Phase 5: Erkundung von KI-Anwendungsszenarien

Ein fünftägiger Intensivkurs zu KI-Agenten, gemeinsam von Google und Kaggle angeboten, der vermittelt, wie man produktionsreife KI-Agentensysteme entwickelt, evaluiert und bereitstellt.

Start Learning AI →
KIAgentenGoogleGeminiWebSiteVideoFreeEnglish

5-tägiger Intensivkurs zu KI-Agenten – Google & Kaggle

Kursübersicht

Dies ist ein kostenloses Online-Kursangebot, das sorgfältig von Machine-Learning-Forschern und -Ingenieuren bei Google entwickelt wurde, um Entwickler dabei zu unterstützen, Fähigkeiten im Entwerfen, Bewerten und Bereitstellen von KI-Agenten (AI Agents) zu erwerben. Der Kurs ist die Fortsetzung der früheren, erfolgreichen „Generative AI“-Intensivschulung von Google und Kaggle, an der über 280.000 Lernende teilnahmen.

Grundlegende Informationen

  • Kursdatum: 10.–14. November 2025 (5 Tage)
  • Unterrichtsform: Vollständig online
  • Kosten: Kostenlos
  • Veranstalter: Google & Kaggle
  • Kurssprache: Englisch
  • Teilnehmerzahl: Voraussichtlich mehrere hunderttausend Lernende

Besondere Merkmale des Kurses

  1. Theorie und Praxis kombiniert: Täglich Konzepterklärungen, praktische Labs (Codelabs) und Live-Diskussionen
  2. Vielfältige Lernmaterialien:
    • KI-generierte Podcasts (mit NotebookLM erstellt)
    • Fachliche Whitepapers (verfasst von Google-Experten)
    • Praktische Code-Labs
    • YouTube-Live-Sitzungen
    • Discord-Community-Unterstützung
  3. Praxisprojekt: Abschluss-Capstone-Projekt; herausragende Projekte erhalten Preise und werden auf den Social-Media-Kanälen von Google und Kaggle präsentiert
  4. Abschlusszertifikat: Bei erfolgreichem Abschluss des Capstone-Projekts erhält man ein Kaggle-Abzeichen

Kursstruktur und Technologie-Stack

Kern-Technologien

  • Grundlegendes Modell: Google Gemini
  • Entwicklungs-Framework: Agent Development Kit (ADK)
  • Kommunikationsprotokoll: Model Context Protocol (MCP)
  • Plattform: Kaggle (für Codelabs)
  • Programmiersprache: Python
  • Hilfswerkzeuge: NotebookLM

Kernkomponenten

Der Kurs behandelt die fünf zentralen Komponenten von KI-Agenten:

  1. Models (Modelle): Grundlagen großer Sprachmodelle
  2. Tools (Werkzeuge): Externe Funktionen und API-Aufrufe
  3. Orchestration (Orchestrierung): Workflow-Koordination
  4. Memory (Gedächtnis): Kurz- und Langzeitgedächtnis-Management
  5. Evaluation (Bewertung): Qualitätssicherung und Leistungsmetriken

Tägliche Kursinhalte im Detail

Tag 1: Einführung in KI-Agenten und ihre Architektur

Thema: Unterschied zwischen Agentensystemen und LLMs verstehen

Kerninhalte:

  • Klassifizierungssystem für Agentenfähigkeiten
  • Notwendigkeit der „Agent Ops“-Spezifikation
  • Bedeutung von Interoperabilität und Sicherheit
  • Erstellen eines inferenzbasierten Agenten mit ADK
  • Orchestrierung des Think-Act-Observe-Zyklus
  • Erforschung von Multi-Agent-Designmustern

Lernmaterialien:

  • Whitepaper: Introduction to Agents
  • Podcast: Unit 1 Summary (via NotebookLM)
  • Codelabs:
    • Building Agentic Apps with the Agent Development Kit (ADK)
    • Introduction to LangGraph
    • Function Calling with the Gemini API

Erworbene Fähigkeiten:

  • Verständnis der grundlegenden Agentenarchitektur
  • Beherrschung des Agentenzyklus
  • Erstellen einfacher Agenten mit ADK

Tag 2: Agenten-Werkzeuge und MCP-Interoperabilität

Thema: Reale Aktionen durch APIs und Werkzeuge ermöglichen

Kerninhalte:

  • Integration externer Werkzeuge und Funktionen
  • Abruf von Echtzeitdaten
  • Einführung in das Model Context Protocol (MCP)
  • Umgang mit komplexen, langlaufenden Operationen

Lernmaterialien:

  • Whitepaper: Agent Tools & Interoperability with Model Context Protocol (MCP)
  • Podcast: Unit 2 Summary (via NotebookLM)
  • Codelabs:
    • Function Calling with the Gemini API
    • Using tools with LangGraph
    • Prompt Caching with the Gemini API

Erworbene Fähigkeiten:

  • Implementierung von Function Calling
  • Nutzung des MCP-Protokolls
  • Integration externer Werkzeuge und APIs

Tag 3: Kontext-Engineering und Gedächtnis

Thema: Implementierung von Kurz- und Langzeitgedächtnissystemen

Kerninhalte:

  • Praktiken des Kontext-Engineerings
  • Dynamisches Zusammenstellen und Verwalten von Informationen
  • Sessions – unmittelbare Verlaufsdaten
  • Memory – langfristige Persistenz
  • Erstellung zustandsbehafteter, personalisierter KI-Erlebnisse

Lernmaterialien:

  • Whitepaper: Context Engineering: Sessions & Memory
  • Podcast: Unit 3 Summary (via NotebookLM)
  • Codelabs:
    • Context Caching with the Gemini API
    • Long-term Memory using LangGraph
    • Personalization with Gemini API

Erworbene Fähigkeiten:

  • Verwaltung des Kontextfensters
  • Aufbau von Gedächtnissystemen
  • Entwicklung personalisierter Agenten-Erfahrungen

Tag 4: Qualität, Logging und Evaluation

Thema: Observability, Tracing und Leistungsmetriken

Kerninhalte:

  • Umfassender Bewertungsrahmen zur Qualitätssicherung von Agenten
  • Grundlagen der Observability (Logs, Traces, Metrics)
  • Skalierbare Feedbackschleifen
  • LLM-as-a-Judge-Methode
  • Human-in-the-Loop (HITL)-Workflows

Lernmaterialien:

  • Whitepaper: Agent Quality
  • Podcast: Unit 4 Summary (via NotebookLM)
  • Codelabs:
    • LangSmith Fundamentals
    • Evaluating Agentic Applications
    • A/B Testing with Agents

Erworbene Fähigkeiten:

  • Implementierung eines Qualitätsbewertungssystems
  • Einsatz von Logging- und Tracing-Tools
  • Gestaltung aussagekräftiger Evaluationsmetriken

Tag 5: Vom Prototyp zur Produktion

Thema: Bereitstellung und Skalierung von Multi-Agenten-Systemen

Kerninhalte:

  • Betriebslebenszyklus von Agenten (Deployment, Skalierung, Produktivsetzung)
  • Übergang vom Prototyp zur unternehmensreifen Lösung
  • Agent2Agent (A2A)-Protokoll
  • Deployment auf Vertex AI Agent Engine
  • Architektur von Multi-Agenten-Systemen

Lernmaterialien:

  • Whitepaper: Prototype to Production
  • Podcast: Unit 5 Summary (via NotebookLM)
  • Codelabs:
    • Multi-agent Workflows with LangGraph
    • Human-in-the-loop Workflows in LangGraph
    • Deploying Agents with Google Cloud

Erworbene Fähigkeiten:

  • Bereitstellung produktionsreifer Agenten
  • Aufbau kollaborativer Multi-Agenten-Systeme
  • Skalierung mithilfe von Google Cloud

Capstone-Projekt

Projektanforderungen

  • Startdatum: 14. November 2025 (nach dem fünften Kurstag)
  • Abgabefrist: 30. November 2025, 23:59 Uhr PT
  • Entwicklungszeit: ca. 2 Wochen

Projektvorgaben

  1. Entwurf und Implementierung eines KI-Agenten mit dem Agent Development Kit (ADK)
  2. Nachweis mindestens dreier im Kurs erlernter Kernfunktionen (z. B.: Werkzeugnutzung, Gedächtnis, Evaluation)
  3. Erstellung einer Kaggle-Notebook-Dokumentation
  4. Einreichung eines kurzen Demo-Videos und einer Projektbeschreibung

Belohnungen

  • Alle Absolventen: Erhalten ein Kaggle-Profilabzeichen
  • Top 10:
    • Exklusive Kaggle-Merchandise-Artikel
    • Öffentliche Präsentation auf offiziellen Social-Media-Kanälen von Google und Kaggle

Zeitaufwand

  • Tägliche Übungen: 1–2 Stunden
  • Live-Sitzungen: 45–60 Minuten (optional, Aufzeichnungen verfügbar)
  • Gesamt: ca. 2–3 Stunden pro Tag
  • Flexibilität: Selbstbestimmtes Lerntempo – geeignet für Berufstätige oder Studierende

Zielgruppe

Ideal geeignet für

✅ Entwickler mit Vorkenntnissen in KI/ML/LLMs, die sich auf Agentenentwicklung spezialisieren möchten
✅ Personen, die in Bereichen mit automatisierten Workflows oder mehrstufigen Aufgaben arbeiten
✅ Lernende, die Zeit für praktische Übungen und Live-Sitzungen investieren möchten
✅ Personen, die konkrete, innerhalb ihrer Organisation vorzeigbare Projekte erstellen wollen
✅ Data Scientists, ML-Ingenieure und Softwareentwickler

Weniger geeignet für

❌ Absolute Anfänger ohne KI/ML-Grundlagen, die noch grundlegende LLM-Nutzung erlernen
❌ Personen, die täglich nicht 1–2 Stunden für das Lernen aufbringen können

Voraussetzungen

  • Grundkenntnisse in Python-Programmierung (hilfreich, aber nicht zwingend erforderlich)
  • Interesse an KI, maschinellem Lernen oder Data Science
  • Vertrautheit mit Python Notebooks und gängigen Agenten-Bibliotheken

Lernerfolge

Nach Abschluss dieses Kurses können Sie:

  1. ✅ Klare Agenten-Architekturen entwerfen (Ziel → Planung → Werkzeugaufruf → Gedächtnis → Evaluation)
  2. ✅ Praxiserfahrung durch Codelabs und das Capstone-Projekt sammeln
  3. ✅ Produktionsrelevante Aspekte verstehen (Logging, Fehlertoleranz, Skalierbarkeit)
  4. ✅ Ein Abschlusszertifikat erhalten und Teil eines professionellen Netzwerks werden
  5. ✅ Von einfachen bis hin zu komplexen Multi-Agenten-Systemen entwickeln
  6. ✅ Methoden zur Bewertung und Optimierung von Agenten beherrschen

Kurs-Highlights

Warum KI-Agenten lernen?

Laut Google verlagern Unternehmen ihren Fokus von isolierten Modellaufrufen hin zu Agentenplattformen, die Experimente skalierbar machen und den produktiven Einsatz ermöglichen. Agenten sind der Weg, wie Teams leistungsstarke Modelle in funktionierende Software verwandeln – indem sie LLMs mit Gedächtnis, Werkzeugnutzung, Planung und Evaluation ausstatten, sodass diese zuverlässig mehrstufige Aufgaben bewältigen können.

Agent vs. LLM

  • Traditionelles LLM: Einmalige Prompt-Antwort-Interaktion
  • KI-Agenten:
    • Können planen
    • Rufen Werkzeuge auf
    • Koordinieren sich mit anderen Agenten
    • Verfügen über Gedächtnis
    • Können sich selbst bewerten und optimieren
    • Führen zuverlässig mehrstufige Aufgaben aus

Kursressourcen

Offizielle Links

Lernempfehlungen

  1. Umgebung vorbereiten: Stellen Sie sicher, dass Sie mit Python Notebooks und gängigen Agenten-Bibliotheken vertraut sind
  2. Reales Problem wählen: Beginnen Sie mit einem kleinen, automatisierbaren Workflow (z. B.: wöchentlicher Report, Support-Ticket-Klassifizierung, Content-QA)
  3. Evaluationsmetriken planen: Definieren Sie einfache Erfolgskriterien (Task Completion Rate, Latenz, eingesparte manuelle Prüfzeit)
  4. Tag 1–2: Meistern Sie die Grundlagen – Agentenzyklus, Werkzeugaufrufe, Gedächtnis
  5. Tag 3: Frühzeitig Evaluation einbauen – selbst einfache Checks verhindern fehlerhafte Optimierungsrichtungen
  6. Tag 4: Multi-Agenten- oder Multi-Werkzeug-Konfigurationen nur dann nutzen, wenn Ihr Anwendungsfall dies erfordert

Wettbewerbsvorteile

Als einer der ersten strukturierten Kurse zum Thema Agenten verschafft Ihnen der Abschluss einen entscheidenden Vorsprung:

  • 🎯 Frühzeitiger Einstieg, während viele Organisationen noch dabei sind, Agenten-KI zu evaluieren
  • 🎯 Greifbares Projekt, das Sie Stakeholdern präsentieren oder in Ihr Portfolio aufnehmen können
  • 🎯 Aufbau eines professionellen Netzwerks innerhalb der Google- und Kaggle-Community
  • 🎯 Sprung von „Agenten verstehen“ zu „Agenten liefern können“

Community und Unterstützung

  • Discord-Kanäle: Aktiv betreut und unterstützt von Google-Mitarbeitern
  • Live-Expertenvorträge: Direkte Q&A-Sessions mit Google-Forschern und -Ingenieuren
  • Globale Lerngemeinschaft: Hunderttausende Lernende wachsen gemeinsam
  • Aufgezeichnete Sitzungen: Alle Live-Sitzungen stehen als Aufzeichnung zur Verfügung – ideal für unterschiedliche Zeitzonen

Zusammenfassung

Der 5-tägige Intensivkurs zu KI-Agenten bietet Entwicklern und ML-Praktikern eine zeitnahe und anspruchsvolle Gelegenheit, vom „LLM-Anwendungsansatz“ zum „Agenten-Systemansatz“ überzugehen. Während KI zunehmend von Empfehlungen zu Handlungen übergeht, werden jene im Vorteil sein, die verstehen, wie man Agenten mit Gedächtnis, Werkzeugen, Koordination, Evaluation und Bereitstellungsfähigkeit baut.

Dieser Kurs ist mehr als nur eine Schulung – er ist Ihr Ticket in das Zeitalter der KI-Agenten.