Schulungsübersicht
Einführung in agente-basierte KI-Systeme
- Definition von agentenbasierten KIs und ihre Fähigkeiten
- Schlüsselunterschiede zwischen regelbasierter KI und autonomen KIs
- Anwendungsfälle und Branchenbeispiele
Architektur von agentenbasierten KI-Systemen
- Frameworks und Tools zur Erstellung autonomer KIs
- Gestaltung von KI-Agenten mit zielgerichteten Fähigkeiten
- Implementierung von Speicherfähigkeit, Kontextbewusstsein und Anpassungsfähigkeit
Entwicklung von KI-Agenten mit Python und APIs
- Erstellung von KI-Agenten mithilfe der OpenAI- und DeepSeek-APIs
- Integration von KI-Modellen mit externen Datenquellen
- Behandlung von API-Antworten und Verbesserung der Agentenkommunikation
Optimierung der Zusammenarbeit in Multi-Agentensystemen
- Gestaltung von KI-Agenten für kooperative und konkurrierende Aufgaben
- Verwaltung der Kommunikation zwischen Agenten und Aufgabenzuordnung
- Skalierung von Multi-Agentensystemen für realweltige Anwendungen
Verbesserung des Entscheidungsfindens in agentenbasierten KIs
- Aufrechterhaltung durch Lernen und selbstverbessernde KI-Agenten
- Planung, Schlussfolgerungen und die Umsetzung langfristiger Ziele
- Ausgewogenes Vorgehen zwischen Automatisierung und menschlicher Überwachung
Sicherheit, Ethik und Einhaltung von Vorschriften in agentenbasierten KIs
- Behandlung von Verzerrungen und sichere Implementierung von KI
- Sicherheitsmaßnahmen für durch KI getriebene Entscheidungsfindung
- Gesetzliche Überlegungen für autonome KIs
Zukünftige Trends in agentenbasierten KIs
- Fortschritte in der Autonomie und selbstlernenden Systemen
- Erweiterung von Agentenfähigkeiten durch multimodales Lernen
- Vorbereitung auf die nächste Generation autonomer KIs
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundverständnis von AI- und Maschinelles-Lernen-Konzepten
- Erfahrung mit Python-Programmierung
- Vertrautheit mit der Integration von API-basierten AI-Modellen
Zielgruppe
- AI-Ingenieure, die autonome AI-Systeme entwickeln
- ML-Forscher, die multi-agenten-basierte AI-Rahmenwerke erforschen
- Entwickler, die AI-gestützte Automatisierung implementieren
Erfahrungsberichte (3)
Guter Mix aus Wissen und Praxis
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kurs - Agentic AI for Enterprise Applications
Maschinelle Übersetzung
Die Mischung aus Theorie und Praxis sowie hoch- und niedrigstufigen Perspektiven
Ion Mironescu - Facultatea S.A.I.A.P.M.
Kurs - Autonomous Decision-Making with Agentic AI
Maschinelle Übersetzung
praktische Übungen
Daniel - Facultatea S.A.I.A.P.M.
Kurs - Agentic AI in Multi-Agent Systems
Maschinelle Übersetzung