Kursbeschreibung
In diesem Seminar entwickelst Du Multi-Agenten-Systeme als Engineering-Aufgabe: mit klaren Schnittstellen, überprüfbaren Ergebnissen und Betriebskonzept. Du startest mit dem Fundament: Begriffe, Architekturbausteine und typische Agenten-Topologien. Du lernst, wie Kommunikationsmuster und Zustandsmodelle die Zuverlässigkeit bestimmen, und warum ein sauberer State-Ansatz häufig wichtiger ist als immer größere Prompts. Im Kernteil erarbeitest Du ein Rollen- und Workflow-Design. Du definierst Agentenrollen wie Researcher, Planner, Executor und Critic, legst Verantwortlichkeiten fest und setzt Prompt-Contracts ein, die Ausgaben formalisieren. Du zerlegst Aufgaben in Schritte mit Akzeptanzkriterien, damit die Agentenarbeit messbar wird. Danach integrierst Du Tools über Function Calling: Du entwirfst robuste Parameter, Validierungen und Fehlermeldungen, und bindest RAG als Tool ein, um Informationen aus Dokumenten oder Wissensbasen nachvollziehbar zu nutzen. Für Stabilität und Skalierung behandelst Du Orchestrierung: Hand-offs, Delegation, Koordination, Voting, sowie Retries und Abbruchkriterien. Du lernst, wie Du Kosten und Latenz steuerst und wie Du mit Tracing und Logging Debugging beschleunigst. Abschließend geht es um Security und Compliance: Prompt Injection, Berechtigungen, least privilege, PII-Handling und sinnvolle Aufbewahrung von Logs. Damit kannst Du Multi-Agenten-Workflows in Produktivprozesse überführen, ohne die Kontrolle zu verlieren.
Die wichtigsten Themen im Überblick
- Multi-Agent-Systeme mit klarer Architektur planen
- Agenten-Rollen, Prompts und Aufgaben sauber definieren
- Tool-Use mit APIs, RAG und Function Calling umsetzen
- Agent-Workflows mit Hand-offs und Delegation orchestrieren
- Zustände, Memory und Kommunikation zuverlässig steuern
- Guardrails, Retries und Abbruchkriterien praxisnah einsetzen
- Qualität mit Golden Sets, Rubrics und Tracing testen
- Daten vor Prompt Injection und Abfluss wirksam schützen
Zielgruppe
- Softwareentwicklerinnen und Softwareentwickler, die Agent-Workflows implementieren
- Machine-Learning- und Data-Teams mit LLM-Projekten
- IT-Architektinnen und IT-Architekten für KI-Systemdesign
- Product Ownerinnen und Product Owner für KI-gestützte Prozesse
- Für alle, die Multi-Agenten-Systeme aufbauen und in reale Abläufe bringen wollen
Voraussetzung für die Schulung
- Grundverständnis von APIs und Softwarearchitektur
- Erfahrung mit LLM-Prompts oder KI-Anwendungen ist hilfreich, aber nicht zwingend
Kursinhalte
- Grundlagen & Architektur von Multi-Agenten-Systemen
- Agent, Tool, Memory, Environment: saubere Begriffe
- Single-Agent vs. Multi-Agent: wann lohnt es sich wirklich
- Agenten-Topologien: Supervisor, Swarm, Hierarchie, Debatte
- Kommunikationsmuster: Nachrichten, Protokolle, Zustände
- Rollen, Prompts & Aufgabenzerlegung
- Rollen-Design: Planner, Executor, Critic, Researcher
- Task Decomposition: Ziele, Teilziele, Akzeptanzkriterien
- Prompt-Contracts: Inputs, Outputs, Constraints
- Fehlerresistenz: Guardrails, Abbruchkriterien, Retries
- Tool-Use & Integrationen
- Function Calling: Schnittstellen und Parameter-Design
- RAG als Tool: Retrieval, Quellen, Zitierfähigkeit
- APIs und Systeme: Tickets, CRM, Datenbanken, Files
- Sandboxing und Berechtigungen: least privilege
- Orchestrierung & Zustandsmanagement
- State Machines und Workflow-Modelle für Agenten
- Shared Memory vs. private Memory
- Koordination: Hand-offs, Delegation, Voting
- Idempotenz und deterministische Schritte
- Qualität, Tests & Observability
- Evaluation: Golden Sets, Rubrics, Regression-Tests
- Tracing: Prompt/Tool-Aufrufe nachvollziehen
- Halluzinations- und Risiko-Checks
- Kosten- und Latenzsteuerung
- Security, Compliance & Betrieb
- Prompt Injection und Datenabfluss verhindern
- PII-Handling, Logging-Strategien, Aufbewahrung
- Deployment-Optionen: Cloud, On-Prem, Hybrid
- Runbooks: Monitoring, Incident-Handling, Rollback
