Kontakt aufnehmen

Schulungsübersicht

Einführung in Agentic AI für Betriebstätigkeiten

  • Von statischen Runbooks zu inferenzfähigen Agenten: Die Evolution der IT-Automatisierung
  • Anatomie eines Agenten: Denk-Schleife, Werkzeugnutzung, Gedächtnis und Planung
  • Wann automatisiert werden sollte und wann der Mensch im Loop bleibt

Agent-Frameworks und Architekturen

  • Muster für Einzelagenten: ReAct, Plan-and-Execute und Tool-Calling-Schleifen
  • Mehrfach-Agenten-Architekturen: Supervisor-, Hierarchie- und Schwarmmuster
  • Framework-Vergleich: LangGraph, CrewAI, AutoGen und benutzerdefinierte Agenten
  • Erstellung Ihres ersten betriebsorientierten Agenten: Monitoring abfragen, diagnose, Vorschläge machen

Werkzeugintegration für IT-Betriebstätigkeiten

  • Verbindung von Agenten zu Prometheus-, Grafana-, Datadog- und PagerDuty-APIs
  • Log-Abfragen durch Agenten: Integration von Elasticsearch, Loki und Splunk
  • Nutzung von Infrastrukturwerkzeugen: kubectl, Terraform, Ansible über Agentenaktionen
  • Gestaltung sicherer Werkzeug-Schnittstellen mit Parametervalidierung und Idempotenz

Automatisierte Incident-Response

  • Automatisierte Triage von Zwischenfällen: Schweregradeinstufung und Routing
  • Generierung von Root-Cause-Hypothesen und Sammlung von Belegen
  • Automatisierte Behebung: Neustart, Skalierung, Rollback und Failover-Aktionen
  • Aufbau eines Incident-Runbook-Agenten mit gestuften Autonomieebenen

Sicherheit, Guardrails und Human-in-the-Loop

  • Klassifizierung von Aktionen: nur-Lesen, geringes Risiko, hohes Risiko und zerstörerisch
  • Genehmigungsgates und Eskalationsrichtlinien für kritische Betriebstätigkeiten
  • Guardrail-Muster: Aktions-Allowlists, Begrenzung des Blast Radius und Rollback-Garantien
  • Audit-Trails und Entscheidungsherkunft für Compliance-Zwecke

Mehrfach-Agenten-Orchestrierung für komplexe Zwischenfälle

  • Koordination spezialisierter Agenten: Triage-Agent, Diagnose-Agent, Remediation-Agent
  • Kommunikation zwischen Agenten und Verwaltung des geteilten Kontexts
  • Konfliktlösung, wenn Agenten widersprüchliche Aktionen vorschlagen
  • End-to-End-Simulation eines Major Incidents mit Mehrgesamt-Agenten-Antwort

Observability und Bewertung

  • Nachverfolgung der Kettung von Agenten-Reasoning für Debugging und Audit
  • Bewertung der Entscheidungsqualität von Agenten: Präzision, Recall, Time-to-Resolution
  • Rückkopplungsschleifen: Lernen aus Operator-Overrides und Ergebnissen
  • Kostenverfolgung und Token-Ökonomie für betriebsorientierte Agenten

Bereitstellung und Betrieb in der Produktion

  • Bereitstellung von Agenten als Dienste: APIs, Webhooks und geplante Jobs
  • Graduelle Rollout der Autonomie: Von Shadow Mode bis hin zu vollständiger automatischer Behebung
  • Runbook für Agentenausfälle: Was passiert, wenn der Agent selbst fehlerhaft wird
  • Aufbau der Geschäftsbegründung und Messung der ROI für autonome Betriebstätigkeiten

Voraussetzungen

  • Erfahrung in IT-Betriebstätigkeiten, DevOps oder SRE-Praktiken.
  • Kenntnisse in Python-Skripting und REST-APIs.
  • Grundlegendes Verständnis der Fähigkeiten von LLMs und Prompt Engineering.

Zielgruppe

  • SRE- und DevOps-Engineers, die KI-gestützte Automatisierung erkunden.
  • Plattform-Engineers, die selbstheilende Infrastrukturen aufbauen.
  • Verantwortliche für IT-Betriebstätigkeiten, die Agentic AI für das Incident Management evaluieren.
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien