Entwickler:in für KI-Agenten und Automatisierungen 

Dieses Modul schafft ein Grundverständnis für KI-Automatisierung und Agenten-Systeme. Du lernst, Agenten von klassischen Automationen zu unterscheiden, die Grundlagen von LLMs zu verstehen und verschiedene Tools sowie Plattformen zu bewerten. Im Fokus steht die Stärkung deiner Beratungskompetenz bei der strategischen Entscheidung für oder gegen eine agentische Lösung.

Inhalte:

• Unterschiede zwischen KI-Agenten und klassischen Automatisierungen und deren Nutzungsszenarien
• Überblick über KI-Tools für Agenten (z.B. Text, Bild, Audio, Video, Recherche)
• LLM-Grundlagen: Aufbau, Token-Fenster und Modellvergleich
• Vergleich von Automatisierungsplattformen (z.B. n8n, Make, Zapier)
• Bewertungskriterien zur Plattformwahl (z.B. Kosten, Hosting, KI-native Funktionen)
• Strategische Bewertung: Kriterien für die Entscheidung „Automation oder Agent“

In diesem Modul wird tiefer in eine der weitverbreitetsten Automatisierungsplattformen eingestiegen. Du richtest die Umgebung ein, verstehst die Kernkonzepte des visuellen Programmierens und wirst befähigt, komplexere, logikgesteuerte Automatisierungen zu implementieren. Dabei stärkst du deine Fähigkeit zur prozeduralen Abstraktion und zur systematischen Fehleranalyse.

Inhalte:

• Einrichtung und Konfiguration der Automatisierungsplattform (Cloud vs. Self-Hosting)

• Navigation und Verständnis der Benutzeroberfläche

• Kernkonzepte: Workflows, Nodes, Verbindungen und Datenfluss (JSON-Struktur)

• Nutzung von Trigger-Nodes (z.B. Manuell, Zeitpläne/Scheduler, Webhooks, Chat-Trigger)

• Programmsteuerung und Logik: Bedingungen, Weichen und Schleifen

• Modulare Workflows: Nutzung von Sub-Workflows (inkl. Merge & Call)

• Methoden zur Fehleranalyse und Debugging (z.B. Execution Log und Dateninspektion)

• Nutzung von Community-Ressourcen und Template-Vorlagen

Dieses Modul schafft ein fundiertes Verständnis für die Kommunikation zwischen Systemen via APIs. Du erlernst die Konzepte von Webservices und die Fähigkeit, externe Datendienste sicher anzubinden. Im Mittelpunkt steht die Stärkung deiner Kompetenz im Umgang mit Datenstrukturen (JSON), Authentifizierungsmethoden und robuster Fehlerbehandlung.

Inhalte: 

• Grundlagen der API-Kommunikation (z.B. REST/HTTP-Methoden, Status-Codes)

• Überblick über gängige Datenformate (z.B. JSON)

• Authentifizierungsmethoden (z.B. API-Keys, OAuth2)

• Verwaltung von Zugangsdaten und API-Keys (inkl. Speicherung und Rotation)

• Implementierung einer robusten API-Kommunikation (inkl. Fehlerbehandlung, Retry-Logik, Rate-Limiting)

• Nutzung von Webhooks zur Workflow-Auslösung durch externe Systeme

• Analyse und Verständnis von API-Dokumentationen für benutzerdefinierte Integrationen

Im Fokus dieses Moduls steht die Integration von Large Language Models (LLMs) in automatisierte Prozesse. Du lernst, KI-Dienste zur Analyse, Generierung und Transformation von Daten zu nutzen. Du entwickelst ein tiefes Verständnis für effektives Prompt Engineering und die Fähigkeit, LLM-Outputs zu strukturieren und prozesssicher weiterzuverarbeiten.

Inhalte:

• Anbindung von KI-Diensten über dedizierte Nodes und APIs (z.B. OpenAI, Google, Anthropic)

• Differenzierung des Prompt Engineering: System Prompts vs. User Prompts

• Best Practices zur Formulierung klarer und effektiver Anweisungen in Prompts

• Steuerung von LLM-Ausgaben durch Formatvorgaben (z.B. JSON-Modus, XML, Markdown)

• Verarbeitung und Validierung von strukturierten KI-Ausgaben im Workflow

• Einfache Verkettung von LLM-Aufrufen zur Aufgabenlösung

• Überblick über plattformspezifische KI-Funktionen (z.B. AI Agent Node, LLM Chain Node)

• Spezifische Anwendungsbeispiele wie z.B. Content-Erstellung oder Sales-Automation

Dieses Modul vermittelt dir die Fähigkeit, fundamentale Konzepte von KI-Agenten zu verstehen und einfache Agenten zu entwickeln. Du lernst, die Kernkomponenten zu einem System zu verbinden und von reinen Automatisierungen abzugrenzen. Dabei stärkst du deine Kompetenz in der agentenspezifischen Prompterstellung und der Anbindung von Tools.

Inhalte:

• Definition von agentischen Systemen und Abgrenzung zur Automatisierung
• Kernkomponenten eines KI-Agenten: LLM, Tools und Memory
• Konzepte agentenspezifischer Prompts (z.B. ReAct-Logik, Rollenzuweisung)
• Anbindung und Nutzung von externen Tools (Function Calling)
• Implementierung von Kurzzeitgedächtnis (z.B. Chat-Verlauf, Kontext-Management)
• Steuerung von strukturierten Outputs zur Prozessautomatisierung
• Entwicklung von Agenten-Prototypen mit einfachen Tool-Anbindungen

In diesem Modul erweiterst du die gelernten Agenten-Konzepte. Du lernst, Agenten mit persistentem Langzeitgedächtnis und externem Wissen auszustatten. Im Zentrum stehen die Grundlagen von RAG-Architekturen und die Anbindung verschiedener Datenbanksysteme an den Agenten.

Inhalte: 

• Erweiterung des Agenten-Modells: Langzeitgedächtnis vs. Kurzzeitgedächtnis
• Überblick über Datenbankparadigmen: Relational vs. Vektor
• Architektur und praktische Implementierung von RAG (Retrieval Augmented Generation)
• Pragmatische Ansätze zur Speicherung von Daten (z.B. Google Drive, Notion, Airtable)
• Anbindung von relationalen Datenbanken (z.B. SQL-Abfragen durch den Agenten)
• Vektordatenbanken mit Konzept der Embeddings und semantischen Suche
• Nutzung plattformeigener und externer Speicherlösungen (z.B. Vektordatenbank Pinecone)

Dieses Modul vermittelt dir fortgeschrittene Architekturen für KI-Agenten. Du lernst, komplexe, skalierbare und fehlertolerante Multi-Agenten-Systeme zu konzipieren, zu orchestrieren und mittels Code zu optimieren. Du stärkst deine Kompetenz im dynamischen Routing, der Implementierung robuster, selbstheilender Mechanismen und der Qualitätssicherung.

Inhalte:

• Vergleich von Architekturen: Single-Agent vs. Multi-Agenten-Systeme
• Multi-Agenten-Architekturen: Rollenverteilung, Orchestrierung und Speicherverwaltung
• Implementierung von „Human-in-the-Loop“-Prozessen
• Auswahl des passenden LLMs pro Aufgabe und dynamisches Routing
• Optimierung und Skalierung von Architekturen (Testing, Qualitätssicherung, Dokumentation)
• Implementierung von Stabilität, Fehlertoleranz sowie Workflow-Error-Handling
• Nutzung von Code-Nodes für komplexe Verarbeitungsschritte (z.B. JavaScript, Python)
• Steuerung und Integration digitaler Mitarbeiter (z.B. in Slack)
• Analyse und Konzeption von praktischen Anwendungsfällen

Dieses Modul vermittelt dir Governance- und Sicherheitskompetenzen im KI-Umfeld. Du lernst, datenschutzkonforme und sichere Lösungen zu konzipieren. Du stärkst deine Fähigkeit, regulatorische Anforderungen zu bewerten, ein sicheres Zugriffsmanagement aufzusetzen und den Umgang mit sensiblen Daten zu definieren.

Inhalte:

• Datenschutz (DSGVO) und Daten-Governance durch sichere Self-Hosting-Optionen
• Regulatorische Anforderungen (AI Act), Responsible AI und Compliance
• Umgang mit sensiblen Daten (Anonymisierung, Pseudonymisierung, synthetische Daten)
• Aufbau eines sicheren Identitäts- und Zugriffsmanagements

Dieses Modul thematisiert den Paradigmenwechsel von regelbasierten KI-Systemen zu lernfähigen, selbstreflektierenden Agenten. Du lernst, Agenten als digitale Kollegen einzusetzen, praxisnahe Anwendungsfälle zu erschließen und Zukunftsperspektiven für Unternehmen zu diskutieren.

Inhalte: 

• Paradigmenwechsel von regelbasierten KI-Systemen zu Agentic AI: Selbstreflexion, Zielanpassung und lernfähige Agenten
• Agenten als digitale Kollegen: Struktureller Aufbau und optimale Zusammenarbeit
• Diskussion über Zukunftsszenarien und Perspektiven für Unternehmen
• Praktische Anwendungsfälle und Trends (z.B. sprachgesteuerte Systeme)

Ziel der Praxisphase ist es, das erlernte Wissen in einem realitätsnahen Unternehmenskontext anzuwenden. Du entwickelst eigenständig oder im Team einen praxisnahen Prototypen – etwa zur Recherche, Content-Erstellung oder Prozessautomatisierung. Dabei stärkst du deine Handlungskompetenz als Experte, sammelst Erfahrung im Workflow-Management und reflektierst Wirkung, Machbarkeit, Skalierung sowie Compliance-Aspekte ihrer Lösung.

Inhalte:

• Eigenständige Entwicklung praxisnaher KI-Agenten oder Automatisierungslösungen im beruflichen Kontext
• Umsetzung eines strukturierten Projekts von der Planung bis zur Präsentation
• Stärkung der Problemlösungs- und Entscheidungskompetenz im Umgang mit realen KI-Anwendungsfällen
• Sensibilisierung für Praxistauglichkeit und Skalierbarkeit von KI-Lösungen in Unternehmen