Dieses Modul dient dem gemeinsamen Einstieg und der Herstellung eines gemeinsamen Wissenstandes. Wir schaffen ein erstes Verständnis und zeigen, wohin die Reise gehen kann. 

• Die WOW-Demo: Wir starten direkt mit der Praxis. Eine Live-Demonstration eines autonom arbeitenden Agenten zeigt das Zielbild des Kurses („Das ist möglich“-Moment). 
• Agent vs. Workflow vs. LLM: Erste fundamentale Abgrenzung. Wann sprechen wir von einem Chatbot, wann von einer Automatisierung und wann von einem echten Agenten? 
• Marktübersicht & Einordnung: Eine erste Orientierung im Dschungel der Tools (Agent.ai, Microsoft Agents, Lovable, Claude Code, Antigravity). Wir sortieren den Hype. 
• Ausblick: Vorstellung der Lernreise und Zielsetzung für die kommenden Wochen. 

Dieses Modul dient dem gemeinsamen Einstieg und der Herstellung eines gemeinsamen Wissenstandes. Wir schaffen ein erstes Verständnis und zeigen, wohin die Reise gehen kann. 

• Die WOW-Demo: Wir starten direkt mit der Praxis. Eine Live-Demonstration eines autonom arbeitenden Agenten zeigt das Zielbild des Kurses („Das ist möglich“-Moment). 
• Agent vs. Workflow vs. LLM: Erste fundamentale Abgrenzung. Wann sprechen wir von einem Chatbot, wann von einer Automatisierung und wann von einem echten Agenten? 
• Marktübersicht & Einordnung: Eine erste Orientierung im Dschungel der Tools (Agent.ai, Microsoft Agents, Lovable, Claude Code, Antigravity). Wir sortieren den Hype. 
• Ausblick: Vorstellung der Lernreise und Zielsetzung für die kommenden Wochen. 

Hier legst du das theoretische Fundament und richtest deine technische Umgebung ein, um in den Folgewebinaren arbeitsfähig zu sein. 

• Deep Dive Verständnis: Warum Agenten externe Werkzeuge (Tool-Use) und ein Langzeitgedächtnis (Memory bspw. Pinecone) benötigen, um komplexe Aufgaben zu löse

• Glossary & Tech-Stack: Detaillierte Klärung der Kernbegriffe und Tools (LangChain, Make, n8n, Context, Vektordatenbanken). 

• Low-Code vs. Code: Eine Entscheidungshilfe für den Start. Analyse, wann Low-Code (n8n/Make) ausreicht und wann Engineering (LangChain> Python/TS) nötig ist. 

• Setup: Anleitung zur Einrichtung der notwendigen Accounts, damit im nächsten Webinar alles startklar ist. 

• Wissens-Check & Hausaufgabe für Webinar 2: Überlege dir einen Agenten-Anwendungsfall für das 2. Webinar. 

Hier legst du das theoretische Fundament und richtest deine technische Umgebung ein, um in den Folgewebinaren arbeitsfähig zu sein. 

• Deep Dive Verständnis: Warum Agenten externe Werkzeuge (Tool-Use) und ein Langzeitgedächtnis (Memory bspw. Pinecone) benötigen, um komplexe Aufgaben zu löse

• Glossary & Tech-Stack: Detaillierte Klärung der Kernbegriffe und Tools (LangChain, Make, n8n, Context, Vektordatenbanken). 

• Low-Code vs. Code: Eine Entscheidungshilfe für den Start. Analyse, wann Low-Code (n8n/Make) ausreicht und wann Engineering (LangChain> Python/TS) nötig ist. 

• Setup: Anleitung zur Einrichtung der notwendigen Accounts, damit im nächsten Webinar alles startklar ist. 

• Wissens-Check & Hausaufgabe für Webinar 2: Überlege dir einen Agenten-Anwendungsfall für das 2. Webinar. 

Der Fokus liegt auf der Konzeption („Das Gehirn des Agenten“) und der wirtschaftlichen Betrachtung.

Strategie & Use Cases: 

• Entscheidungsmatrix: Differenzierung in der Praxis – ist mein Case ein Assistent, ein Workflow oder ein Agent? 
• Business Model Canvas für Agenten: Erarbeitung von Ziele, benötigte Tools, Kontextdaten und Berechnung des ROI. Validierung des eigenen Business Case. 

Context Engineering (Hands-on): 

• Context > Prompt: Warum das Engineering des Kontexts wichtiger ist als „Prompt Magic“. 
• Live-Building: Zusammen mit dem Trainer baut ihr als Lerngruppe live das „Gehirn“ eines Agenten (System Prompts + Kontextdaten). 
• Strukturierung: System-Prompts schreiben und definieren, welches Wissen der Agent benötigt. 

Der Fokus liegt auf der Konzeption („Das Gehirn des Agenten“) und der wirtschaftlichen Betrachtung.

Strategie & Use Cases: 

• Entscheidungsmatrix: Differenzierung in der Praxis – ist mein Case ein Assistent, ein Workflow oder ein Agent? 
• Business Model Canvas für Agenten: Erarbeitung von Ziele, benötigte Tools, Kontextdaten und Berechnung des ROI. Validierung des eigenen Business Case. 

Context Engineering (Hands-on): 

• Context > Prompt: Warum das Engineering des Kontexts wichtiger ist als „Prompt Magic“. 
• Live-Building: Zusammen mit dem Trainer baut ihr als Lerngruppe live das „Gehirn“ eines Agenten (System Prompts + Kontextdaten). 
• Strukturierung: System-Prompts schreiben und definieren, welches Wissen der Agent benötigt. 

Vertiefung der Konzepte und Vorbereitung auf den großen Agenten-Bau-Tag in Webinar 3. 

• Die „Good Context Checklist“: Kriterienkatalog für robusten Kontext. Du prüfst deinen entworfenen Use Case auf Vollständigkeit der Daten. 
• Enterprise Readiness: Eine kritische Auseinandersetzung mit der Stabilität von Lösungen. Unterscheidung zwischen Hype-Demos und stabilen Unternehmenslösungen. 
• Feinschliff am Prozess: Du bereitest deinen firmeninternen Prozess so vor, dass er im nächsten Webinar technisch umgesetzt werden kann (Flow-Chart erstellen, API-Dokumentationen sichten). 

Vertiefung der Konzepte und Vorbereitung auf den großen Agenten-Bau-Tag in Webinar 3. 

• Die „Good Context Checklist“: Kriterienkatalog für robusten Kontext. Du prüfst deinen entworfenen Use Case auf Vollständigkeit der Daten. 
• Enterprise Readiness: Eine kritische Auseinandersetzung mit der Stabilität von Lösungen. Unterscheidung zwischen Hype-Demos und stabilen Unternehmenslösungen. 
• Feinschliff am Prozess: Du bereitest deinen firmeninternen Prozess so vor, dass er im nächsten Webinar technisch umgesetzt werden kann (Flow-Chart erstellen, API-Dokumentationen sichten). 

Der große Umsetzungstag. Wir bauen echte Agenten und machen sie sicher für den Betrieb. 

Deep Dive Building: 

• Hands-on Gruppenarbeit: Bau eines Agenten je nach Skill-Level (z.B. Recherche-Agent, RAG-Dokumenten-Agent oder Workflow-Plus-Agent). 
• Integration: Verbindung von LLM (Gehirn) und Tools (Hände). Der Trainer unterstützt direkt in den Breakout-Rooms bei Problemen. 

Production Readiness & Governance: 

• Realitäts-Check: Umgang mit Loops, Halluzinationen und unklaren Tools. 
• Safety First: Implementierung von „Kill Switches“, Human-in-the-Loop Governance und Logging. 
• Verantwortung: Datenschutz, Mitarbeiter vs. Agentenverantwortung und ethische Fragen. 
• Roadmap: Ausblick auf kommende Technologien (z.B. Manus, Antigravity) und Strategien zur Integration ins Team („Build with Agents vs. Act with Agents“). 

Der große Umsetzungstag. Wir bauen echte Agenten und machen sie sicher für den Betrieb. 

Deep Dive Building: 

• Hands-on Gruppenarbeit: Bau eines Agenten je nach Skill-Level (z.B. Recherche-Agent, RAG-Dokumenten-Agent oder Workflow-Plus-Agent). 
• Integration: Verbindung von LLM (Gehirn) und Tools (Hände). Der Trainer unterstützt direkt in den Breakout-Rooms bei Problemen. 

Production Readiness & Governance: 

• Realitäts-Check: Umgang mit Loops, Halluzinationen und unklaren Tools. 
• Safety First: Implementierung von „Kill Switches“, Human-in-the-Loop Governance und Logging. 
• Verantwortung: Datenschutz, Mitarbeiter vs. Agentenverantwortung und ethische Fragen. 
• Roadmap: Ausblick auf kommende Technologien (z.B. Manus, Antigravity) und Strategien zur Integration ins Team („Build with Agents vs. Act with Agents“).