Einführung in Agentic AI und LangGraph
  • Überblick: Konversationsbasierte KI-Chatbots Status quo und Herausforderungen
  • Was ist Agentic AI? Von reaktiven zu autonomen Chatbots
  • Agentic Chatbots verstehen: Zustände, Gedächtnis und Entscheidungsfindung
  • Warum LangGraph? Die Rolle von LangGraph bei der Entwicklung agentenbasierter KI
Erstellung eines Basis-ReAct-Agenten
  • Das ReAct-Modell: Reflexion und Aktion kombinieren
  • Design eines einfachen ReAct-Agenten mit LangChain
  • Integration von Funktions-Tools zur Erweiterung der Agentenfähigkeiten
  • Schritt-für-Schritt: Erstellen und Ausführen eines ReAct-Agenten
  • Best Practices: Fehlerbehebung und Debugging in LangChain
Aufbau eines Produkt-Q+A-Chatbots
  • Entwurf eines Frage-Antwort-Chatbots für Produktanfragen
  • Erweiterung durch Funktions-Tools und einen Retriever für dynamische Datenzugriffe
  • Einrichtung und Test des Produkt-Q+A-Chatbots
  • Praxisteil: Ihren eigenen Q+A-Chatbot zum Laufen bringen
Individuelle Agenten und Chatbots mit LangGraph
  • LangGraph im Detail: Konzepte, Framework und Anwendungsfälle
  • Design eines Bestell-Agenten mit LangGraph
  • Werkzeuge einrichten: Vom Funktions-Tool bis zum Datenabruf
  • Schritt-für-Schritt: Entwicklung eines individuellen LangGraph-Agenten
  • Test und Optimierung des maßgeschneiderten Chatbots
Reflexionsbasierte LangGraph-Agenten
  • Warum Reflexion? Chatbots mit Selbstüberprüfung für präzisere Antworten
  • Design eines Reflexions-Agenten zur Zusammenfassung und Überprüfung
  • Prompts gezielt gestalten: Effektive Anleitungen für reflexionsbasierte KI
  • Einrichtung eines Summarize-and-Review-Agenten mit LangGraph
  • Ausführung und Optimierung des Reflexions-Chatbots
Multi-Agenten-Systeme mit LangGraph
  • Komplexe Konversationen meistern: Der Einsatz mehrerer Agenten
  • Design eines Routing-Agenten zur Steuerung der Konversationen
  • Agenten als Knotenpunkte in LangGraph integrieren
  • Aufbau eines Multi-Agenten-Systems: Routing-Agent und Chatbot verknüpfen
  • Praktische Übung: Entwicklung und Test eines Multi-Agenten-Chatbots
Lernziele
  • Die grundlegenden Konzepte und Bausteine eines agentenbasierten KI-Chatbots zu verstehen und anzuwenden.
  • Mit LangChain einen einfachen Chatbot zu erstellen und durch RAG (Retrieval-Augmented Generation) zu erweitern.
  • Agentic AI-Funktionalitäten wie Reflexion, Planung und Tool-Nutzung in Ihren Chatbot zu integrieren.
  • Mehrere KI-Agenten hinter einem Chatbot zu orchestrieren, um komplexe Konversationen zu ermöglichen.
  • Best Practices bei der Entwicklung von agentenbasierten Chatbots anzuwenden und Ihre eigenen Projekte effizient umzusetzen.
Zielgruppe
  • Softwareentwickler und KI-Ingenieure, die Chatbots mit erweiterten Fähigkeiten entwickeln möchten.
  • Data Scientists und Machine Learning-Experten, die Agentic AI in bestehende Projekte integrieren wollen.
  • Produktmanager und Technologieberater, die verstehen möchten, wie agentenbasierte KI den Self-Service-Bereich revolutionieren kann.
  • KI-Enthusiasten, die tiefer in die Welt von LangChain und LangGraph eintauchen möchten.
Ihre Vorteile auf einen Blick
  • Praxisorientierte Inhalte: Direkte Umsetzung mit LangChain und LangGraph
  • Schritt-für-Schritt-Anleitungen: Von den Grundlagen bis zu komplexen Multi-Agenten-Systemen
  • Hands-on-Übungen: Eigene Agenten und Chatbots erstellen und testen
  • Best Practices: Fehler vermeiden und effizientere KI-Lösungen entwickeln
  • Expertenwissen: Profitieren Sie von fundiertem Know-how im Bereich Agentic AI

(Version: 2026-02-13T10:43:51+01:00)