Phase 5: Erkundung von KI-Anwendungsszenarien

Ein KI-Kurs über Agenten-KI von Andrew Ng, der lehrt, wie man KI-Systeme aufbaut, die komplexe Aufgaben autonom ausführen können, und die vier Designmuster Reflexion, Werkzeugnutzung, Planung und Multi-Agenten-Kollaboration beherrscht.

Start Learning AI →
AgenticAIAndrewNgAIAgentsWebSiteVideoFreeEnglish

Detaillierte Kursbeschreibung: Agentische KI

Kursüberblick

Agentic AI with Andrew Ng ist ein von DeepLearning.AI angebotener Kurs, der sich auf den Aufbau von agentischen KI-Systemen konzentriert und von KI-Pionier Andrew Ng persönlich unterrichtet wird. Dieser Kurs lehrt, wie man agentische KI-Systeme entwickelt, die Aufgaben autonom durch iterative, mehrstufige Arbeitsabläufe ausführen können.

Kursmerkmale:

  • 📚 5 Module - Ein vollständiger, systematischer Lernpfad
  • ⏰ Ca. 6 Stunden - Selbstgesteuertes Lernen
  • 🎯 Mittlerer Schwierigkeitsgrad - Geeignet für Lernende mit Vorkenntnissen
  • 🆓 Kostenloser Kurs - Exklusiv auf der DeepLearning.AI-Plattform verfügbar
  • 🎓 Abschlusszertifikat - Nach Kursende erhalten Sie eine Kompetenzzertifizierung

Was ist Agentische KI?

Agentische KI repräsentiert eine völlig neue Art der Softwareentwicklung, die Große Sprachmodelle (LLM) nutzt, um Teile oder alle Schritte komplexer Aufgaben zu erledigen. Im Gegensatz zum traditionellen Einzel-Prompt-Antwort-Muster ermöglichen agentische Arbeitsabläufe der KI:

  • 📋 Mehrstufige Prozesse zu planen - Komplexe Aufgaben in ausführbare Schritte zu zerlegen
  • 🔄 Iterativ auszuführen - Die Qualität der Ausgabe zyklisch zu verbessern
  • 🛠️ Werkzeuge zu nutzen - Datenbanken, APIs und externe Dienste zu verbinden
  • 🤔 Selbst zu reflektieren - Die eigenen Ausgaben zu bewerten und zu verbessern

Kern-Designmuster

Der Kurs wird die vier Kern-Designmuster, die agentische KI-Systeme untermauern, detailliert behandeln:

1. Reflexion (Reflection)

Die KI ist in der Lage, ihre eigene Arbeit kritisch zu prüfen und die Qualität iterativ zu verbessern – ähnlich einer automatisierten Code-Überprüfung.

Anwendungsszenarien:

  • Automatische Code-Überprüfung und -Optimierung
  • Verbesserung der Dokumentenqualität
  • Selbstkorrektur von Ausgabeergebnissen

2. Werkzeugeinsatz (Tool Use)

Die KI wird mit Datenbanken, APIs und externen Diensten verbunden, sodass sie tatsächlich Aktionen ausführen kann, anstatt nur Text zu generieren.

Anwendungsszenarien:

  • Datenbankabfragen und -operationen
  • Web-Suche und Informationsbeschaffung
  • Code-Ausführung und -Tests
  • E-Mail-Versand und Kalenderverwaltung

3. Planung (Planning)

Komplexe Aufgaben werden in ausführbare Schritte zerlegt, denen die KI folgen und die sie anpassen kann, wenn die Dinge nicht wie erwartet laufen.

Anwendungsszenarien:

  • Aufgabenzerlegung und -planung
  • Automatisierung des Projektmanagements
  • Adaptives Workflow-Design

4. Multi-Agenten-Zusammenarbeit (Multi-Agent)

Mehrere spezialisierte KI-Systeme werden koordiniert, um verschiedene Teile eines komplexen Arbeitsablaufs zu bearbeiten.

Anwendungsszenarien:

  • Simulation von Teamzusammenarbeit
  • Spezialisierte Aufgabenverteilung
  • Verteilte Verarbeitung komplexer Systeme

Kursgliederung

Modul 1: Einführung in agentische Arbeitsabläufe

  • Willkommen (2 Minuten)
  • Was ist Agentische KI? (5 Minuten) - Das Wesen der agentischen KI verstehen
  • Grade der Autonomie (5 Minuten) - Analyse des Autonomiegrades
  • Vorteile der Agentischen KI (4 Minuten) - Die Vorteile der agentischen KI
  • Anwendungen der Agentischen KI (7 Minuten) - Praktische Anwendungsszenarien
  • Aufgabenzerlegung (8 Minuten) - Schritte in Arbeitsabläufen identifizieren
  • Agentische KI bewerten (Evals) (5 Minuten) - Evaluationsgesteuertes Entwicklungsframework
  • Agentische Designmuster (7 Minuten) - Überblick über Designmuster
  • Modul 1 Quiz (10 Minuten) - Modul-Quiz
  • Den Forschungsagenten ausprobieren (10 Minuten) - Praktische Anwendung des Forschungsagenten

Modul 2-5: Fortgeschrittene Themen

Die nachfolgenden Module des Kurses werden die Implementierungsdetails der einzelnen Designmuster vertiefen und schließlich einen vollständigen Forschungsagenten aufbauen, der in der Lage ist:

  • Informationen zu sammeln
  • Erkenntnisse zu analysieren
  • Umfassende Berichte zu erstellen
  • Autonome Arbeitsabläufe auszuführen

Praxisprojekt: Forschungsagent (Research Agent)

Das zentrale Praxisprojekt des Kurses ist der Aufbau eines voll funktionsfähigen Forschungsagenten, der in der Lage ist:

# Beispiel-Workflow
1. Forschungsstrategie planen
2. Web-Suchmaschine aufrufen
3. Relevante Webseiten herunterladen
4. Erkenntnisse zusammenfassen und ordnen
5. Entwurf einer Gliederung
6. Überprüfung der Konsistenz bearbeiten
7. Markdown-Bericht generieren

Projektmerkmale:

  • 🔍 Automatisierte Informationsbeschaffung
  • 📊 Intelligente Analyse und Synthese
  • 📝 Generierung strukturierter Berichte
  • 🔄 Mehrstufige iterative Optimierung

Lernmethode

Technische Umsetzung

  • Verwendung von reinem Python - Aufbau von Grund auf, ohne Framework-Details zu verbergen
  • Framework-neutral - Erlernen von Kernkonzepten, anwendbar auf jedes Agenten-Framework
  • Schritt für Schritt - Zuerst die Grundlagen verstehen, dann Framework-Tools erkunden

Praktische Fähigkeiten

  • ✅ Geschäftsprozesse in Agenten-Workflows zerlegen
  • ✅ Für Agenten-Implementierung geeignete Aufgaben identifizieren
  • ✅ Robuste Test-Frameworks aufbauen
  • ✅ Systematische Fehleranalyse durchführen
  • ✅ Systeme für die Produktionsbereitstellung optimieren

Bewertung und Optimierung

Der Kurs legt besonderen Wert auf die evaluationsgesteuerte Entwicklungsmethode (Evals), die für den Aufbau effektiver Agenten entscheidend ist:

Kernkompetenzen:

  • 📈 Design von Leistungsmetriken
  • 🐛 Methoden der Fehleranalyse
  • 🔍 Workflow-Verfolgung (Traces)
  • 🎯 Komponentenbasierte Optimierung
  • 🚀 Vorbereitung auf die Produktionsbereitstellung

Andrew Ngs Einsicht:

"Ich habe festgestellt, dass der größte Prädiktor dafür, ob jemand Agenten effektiv bauen kann, darin besteht, ob er weiß, wie man einen standardisierten Prozess für Evaluation und Fehleranalyse vorantreibt. Teams, die das nicht können, verbringen möglicherweise Monate damit, Agenten zu optimieren, mit kaum Fortschritt."

Zielgruppe

Ideale Teilnehmer

  • 💻 Softwareentwickler - Die KI-Technologien anwenden möchten, um autonome Systeme für mehrstufige Arbeitsabläufe zu entwickeln
  • 🐍 Python-Programmierer - Mit mittleren Python-Programmierkenntnissen
  • 🤖 KI-Praktiker - Mit grundlegendem Verständnis von Großen Sprachmodellen und APIs, die ihre praktischen Fähigkeiten vertiefen möchten

Voraussetzungen

  • Grundkenntnisse in Python-Programmierung
  • Grundlegendes Verständnis von Großen Sprachmodellen (LLM)
  • Erfahrung mit API-Aufrufen (hilfreich, aber nicht zwingend erforderlich)

Kurswert

Warum diesen Kurs belegen?

  1. Beherrschen Sie zukunftsweisende Fähigkeiten - Agentische KI ist eine der gefragtesten Fähigkeiten auf dem aktuellen KI-Arbeitsmarkt
  2. Praktische Erfahrung - Aufbau produktionsreifer Agenten-Anwendungen von Grund auf
  3. Systematische Methode - Erlernen bewährter Designmuster und Best Practices
  4. Flexible Anwendung - Nach dem Verständnis der Kernkonzepte mit jedem Framework umsetzbar
  5. Karriereentwicklung - Deutlicher Vorsprung gegenüber den meisten Teams, die Agenten entwickeln

Anwendungsbeispiele

  • 📝 Inhaltserstellung und -bearbeitung
  • 🔬 Tiefgehende Forschung und Analyse
  • 💼 Automatisierung des Kundenservice
  • 📈 Automatisierung von Marketing-Workflows
  • 👨‍💻 Code-Generierung und -Überprüfung
  • ⚖️ Überprüfung der Einhaltung von Rechtsdokumenten
  • 🏥 Gesundheitsforschung
  • 📊 Kommerzielle Produktforschung

Dozentenprofil

Andrew Ng

  • 🎓 Pionier im Bereich der Künstlichen Intelligenz
  • 🧠 Mitbegründer von Google Brain
  • 📚 Mitbegründer von Coursera
  • 🏢 Ehemaliger Chief Scientist bei Baidu
  • 👨‍🏫 Schöpfer von Machine-Learning-Kursen, die Millionen von Lernenden beeinflusst haben

Lerntipps

  1. Täglich eine Lektion abschließen - Die Lernkontinuität aufrechterhalten
  2. Praktisch anwenden - Dem Kurs folgen und Projekte bauen
  3. Tiefes Verständnis - Prinzipien verstehen, statt Frameworks auswendig zu lernen
  4. Experimentieren und Innovieren - Versuchen, die gelernten Muster auf eigene Projekte anzuwenden
  5. Der Community beitreten - An Diskussionen im DeepLearning.AI-Forum teilnehmen

Lernergebnisse

Nach Abschluss des Kurses werden Sie in der Lage sein:

✅ Die Kernkonzepte und Vorteile der agentischen KI zu verstehen ✅ Vier Schlüssel-Designmuster für Agenten zu implementieren ✅ Produktionsreife Agenten-Anwendungen zu entwickeln ✅ Agenten-Systeme zu bewerten und zu optimieren ✅ Für Agenten-Implementierung geeignete Geschäftsszenarien zu identifizieren ✅ Agenten mit jedem Framework oder reinem Python zu bauen ✅ Ein DeepLearning.AI-Zertifikat zu erhalten

Zusammenfassung

Dies ist ein äußerst praxisorientierter Kurs, der von einem Top-Experten im Bereich KI, Andrew Ng, persönlich unterrichtet wird. Der Kurs vermittelt nicht nur theoretisches Wissen, sondern legt auch großen Wert auf die Entwicklung praktischer Fähigkeiten, insbesondere der evaluationsgesteuerten Entwicklungsmethode, die von vielen Teams oft übersehen wird, aber entscheidend ist. Egal, ob Sie Ihre eigenen KI-Anwendungen entwickeln oder sich einen Wettbewerbsvorteil in Ihrer Karriere verschaffen möchten, dieser Kurs ist eine unverzichtbare Lerngelegenheit im Jahr 2025.

Kurslink: https://www.deeplearning.ai/courses/agentic-ai/