Vom Konzept zum lauffähigen KI Agenten
Agent Deep Dive
- Orientierung: Was einen Agenten ausmacht und wie er sich vom Assistenten unterscheidet.
- Architektur-Entscheidungen: Single-Agent, Multi-Agent, Agentic RAG im Vergleich.
- Patterns verstehen: Wann RAG, wann Tools, wann Webhooks — und wann Kombinationen sinnvoll sind.
- Kontext-Design: Prompt-Komposition, Memory-Strategien und Guardrails für stabiles Agent-Verhalten.
- Business Problem definieren: Shared Language entwickeln, Stakeholder identifizieren, Erfolg messbar machen.
- Gruppenübung: Definiere deinen eigenen Agenten mit Ziel, Nutzer:innen, Input/Output, Erfolgskriterien und Grenzen.
Agent Design & Canvas
- Scope finalisieren: Den eigenen Agent-Entwurf aus Webinar 1 schärfen und abgrenzen.
- Tool-Auswahl: Relevante Tools und APIs für die Umsetzung identifizieren und dokumentieren.
- Agent-Canvas erstellen: 1-seitiges Konzeptdokument nach Vorlage — Ziel, Architektur, Schnittstellen, Risiken.
- Vorbereitung Build-Phase: Technische Voraussetzungen klären, n8n-Zugang einrichten.
- Abgabe: Agent-Canvas vor Webinar 2
- n8n Basics für Agents: Workflows anlegen, Webhooks einrichten, erste Automatisierungen bauen.
- Tool-Anbindung: Externe APIs, Files und Repositories integrieren.
- Agentic Orchestration: Planungsschritte, Sub-Tasks und Kontrollfragen einbauen.
- Beobachten vs. Handeln: Wann greift der Agent ein — und wann wartet er?
- Troubleshooting: Logging, Monitoring und typische Fehlerquellen in der Praxis.
- Hands-on: Jede Gruppe baut ihren Agenten mit mindestens zwei externen Tools — erste Demo am Ende.
Agent Refinement & Testing
- Prototyp erweitern: Zweite Funktion oder Workflow hinzufügen.
- RAG-Integration: Wissensbasis anbinden und testen.
- Testprompts entwickeln: Typische Nutzerfälle durchspielen und dokumentieren.
- Fehleranalyse: Edge Cases identifizieren, Logging auswerten, Verbesserungen ableiten.
- Dokumentation: Technische Umsetzung und offene Punkte für Webinar 3 festhalten.
- Abgabe: Laufender Prototyp vor Webinar 3
- UX & Autonomiegrad: Wie viel Automation macht Sinn? Kontrollfragen, Risiko-Checks, Safety Loops.
- Qualitätsmessung: KPI-System aufbauen — Accuracy, Task-Erfolg, Zeitgewinn messbar machen.
- Benchmarks & Testing: Testprompts systematisch einsetzen, Ergebnisse bewerten.
- Final Build Sprint: Letzte Anpassungen, Review der Erfolgskriterien.
- Pitch Session: Jede Gruppe präsentiert ihren Agenten inkl. Value und Learnings
Inhalte und Ablauf des Kurses
1. Verstehen, was einen AI Agent wirklich ausmacht
- Unterschied zwischen Assistent und Agent
- Orientierung & Vergleich: Single-Agent, Multi-Agent und Agentic RAG
- relevante Tools und Patterns
2. Architektur-Entscheidungen sicher treffen
- Deep-Dive in Agentenarchitektur: Wann RAG, wann Tools, wann Webhooks – und wann Kombinationen?
- Agent-Ziele definieren, Erfolgskriterien festlegen, Kontrollmechanismen einbauen
- Systematisches Finden der Use Cases, die zur Architektur passen
3. Kontext und Prompts für Agents designen
- Prompt-Komposition, Memory-Strategien und Context Engineering im Architekturkontext
- Fehleranfälligkeit verstehen und Guardrails setzen
- Von der Einzelanfrage zum stabilen Agenten-Verhalten
4. Das richtige Business Problem finden
- Shared Language entwickeln: Problem, Prozess, Pain, KPI
- Stakeholder-Analyse: Wer profitiert, wer verliert?
- Erfolg messbar machen: Kosten, Zeit, Fehlerquote, Zufriedenheit
5. Agents praktisch bauen mit n8n
- n8n-Basics für Agenten: Webhooks, externe APIs, Files
- Erste Tool-Anbindungen umsetzen
- Vom Konzept zum laufenden Prototyp
6. Komplexe Agents orchestrieren
- Planungsschritte, Sub-Tasks und Kontrollfragen einbauen
- Beobachten vs. Handeln: Wann greift der Agent ein?
- Troubleshooting, Logging und Monitoring in der Praxis
7. Qualität messen und skalierbar machen
- KPI-System aufbauen: Accuracy, Task-Erfolg, Zeitgewinn
- Autonomiegrad bestimmen: Wie viel Automation macht Sinn?
- Go-Live-Readiness prüfen
So lernst du in diesem Kurs
Dieser Kurs bietet dir ein digitales Blended-Konzept, das für berufsbegleitendes Lernen entwickelt wurde. Durch einen flexiblen Mix aus Online-Seminaren und Selbstlernphasen kommst du sicher ans Ziel. So lernst du in dieser Weiterbildung:
Lernumgebung: In deiner Online-Lernumgebung findest du nach deiner Anmeldung nützliche Informationen, Downloads und Extra-Services zu dieser Qualifizierungsmaßnahme.
Selbstlernphasen: Lerne selbstbestimmt, in deinem eigenen Tempo und wann immer du möchtest. Unsere Kurse bieten dir dafür didaktisch hochwertiges Lernmaterial.
Live-Webinare: In regelmäßigen Online-Seminaren triffst du deine Trainer:innen persönlich. Du erhältst Antworten auf deine Fragen, konkrete Hilfestellungen und Anleitungen, um dein Wissen zu vertiefen und die erworbenen Fähigkeiten in praktischen Übungen anzuwenden.
Lern-Community: Während des gesamten Kurses steht dir eine digitale Lern-Community zur Verfügung. Tausche dich mit anderen Teilnehmenden und den Trainer:innen aus und kläre Fragen.
Future Jobs Club: Erhalte exklusiven Zugang zu einem Business-Netzwerk, News und Future Work Hacks.
Teilnahmebestätigung und Open Badge: Als Absolvent:in des Kurses erhältst du eine Teilnahmebestätigung und ein Open Badge, das du u. a. auch ganz einfach in beruflichen Netzwerken (u. a. LinkedIn) teilen kannst.
Dein Nutzen
- Du verstehst, was einen AI Agent von einem Assistenten unterscheidet – und wann echte Autonomie sinnvoll ist.
- Du lernst, Architektur-Entscheidungen sicher zu treffen: RAG, Tools oder Webhooks – und wann welche Kombination passt.
- Du erkennst, welche Business Probleme sich für Agents eignen – und welche nicht.
- Du bist in der Lage, Agent-Ziele, Erfolgskriterien und Kontrollmechanismen klar zu definieren.
- Du verstehst, wie Prompt-Komposition, Memory und Context Engineering zusammenspielen.
- Du weißt, wie du Guardrails setzt und typische Fehlerquellen vermeidest.
- Du baust einen funktionierenden Agenten-Prototyp in n8n – mit mindestens zwei externen Tool-Anbindungen.
- Du lernst, komplexe Agents zu orchestrieren: Planungsschritte, Sub-Tasks und Kontrollfragen einzubauen.
- Du misst Qualität systematisch: Accuracy, Task-Erfolg und Zeitgewinn werden für dich greifbar.
- Du triffst fundierte Entscheidungen über den richtigen Autonomiegrad.
Technische Voraussetzungen
Die technische Ausstattung ist bewusst so gewählt, dass der Kurs auch für Teilnehmende aus Fachabteilungen gut zugänglich ist.
Erforderliche technische Voraussetzungen:
- Rechner oder Laptop mit aktuellem Betriebssystem (Windows, macOS oder Linux)
- Stabile Internetverbindung
- Aktueller Webbrowser (z. B. Chrome, Edge oder Firefox)
- Möglichkeit, auf webbasierte Tools zuzugreifen (keine lokalen Installationen erforderlich)
Benötigte Zugänge / Accounts:
- n8n-Zugang: n8n Cloud Account bevorzugt; alternativ: Zugriff auf eine bereitgestellte n8n-Instanz
- Zugang zu einem Large Language Model (LLM), z. B. OpenAI oder Claude
- API-Zugang oder im Kurs bereitgestellte Zugangsdaten
Empfohlene (nicht zwingende) Vorkenntnisse
- Grundverständnis von digitalen Geschäftsprozessen
- Erste Erfahrung mit Automatisierungs- oder Workflow-Tools ist hilfreich, aber nicht notwendig
- Offenheit, sich mit neuen KI-gestützten Arbeitsweisen auseinanderzusetzen
Was nicht erforderlich ist
- Programmierkenntnisse
- lokalen Softwareinstallationen
- Administratorrechte auf dem eigenen Rechner
Technische Vorbereitung vor Kursstart:
- Registrierung bzw. Bereitstellung des n8n-Zugangs
- Einrichtung des LLM-Zugangs (API-Key), falls nicht zentral bereitgestellt
- Kurzer Funktionstest: Login in n8n und Aufruf der Oberfläche im Browser
Tools
Empfohlen für
Die Weiterbildung eignet sich für alle, die verstehen wollen, wie man KI-Agenten sicher in Unternehmen integriert und deren ROI feststellt. Du baust die Brücke zwischen operativen Business-Anforderungen und technologischer Machbarkeit.
- technisch versierte Prozessmanager:innen & Automatisierungsexpert:innen
- Product Owner & Digital Project Manager:innen
- Software Engineers & Technical Leads
- Innovationsmanager:innen & Data Professionals
- Fachkräfte, die die nächste Stufe der KI-Integration anstreben
Starttermine und Details