Finde heraus, was einen erfolgreichen KI-Agenten im Produktivbetrieb ausmacht (und warum viele auf dem Weg dorthin scheitern!). Lerne die wichtigsten Designprinzipien für agentische Systeme kennen, um deine Agenten auf Skalierung vorzubereiten – darunter robuste Infrastruktur und Tooling, modulare Architektur sowie kontinuierliche Evaluation und Feedback-Schleifen.

AI-Agents in freier Wildbahn

Agent oder nicht Agent

Agentische Anwendungen

Designprinzipien für skalierbare Agenten

Strategien für skalierbares Design

Die Säulen skalierbaren Designs durchsetzen

Wie KI-Agenten skalieren (und scheitern)

Nicht scheitern beim Skalieren!

Agentisches Accounting

Guardrails oder es scheitert

Skalierbare Agenten entwerfen

Lerne zentrale Strategien kennen, damit dein Agent von Anfang an mit Blick auf Skalierbarkeit entwickelt wird. Erfahre, wie das Model Context Protocol (MCP) und das Agent-to-Agent-Protokoll (A2A) durch Standardisierung Skalierung ermöglichen.

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?

Agenten für Skalierbarkeit entwickeln

Bereit für die Produktion – aber nicht überstürzen! Baue ein robustes Test-Framework auf, das dir Vertrauen gibt, dass der KI-Agent auch im Produktivbetrieb zuverlässig arbeitet. Wähle die beste Deployment-Strategie für deinen Use Case und lerne, wie du Echtzeitdatenquellen in dein agentisches System integrierst.

Vom Proof of Concept bis zur Produktion

Einen Agenten robust testen

Was ist noch zu prüfen?

Schnelle und effiziente Datenaufnahme

Der Wert von Echtzeitdaten

Elegantes Scheitern: Risiken mindern

Wiederholen mit exponentiellem Backoff

Gesetze aufstellen!

Glückwunsch!

Agenten in großem Maßstab produktiv einsetzen

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

Skalierbare agentische Systeme entwickeln

Interaktive Übung