Kontakt aufnehmen

Schulungsübersicht

Fortgeschrittene LangGraph-Architektur

  • Graphentopologie: Knoten, Kanten, Router sowie Untergraphen
  • Zustandsmodellierung: Kanäle, Nachrichtenaustausch sowie Datenspeicherung
  • Direkte azyklische Graphen im Vergleich zu zyklischen Flüssen und hierarchische Strukturen

Performance und Optimierung

  • Parallele und konkurrierende Ausführungsmuster in Python
  • Caching, Batching, Aufrufe von Werkzeugen sowie Streaming-Mechanismen
  • Kostenkontrolle mittels effizienter Token-Nutzung und Budget-Strategien

Fachwissen zur Zuverlässigkeit

  • Wiederholungen, Zeitüberschreitungen, Backoff-Verfahren sowie Schutzmechanismen gegen Fehlausgaben
  • Idempotenz und Vermeidung doppelter Ausführungen einzelner Prozessschritte
  • Ausgangspunkte sichern sowie Systemstände wiederherstellen – lokal oder mittels Cloud-Speichern

Debugging komplexer Graphen

  • Schrittweise Ausführung und Testläufe ohne echte Auswirkungen auf das System
  • Detaillierte Analyse des Zustands sowie Verfolgung von Ereignissen im Ablauf des Graphen
  • Reproduktion realer Produktionsprobleme durch gezielte Seed-Einstellungen und Testdaten

Beobachtbarkeit und Überwachung

  • Strukturierte Protokollierung sowie verteiltes Tracing
  • Betriebliche Kennzahlen: Ausführungszeit, Zuverlässigkeit und Token-Verbrauch
  • Dashboards, Warnmeldungen sowie kontinuierliche Überwachung der SLAs<\/li>

Einführung in den Betrieb und Deployment-Prozesse

  • Graphen als eigenständige Dienste oder Container verpacken
  • Konfigurationsverwaltung sowie sichere Handhabung vertraulicher Daten
  • Einsatz von CI/CD-Pipelines, schrittweiser Rollout-Vorgänge sowie Canary-Releases

Qualitätssicherung, Testverfahren und Sicherheitsaspekte

  • Einheitstests, Szenario-Tests sowie automatisierte Auswertungsmechanismen
  • Grundschutzmaßnahmen: Filterung von Inhalten und Schutz personenbezogener Daten
  • Robustheitsanalyse mittels Red-Teaming-Verfahren sowie gezielten Störungsversuchen

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundkenntnisse in Python sowie im Umgang mit asynchroner Programmierung
  • Erfahrung bei der Entwicklung von LLM-Anwendungen
  • Bekanntschaft mit grundlegenden Konzepten von LangGraph oder LangChain

Zielgruppe

  • AI-Plattform-Ingenieure
  • DevOps-Spezialisten für KI-Anwendungen
  • ML-Architekten, die mit produktiven LangGraph-Systemen arbeiten
 35 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien