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.
Dauer 21 Stunden
Schulungsübersicht
Verständnis der Mastra-Architektur und operativer Konzepte
- Komponenten und ihre Rolle in der Produktion
- Unterstützte Integrationsmuster für Unternehmensumgebungen
- Sicherheits- und Governance-Erwägungen
Vorbereitung der Umgebungen für das Agent-Deployment
- Konfiguration von Container-Runtime-Umgebungen
- Vorbereitung von Kubernetes-Clustern für KI-Agenten-Workloads
- Verwaltung von Secrets, Zugangsdaten und Konfigurations-Speichern
Deployment von Mastra-KI-Agenten
- Packaging von Agenten für das Deployment
- Verwendung von GitOps und CI/CD für die automatisierte Bereitstellung
- Validierung von Deployments durch strukturiertes Testing
Skalierungsstrategien für produktionsreife KI-Agenten
- Horizontal Skalierungsmuster
- Autoscaling mit HPA, KEDA und ereignisgesteuerten Triggern
- Lastverteilung und Strategien zur Anfragebehandlung
Observability, Monitoring und Logging für KI-Agenten
- Best Practices für Telemetrie-Instrumentierung
- Integration von Prometheus, Grafana und Logging-Stacks
- Verfolgung der Agentenleistung, Drifts und operativer Anomalien
Optimierung von Leistung und Ressourceneffizienz
- Profiling von Agenten-Workloads
- Verbesserung der Inferenzleistung und Reduzierung der Latenz
- Kostenoptimierungsansätze für großskalige Agenten-Deployments
Zuverlässigkeit, Resilienz und Fehlerbehandlung
- Gestaltung für Resilienz unter Last
- Implementierung von Circuit-Breaking, Retries und Rate Limiting
- Planung der Katastrophenwiederherstellung für agentenbasierte Systeme
Integration von Mastra in Unternehmens-Ökosysteme
- Anbindung an APIs, Datenpipelines und Event-Busse
- Ausrichtung von Agenten-Deployments mit Enterprise-DevSecOps
- Anpassung von Architekturen an bestehende Plattformumgebungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von Containerisierung und Orchestrierung
- Erfahrung mit CI/CD-Workflows
- Vertrautheit mit Konzepten des KI-Modell-Deployments
Zielgruppe
- DevOps-Engineers
- Backend-Entwickler
- Plattform-Engineers, die für KI-Workloads verantwortlich sind