Seminar Agentic AI Engineering – Grundlagen und erste produktionsnahe Agenten

Das Grundlagenseminar führt von einem klar abgegrenzten Anwendungsfall zu einem ersten Agenten, der strukturierte Werkzeuge nutzt und seine Schritte nachvollziehbar macht. Architektur, Prompt- und Kontextgestaltung werden direkt mit Sicherheits- und Qualitätsanforderungen verbunden. Die Teilnehmenden können einen begrenzten Agentenworkflow implementieren, typische Fehlannahmen erkennen und anhand von Tests entscheiden, ob eine agentische Lösung überhaupt sinnvoll ist.

Einordnung und Nutzen

Agentische Systeme verbinden probabilistische Modellentscheidungen mit deterministischen Softwarekomponenten. Deshalb behandelt das Seminar Architektur, Implementierung, Sicherheitsgrenzen und überprüfbare Qualität gemeinsam. Technische Entscheidungen werden an realistischen Fehlerszenarien und nicht nur am erfolgreichen Idealablauf bewertet.

Zielgruppe

Softwareentwickler, Data Scientists, Automatisierungsteams und technische Product Owner mit Einstieg in Agentic AI.

Voraussetzungen

Grundlegende Programmiererfahrung und API-Verständnis; keine Agenten- oder Frameworkkenntnisse erforderlich.

Seminarinhalte

• Agentische Aufgaben von Chat, RAG und deterministischen Workflows abgrenzen
• Ziel, Zustandsmodell, Stop-Bedingungen und Erfolgskriterien formulieren
• Modellzugriff, Systemanweisung und strukturierte Ausgaben
• Werkzeuge mit klaren Schemas implementieren und aufrufen
• Kontext auswählen, Sitzungsstatus führen und Tokenbudget steuern
• Plan-Act-Observe-Schleifen begrenzen und Fehler behandeln
• Guardrails, Berechtigungen und Bestätigungen einbauen
• Traces lesen und einfache Evaluationsfälle automatisieren

Praxisprojekt

In einem geführten Projekt entsteht ein Agent für eine realistische Fachaufgabe. Er nutzt zwei kontrollierte Werkzeuge, verwaltet Sitzungszustand, protokolliert Entscheidungen und wird mit Positiv-, Fehler- und Missbrauchsfällen geprüft.

Lernziele

Die Teilnehmenden können einen begrenzten Agentenworkflow implementieren, typische Fehlannahmen erkennen und anhand von Tests entscheiden, ob eine agentische Lösung überhaupt sinnvoll ist. Außerdem können die Teilnehmenden Architekturentscheidungen begründen, typische Fehlerbilder diagnostizieren und geeignete Tests sowie Kontrollpunkte für den eigenen Einsatzkontext festlegen.

Arbeitsweise

Kurze Theorieblöcke wechseln mit Demonstrationen, Entwurfsaufgaben und Übungen am System. Zwischenergebnisse werden gemeinsam überprüft; Alternativen, Grenzen und betriebliche Auswirkungen werden transparent diskutiert. Das Praxisprojekt verbindet die Einzelthemen zu einer konsistenten Lösung.