Kontakt aufnehmen

Schulungsübersicht

Einführung in LLMs und Agentenframeworks

  • Überblick über die Einsatzmöglichkeiten großer Sprachmodelle bei der Automatisierung von Infrastrukturprozessen
  • Grundlagen zu Multi-Agenten-Workflows
  • AutoGen, CrewAI und LangChain: praktische Anwendungsfälle im DevOps-Kontext

Einrichtung von LLM-Agenten für DevOps-Aufgaben

  • Installation von AutoGen sowie Konfiguration der Agentenprofile
  • Nutzung der OpenAI API und weiterer LLM-Anbieter
  • Einrichtung geeigneter Arbeitsumgebungen, die mit CI/CD kompatibel sind

Automatisierung von Test- sowie Qualitätskontrollprozessen

  • Auffordern der LLMs zur Erstellung von Unit- und Integrationstests
  • Einsatz von Agenten zur Durchsetzung von Linting-Vorgaben, Commit-Regeln sowie Richtlinien für Code-Reviews
  • Automatisierte Zusammenfassungen und Klassifizierung von Pull Requests

LLM-Agenten zur Bearbeitung von Alarmeingängen und Erkennung von Änderungen

  • Konzeption von Antwortagenten für Fehlerwarnungen in Pipelines
  • Auswertung von Logdateien sowie Diagnoseinformationen durch Sprachmodelle
  • Frühzeitige Identifikation riskanter Änderungen oder Konfigurationsfehler

Koordination mehrerer Agenten im DevOps-Kontext

  • Rollenbasierte Orchestrierung der Agenten (Planer, Ausführender, Prüfer)
  • Kommunikationsabläufe zwischen den Agenten sowie Verwaltung ihrer Merkmale
  • Entwurf von Systemen mit menschlicher Einflussnahme bei kritischen Entscheidungen

Sicherheit, Governance und Überwachbarkeit

  • Schutz vor Datenlecks sowie Sicherstellung der LLM-Sicherheitsanforderungen in Infrastrukturen
  • Auditierung von Agentenhandlungen sowie Beschränkung ihrer Zugriffsrechte
  • Überwachung des Verhaltens der Pipeline sowie Auswertung von Rückmeldungen durch Modelle

Praktische Anwendungsbeispiele und individuelle Szenarien

  • Entwurf geeigneter Agentenworkflows zur Fehlerreaktion
  • Integration von Agenten in GitHub Actions, Slack oder Jira
  • Bewährte Praktiken für die Skalierung von LLM-Integrationen im DevOps-Umfeld

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Erfahrung mit DevOps-Tools und der Automatisierung von Pipelines
  • Praxiserfahrung in Python sowie Git-basierten Workflows
  • Grundverständnis für LLMs oder erste Kenntnisse im Bereich Prompt Engineering

Zielgruppe

  • Innovationsingenieure sowie Leiter von Plattformen mit KI-Integration
  • LLM-Entwickler, die im Bereich DevOps oder Automatisierung tätig sind
  • DevOps-Fachkräfte, die sich mit intelligenten Agentenframeworks beschäftigen wollen
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien