence that the AI agent will continue to perform in production. Choose the best deployment strategy for your use case, and learn how to integrate real-time data sources with your agentic system.

From Proof-of-Concept to Production

Robustly testing an agent

What's left to check?

Fast and Efficient Data Ingestion

The value of real-time data

Failing Gracefully: Mitigating Risks

Retry with exponential backoff

Laying down the law!

Congratulations!

Deploying Agents into Production at Scale

Cheat Sheet

Course Glossary

Warum schaffen es so viele agentische Systeme nicht von der Entwicklung in den produktiven Einsatz? In diesem Kurs findest du es heraus! Lerne, wie du KI-Agenten mit Blick auf Skalierbarkeit entwirfst und entwickelst – entlang der drei Säulen agentischer Skalierbarkeit: robuste Infrastruktur und Tooling, modulare Architektur sowie kontinuierliche Evaluation und Feedback-Schleifen. Du erfährst, wie agentische Frameworks wie das Model Context Protocol (MCP) und das Agent-to-Agent-Protokoll (A2A) sauberere und schnellere Integrationen zwischen Datenquellen und Agenten ermöglichen. Abschließend lernst du Tests und Deployment-Strategien kennen, mit denen dein Agent echten Mehrwert liefert.

Die Videos enthalten Live-Transkripte, die du über „Show transcript“ unten links im Video einblenden kannst.

Das Kursglossar findest du rechts im Bereich „Resources“.

Um CPE-Credits zu erhalten, musst du den Kurs abschließen und in der qualifizierten Bewertung mindestens 70 % erreichen. Du gelangst zur Bewertung, indem du rechts auf den CPE-Credits-Hinweis 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

Ein Standard-Startagent muss gewählt werden

Nur ein Agent kann auf die Nutzereingaben antworten

Worker-Agents arbeiten isoliert voneinander

Ein Agent delegiert Aufgaben an die anderen

Multi-Agent-Designmuster

Interaktive praktische Übung