KI-Agenten entwickeln mit LangGraph und CrewAI (Machine Learning in der Praxis)

KI-Agenten entwickeln mit LangGraph und CrewAI (Machine Learning in der Praxis).

MODUL 01: GRUNDLAGEN AGENTISCHER SYSTEME

• Vom Chatbot zum Agenten: ReAct, Planning und Tool Use
• Architekturmuster: Single Agent, Multi-Agent, Supervisor-Pattern
• Wann Agenten die falsche Lösung sind: Kosten, Latenz, Zuverlässigkeit
• Der mentale Wechsel vom Prompt zum autonomen Ablauf
• Ihre Zielsetzung: Was soll Ihr Agent am Ende können?

MODUL 02: ERSTE AGENTEN MIT LANGGRAPH

• Graphen, Nodes und State: das LangGraph-Programmiermodell
• Tools anbinden: Funktionen, APIs und Datenbanken
• Übung: Sie bauen einen Recherche-Agenten mit Websuche und Zusammenfassung
• Debugging: warum der Agent tut, was er tut
• Der Aha-Moment: der erste Agent löst eine echte Aufgabe

MODUL 03: MULTI-AGENTEN-SYSTEME MIT CREWAI

• Rollen, Aufgaben und Delegation: das Crew-Konzept
• Agenten-Kommunikation und Ergebnisübergabe
• Übung: Sie bauen eine Crew für automatisierte Marktanalysen
• Wann mehrere Agenten besser sind als einer
• Zusammenspiel orchestrieren statt Chaos erzeugen

MODUL 04: ANBINDUNG AN DIE UNTERNEHMENS-IT

• Model Context Protocol (MCP): standardisierte Tool-Integration
• RAG für Agenten: Unternehmenswissen als Werkzeug
• Memory-Konzepte: Kurz- und Langzeitgedächtnis
• Übung: Sie geben Ihrem Agenten Zugriff auf eine Wissensquelle
• Sicherheit bei Tool-Zugriffen von Anfang an

MODUL 05: QUALITÄT, SICHERHEIT UND BETRIEB

• Agenten evaluieren: Trajectory Evaluation und LLM-as-a-Judge
• Guardrails: Berechtigungen, Budgets, Prompt-Injection-Abwehr
• Observability: Tracing mit LangSmith und Co
• Abschlussprojekt: ein produktionsreifer Agent für einen eigenen Use Case
• Ihr Weg vom Prototyp in den Betrieb