Kontakt aufnehmen

Schulungsübersicht

Einführung in LLMs und Agenten-Frameworks

  • Übersicht über Large Language Models in der Infrastrukturautomatisierung
  • Wichtige Konzepte in Multi-Agenten-Arbeitsabläufen
  • AutoGen, CrewAI und LangChain: Anwendungsfälle im DevOps-Kontext

Einrichtung von LLM-Agenten für DevOps-Aufgaben

  • Installation von AutoGen und Konfiguration von Agenten-Profilen
  • Nutzung der OpenAI API und anderer LLM-Anbieter
  • Einrichtung von Arbeitsbereichen und CI/CD-kompatiblen Umgebungen

Automatisierung von Test- und Codequalitätsarbeitsabläufen

  • Prompting von LLMs zur Generierung von Unit- und Integrationstests
  • Einsatz von Agenten zur Durchsetzung von Linting-Regeln, Commit-Richtlinien und Code-Review-Anweisungen
  • Automatisierte Zusammenfassung und Tagging von Pull Requests

LLM-Agenten für Alert-Behandlung und Change-Erkennung

  • Entwurf von Responder-Agenten für Pipeline-Ausfall-Alerts
  • Analyse von Logs und Traces mittels Sprachmodellen
  • Proaktive Erkennung von hochriskanten Änderungen oder Fehlkonfigurationen

Multi-Agenten-Koordination im DevOps-Umfeld

  • Rollebasierte Agenten-Orchestrierung (Planner, Executor, Reviewer)
  • Agenten-Nachrichtenschleifen und Speicherbereichsmanagement
  • Human-in-the-Loop-Design für kritische Systeme

Sicherheit, Governance und Observability

  • Umgang mit Datenaussetzung und LLM-Sicherheit in der Infrastruktur
  • Auditierung von Agenten-Aktionen und Einschränkung des Zuständigkeitsbereichs
  • Verfolgung des Pipeline-Verhaltens und Modellen-Feedback

Anwendungsfälle und individuelle Szenarien aus der Praxis

  • Entwurf von Agenten-Arbeitsabläufen für Incident Response
  • Integration von Agenten mit GitHub Actions, Slack oder Jira
  • Best Practices für die Skalierung der LLM-Integration in DevOps

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Erfahrung mit DevOps-Tools und Pipeline-Automatisierung
  • Praktische Kenntnisse in Python und Git-basierten Workflows
  • Verständnis von LLMs oder Vorkenntnisse in Prompt Engineering

Zielgruppe

  • Ingenieurinnen und Ingenieure für Innovation sowie Leitende Plattformverantwortliche mit KI-Integration
  • LLM-Entwickler, die im Bereich DevOps oder Automatisierung tätig sind
  • DevOps-Fachleute, die intelligente Agenten-Frameworks erkunden
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien