Agentic AI: The New Software Paradigm
Dieser Kurs führt in das aufkommende Paradigma der Agentic AI ein – Systeme, die über einfache Automatisierung hinausgehen und adaptives, autonomes sowie zielgerichtetes Verhalten zeigen. Du lernst, wie diese Systeme aufgebaut sind und welche Komponenten (LLMs, Speicher, Context Engineering, agentischer Kontrollfluss, Tools) zuverlässige Agenten für die reale Anwendung möglich machen.
Überblick
Dieser Kurs untersucht, wie sich moderne KI-Systeme von „Text-in/Text-out“-Prompting hin zu vollwertigen agentischen Systemen entwickeln, die planen, Handlungen ausführen, mit ihrer Umgebung interagieren und Arbeitsabläufe koordinieren können. Im Rahmen des Kurses entwickelst du ein klares mentales Bild agentischer Architekturen – einschließlich LLM-Grundlagen, Speicher, Context Engineering, Tool-Nutzung und Multi-Agenten-Mustern – und verknüpfen diese Konzepte mit heutigen Plattformen und Frameworks sowie mit Methoden, die das Verhalten von Agenten messbar und kontinuierlich verbesserbar machen (Evaluationen, Observability, Fine-Tuning, Distillation).
Welche Inhalte erwarten mich?
- Grundlagen der Agentic AI und Unterschiede zu bisherigen KI- und Automatisierungssystemen
- Agentische Architektur: Kontrollfluss, Entscheidungszyklen und Speicher (Kurzzeitkontext + langfristige Retrieval-Mechanismen)
- Context Engineering + Tools + Codeausführung als zentrale Bausteine realer agentischer Workflows
- Multi-Agenten-Systeme: Rollen und Koordinationsmuster; Frameworks wie AutoGen/CrewAI und das breitere Ökosystem
- Agenten bereitstellen, evaluieren und verbessern: lokale Modelle, Evaluationen, Observability, Fine-Tuning und Distillation
Was werde ich erreichen?
Am Ende des Kurses werden die Teilnehmenden in der Lage sein:
• zu erklären, was Agentic AI ist und wie sie sich von früheren KI-Systemen und traditionellen Softwareansätzen unterscheidet.
• die Kernarchitektur agentischer Systeme (Context Engineering, Speicher und agentischer Kontrollfluss/Orchestrierung, etc.) zu beschreiben.
• Fähigkeiten und Anwendungsfälle autonomer und Multi-Agenten-Systeme zu identifizieren und zu verstehen, wie sie reale Workflows ermöglichen.
• die notwendige Engineering-Disziplin für zuverlässige Agenten zu verstehen: Evaluation, Observability und kontinuierliche Verbesserung (einschließlich Fine-Tuning/Distillation).
• die breiteren Auswirkungen agentischer Systeme auf Produkte, Workflows, Branchen und die Zukunft von KI-Assistenten/Orchestrierung zu erkennen.
Welche Voraussetzungen benötige ich?
Grundlegende Kenntnisse in KI/ML oder Large Language Models sind empfohlen, aber nicht erforderlich; der Kurs vermittelt zentrale Konzepte auf verständliche und strukturierte Weise sowohl für Teilnehmende mit technischem als auch ohne technischen Hintergrund.
Das zugrunde liegende Vorhaben wurde mit Mitteln des Bundesministeriums für Forschung, Technologie und Raumfahrt unter dem Förderkennzeichen »KI-Servicezentrum Berlin-Brandenburg« 16IS22092 gefördert. Die Verantwortung für den Inhalt dieser Seite liegt beim Autor.
