Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Multi-Agenten-Systeme
- Überblick über Agenten, Umgebungen und Interaktionsmodelle
- Kooperation, Wettbewerb und Autonomie in Agentensystemen
- Anwendungen in Logistik, Robotik und Entscheidungsfindung
Kernkonzepte der Agentenarchitektur
- Reaktive vs. deliberative Agenten
- Kommunikationsprotokolle und Koordinationsmodelle
- Wissensrepräsentation und geteilter Zustand
Implementierung von Agenten in Python
- Aufbau von Agenten mit dem Mesa-Framework
- Modellierung von Umgebungen und Interaktionen
- Simulation von Agentenverhalten und Visualisierung
Koordination und Kommunikation
- Nachrichtenübergabe und Architekturen mit gemeinsamem Speicher
- Verhandlung, Konsens und Aufgabenverteilung
- Koordinationsalgorithmen (Contract Net, marktgebasiert, Schwarmmodelle)
Lernen und Anpassung in Multi-Agenten-Systemen
- Reinforcement Learning für mehrere Agenten
- Kooperative vs. kompetitive Lerndynamiken
- Verwendung von PettingZoo und Stable-Baselines3 für MARL
Verteilte Berechnung und Skalierung
- Verwendung von Ray für verteilte Multi-Agenten-Simulationen
- Verwaltung von Parallelität und Synchronisation
- Parallelisierung von Berechnungen und Bearbeitung geteilter Ressourcen
Kollaboration zwischen Mensch und Agent
- Gestaltung von Schnittstellen für menschliche Koordination (Human-in-the-loop)
- Hybride Workflows mit KI-gestützter Entscheidungshilfe
- Ethische und operative Überlegungen
Capstone-Projekt
- Gestaltung und Implementierung eines Multi-Agenten-Systems in Python
- Demonstration von Koordination und Lernen zwischen Agenten
- Präsentation der Simulationsergebnisse und Leistungseinsichten
Zusammenfassung und nächste Schritte
Voraussetzungen
- Gute Kenntnisse in der Programmierung mit Python
- Gutes Verständnis von Reinforcement Learning oder dem Design von KI-Agenten
- Vertrautheit mit verteilten Systemen und Netzwerkkonzepten
Zielgruppe
- Systemarchitekten, die kooperative oder verteilte KI-Systeme entwerfen
- Forscher, die an Koordination und kollektiver Intelligenz arbeiten
- Ingenieure, die hybride Mensch-Agent-Workflows oder Multi-Agenten-Workflows entwickeln
28 Stunden
