tecnovy AI Agentic AI Engineering

Am Ende dieser zwei Tage läuft ein Agent, den du selbst gebaut hast: von einer einfachen ReAct-Schleife bis zu einem System, das externe Tools aufruft, Zustand verwaltet und in einer Cloud-Sandbox arbeitet. Dazwischen entscheidest du, wann sich ein Agent überhaupt lohnt, wie du ihn mit Guardrails und Logging absicherst und woran du misst, ob er wirklich funktioniert. Am Ende gehört dir der Code, samt der Architekturentscheidungen dahinter.

Teilnahmezertifikat4,8/5 bei ProvenExpert

Was dieses Modul leistet.

Für Entwickler:innen und Architekt:innen, die Agenten produktiv einsetzen wollen. Du verlässt die zwei Tage mit eigenem Code, einer belastbaren Architekturentscheidung und Kriterien gegen Überkonstruktion. Dein Team kann beurteilen, welche Aufgaben sich agentisch lohnen.

So läuft das Training

Methode: Abwechselnd Theorie und Labs an einem eigenen Agenten
Grundlage: tecnovy Curriculum, kein externer Zertifizierungsstandard
Abschluss: tecnovy Teilnahmezertifikat, keine externe Prüfung

Termine & Buchung

Passenden Termin wählen

Aktuell sind keine öffentlichen Termine ausgeschrieben.

Neue Termine werden laufend veröffentlicht. Lass dich vormerken oder plane ein Inhouse-Training für dein Team.

Inhouse-Training anfragen

Passung

Für wen das Modul gedacht ist

Typische Rollen

Du entwickelst Anwendungen mit Sprachmodellen und stößt an die Grenzen einfacher Prompts.
Du entwirfst Architekturen und musst entscheiden, ob ein Agent die richtige Lösung ist.
Du verantwortest den sicheren Betrieb von KI-Diensten inklusive Logging und Guardrails.

Voraussetzungen

Keine Voraussetzungen

Du kannst direkt einsteigen. Mitbringen: Grundlagen in Softwareentwicklung und Python, eigener Laptop mit lauffähiger Python-Umgebung. Hilfreich: Erfahrung mit KI-Technologien oder Cloud-Plattformen.

Stattdessen geeignet KI-Praxis & Management Zwei Tage KI-Einordnung ohne Programmieranteil, für Entscheidung statt Umsetzung.

Lehrplan

Agentic AI Engineering Kurs im Detail

Sieben Blöcke über zwei Tage, von den Grundlagen agentischer Systeme bis zu Multi-Agent-Mustern. Theorie und Labs wechseln sich ab, und der Agent, den du baust, wächst über die Blöcke hinweg mit.

01Grundlagen agentischer KI

Der Einstieg trennt Agenten sauber von dem, was schon da war.

Abgrenzung zu Chatbots und klassischen RAG-Anwendungen
Planen, Entscheiden, Handeln als die drei Bausteine
Zustand, Speicher und Werkzeugzugriff im Überblick

02Business Cases & Entscheidungskriterien

Hier entscheidest du, ob ein Agent die Aufgabe überhaupt verdient.

Aufgabenklassen, die sich agentisch lohnen, und solche, die es nicht tun
Kosten, Latenz und Fehlertoleranz als Auswahlkriterien
Wann ein einfacher Workflow die bessere Lösung ist

03Reasoning & Planungsmuster

Dieser Teil führt die Muster ein, auf denen alles Weitere aufbaut.

ReAct als Grundschleife aus Denken und Handeln
Tool-Calling und strukturierte Ausgaben
Multi-Step-Reasoning und Aufgabenzerlegung

04Architektur & Orchestrierung

Jetzt wird aus dem Muster ein System mit Schnittstellen.

Single-Agent- und Multi-Agent-Architekturen im Vergleich
Orchestrierung von Workflows mit Cloud- und Open-Source-Diensten
Anbindung externer Tools, APIs und Datenquellen

05Implementierung in der Praxis

Der längste Lab-Block: dein Agent bekommt Werkzeuge und Gedächtnis.

Schrittweiser Aufbau vom einfachen Agenten zum Tool-Nutzer
Memory und Zustandsverwaltung implementieren
Betrieb in einer Sandbox-Cloud-Umgebung

06Evaluation, Monitoring & Optimierung

Hier klärst du, woran du erkennst, dass der Agent taugt.

Metriken für agentische Systeme jenseits der Antwortqualität
Monitoring von Werkzeugaufrufen, Kosten und Latenz
Systematisches Optimieren statt Prompt-Raten

07Sicherheit, Governance & Advanced Patterns

Der Abschluss macht den Agenten betriebsreif.

Guardrails, Logging und Red Teaming gegen Missbrauch
Agentic RAG und Human-in-the-Loop als Kontrollmuster
Multi-Agent-Orchestrierung und multimodale Agenten

Ergebnis

Was du anschließend leisten kannst

01
Du entscheidest begründet, welche Aufgaben agentisch zu lösen sind und welche nicht.
02
Du wendest Agent-Patterns wie ReAct, Tool-Calling und Multi-Step-Reasoning an.
03
Du entwirfst Architekturen für Single-Agent- und Multi-Agent-Systeme.
04
Du baust einen lauffähigen Agenten mit Python und bindest externe Tools und APIs an.
05
Du evaluierst ein agentisches System und optimierst es entlang von Latenz und Kosten.
06
Du sicherst Agenten mit Guardrails, Logging und Red Teaming ab.
07
Du setzt Agentic RAG, Human-in-the-Loop und multimodale Agenten dort ein, wo sie tragen.

tecnovy Teilnahmezertifikat

Bestätigt deine Teilnahme und die im Training behandelten Lehrplaninhalte. Ausgestellt von tecnovy, teilbar auf LinkedIn.

Certificate Showroom öffnen tecnovy →

Warum tecnovy

Was du bei uns oben drauf bekommst

No Slideshow, Hands-On!

Versprochen: keine PowerPoint-Schlacht. Wir arbeiten in Gruppen, verknüpfen Theorie mit Praxis, und du bekommst Praxisbeispiele unserer erfahrenen Trainer sowie den Austausch mit Gleichgesinnten.

Certificate Showroom

Hol dir dein Teilnahmezertifikat und verbinde es, falls vorhanden, mit deinem Prüfungszertifikat. Vollautomatisiert, schön gestaltet. Nur für dich, nur bei tecnovy.

Flexible Umbuchung

Falls du mal kurzfristig verhindert sein solltest, kannst du deine Schulung bis eine Woche vor Trainingsbeginn kostenlos umbuchen.

Doppelt hält besser

Gerne darfst du innerhalb eines Jahres die Schulung nochmals online als Refresher besuchen.

Lerne von Experten

Wir garantieren dir stets den Einsatz von didaktisch und methodisch erstklassig qualifizierten Trainern, die ihr Wissen sowohl aus Trainingserfahrung als auch beruflicher Praxis- und Projekterfahrung beziehen.

FAQs

Häufige Fragen

01Gibt es eine Zertifizierungsprüfung am Ende?

Nein, und zwar aus einem sachlichen Grund: Für Agentic AI gibt es bislang keine etablierte internationale Zertifizierungsstelle. Die tecnovy Schulung setzt stattdessen auf nachweisbare Praxis und schließt mit einem Teilnahmezertifikat ab.

02Baue ich während der Schulung einen funktionierenden Agenten?

Ja. Du beginnst mit einer einfachen ReAct-Schleife und erweiterst sie schrittweise um Tool-Aufrufe, Memory und eine Sandbox-Umgebung. Der Code gehört dir und lässt sich für eigene Projekte weiterverwenden.

03An welchen Anbieter bindet mich der Kurs?

An keinen. Die Labs laufen mit Python, verbreiteten Open-Source-Frameworks und Cloud-Diensten auf Azure. Die Muster und Entscheidungskriterien gelten genauso für andere LLM-Anbieter und Clouds.

04Welche Vorkenntnisse brauche ich wirklich?

Grundlagen in Softwareentwicklung und Python sind nötig, weil du in den Labs selbst programmierst. Erfahrung mit KI oder Cloud-Plattformen hilft, ist aber kein Muss.

05Werden Multi-Agent-Systeme behandelt?

Ja. Der fortgeschrittene Teil behandelt Multi-Agent-Orchestrierung, Agentic RAG, Human-in-the-Loop und multimodale Agenten, jeweils mit der Frage, wann ein einzelner Agent die bessere Wahl bleibt.

06Worin unterscheidet sich Agentic AI von RAG oder einem Chatbot?

Ein agentisches System führt mehrere Schritte aus, ruft Werkzeuge auf, greift auf Zustand zu und passt sein Vorgehen an Zwischenergebnisse an. Ein Chatbot antwortet, eine RAG-Anwendung sucht und antwortet; ein Agent handelt.

07Lässt sich die Schulung auf unseren Stack zuschneiden?

Ja. tecnovy passt Inhouse-Durchführungen an euren Technologie-Stack und eure Anwendungsfälle an, sodass die Labs auf euren eigenen Systemen aufsetzen.

Wie sieht deine Schulung bei tecnovy aus?

Agentic AI Engineering

Noch keine Termine

Wir merken dich vor, sobald der nächste Termin geplant ist.