Kursbeschreibung
Wenn ein KI-Agent in Produktivsystemen Aktionen ausführen darf, brauchst Du mehr als gute Prompts. In diesem Seminar entwickelst Du Custom KI-Agents mit der OpenAI Assistants API und baust sie so, dass sie nachvollziehbar, testbar und sicher sind. Du verstehst die Bausteine Threads, Runs und Messages und entwickelst eine Kontextstrategie, die auch bei längeren Interaktionen stabil bleibt. Du definierst Output-Formate, damit Ergebnisse nicht nur lesbar, sondern auch zuverlässig automatisierbar sind. Anschließend setzt Du Tool-Calling um und lernst, wie Du Functions so modellierst, dass der Agent präzise Parameter liefert. Du behandelst typische Praxisprobleme: Tool-Auswahl, Timeouts, Retries, Fallbacks und die Kontrolle von Nebenwirkungen. Beim Wissenszugriff (RAG) geht es um belastbare Antworten: Du strukturierst Inhalte mit Chunking und Metadaten, nutzt Filter und Query-Rewriting und machst Unsicherheit transparent, statt sie zu kaschieren. Sicherheit und Compliance sind fest integriert: Du erkennst Prompt-Injection-Muster, schützt PII und Secrets, begrenzt Rechte und setzt Human-in-the-Loop für kritische Schritte. Zum Abschluss baust Du eine Evaluations- und Betriebsroutine: Tracing, Qualitätsmetriken, Golden Sets, Regression-Checks, Kostenkontrolle und Deployment mit Versionierung und Rollback. Damit kannst Du Agents als Service produktiv betreiben und iterativ erweitern.
Die wichtigsten Themen im Überblick
- KI-Agents mit der OpenAI Assistants API praxisnah bauen
- Threads, Runs und Messages für stabile Agent-Logik nutzen
- Tool-Calling und Functions mit robusten Schemas umsetzen
- RAG mit Chunking, Metadaten und Quellenangaben integrieren
- Agents mit Guardrails gegen Prompt-Injection absichern
- PII-Checks und Least-Privilege für sichere Workflows planen
- Agent-Qualität, Halluzinationen und Kosten systematisch testen
- Agent-Services mit Logs, Alerts und SLOs zuverlässig betreiben
Zielgruppe
- Softwareentwicklerinnen und Softwareentwickler, die Agents in Produkte integrieren
- AI Engineers und Data Engineers mit Verantwortung für RAG und Tool-Integrationen
- Solution Architects und Tech Leads, die Agent-Architekturen bewerten
- DevOps- und Platform-Teams, die Betrieb und Observability aufbauen
- Alle, die KI-Agents zuverlässig in Prozesse bringen wollen
Voraussetzung für die Schulung
- Grundverständnis von REST-APIs und JSON; Programmiererfahrung ist hilfreich.
- Basiswissen zu LLMs (Prompts, Tokens) erleichtert den Einstieg.
Kursinhalte
- Agent-Architektur mit der Assistants API
- Threads, Runs, Messages: was wirklich passiert
- Agent-Design: Rollen, Ziele, Grenzen
- Kontextstrategie: kurz, lang, wiederverwendbar
- Antwortqualität: Struktur, Ton, Output-Formate
- Tool-Calling, Functions und Workflows
- Function Schemas: robuste Inputs und Outputs
- Tool-Auswahl: wann Agent, wann Workflow
- Fehlerfälle: Retries, Timeouts, Fallbacks
- Idempotenz und Nebenwirkungen kontrollieren
- Retrieval und Wissenszugriff (RAG)
- Dokumente vorbereiten: Chunking und Metadaten
- Relevanz steigern: Query-Rewriting, Filters
- Antworten belegen: Quellen, Zitate, Nachvollziehbarkeit
- Wissenslücken erkennen und sauber eskalieren
- Guardrails, Sicherheit und Compliance
- Prompt-Injection: typische Muster und Abwehr
- Policy-Checks: PII, Secrets, Datenklassifizierung
- Least-Privilege für Tools und Datenzugriff
- Human-in-the-Loop für kritische Aktionen
- Evaluation, Debugging und Betrieb
- Tracing: Runs nachvollziehen und analysieren
- Qualitätsmetriken: Genauigkeit, Halluzinationen, Kosten
- Testfälle: Golden Sets und Regression-Checks
- Deployment-Patterns: Versionierung und Rollback
- Produktisierung: vom Prototyp zum Agent-Service
- API-Design: Agent als Service, Multi-Tenant
- Rate Limits, Budgetierung und Kostenkontrolle
- Observability: Logs, Alerts, SLOs
- Roadmap: Erweiterungen mit klaren Risiken
