Agentic Plattform & DevOps Engineering
Schulung & Kurs

Platform & DevOps Engineering mit Agentic Workflow: Peer-Engineering Arbeitsweise mit Generativer AI für CI/CD-Pipelines, GitOps, Kubernetes, Container und Infrastructure as Code.

Dieser innovative Kurs führt in die agentenbasierte Platform- und DevOps-Engineering-Praxis ein, bei der KI als aktiver Peer-Engineer fungiert. Die Teilnehmenden lernen, wie sie mit etablierten Agentic Coding Tools eine kontinuierliche Zusammenarbeit aufbauen können, bei der die KI direkt Infrastruktur-Code modifiziert, Pipeline-Konfigurationen erstellt, Kubernetes-Manifeste generiert und Deployment-Prozesse optimiert. Der Kurs behandelt fortgeschrittene Strategien wie Planning & Acting Phasen, Regelformulierung, Prompt-Techniken und Kontext-Management speziell für Platform Engineering. Die Teilnehmenden arbeiten mit realen DevOps-Projekten, die CI/CD-Pipelines (GitHub Actions, GitLab CI, Jenkins), GitOps-Workflows (ArgoCD, Flux), Kubernetes-Deployments, Container-Orchestrierung und Infrastructure as Code (Terraform, OpenTofu, Crossplane) umfassen. Der Kurs wird sich mit der Behebung von Pipeline-Problemen, Debugging von Kubernetes-Deployments, der Implementierung neuer Automatisierungen und dem Aufbau eines projektspezifischen Agentic Platform Engineering Frameworks befassen.

Kurse für Teams:

Gerne führen wir zugeschnittene Kurse für euer Team durch - vor Ort, remote oder in unseren Kursräumen.

In-House Kurs Anfragen

Kursinhalt:


Der Kurs besteht aus den folgenden Themen und kann je nach Publikum erweitert oder angepasst werden.
Die Beispiele im Kurs konzentrieren sich auf weit verbreitete Platform- und DevOps-Technologien.
Für Inhouse-Kurse gibt es eine Auswahl an Tools und Plattformen, die gewählt werden können, um besser zum Publikum zu passen.

– Einführung in Agentic Platform & DevOps Engineering:
... - Evolution vom "One-Shot Prompting" zu Agentic Workflow Peer-Engineering
... - Verständnis des Agentic Workflow Paradigmas für Infrastructure Engineering
... - Überblick über Kursumgebung und Tools
– Grundlagen von IDE-integrierten KI-Agenten für DevOps:
... - Einrichtung und Konfiguration der IDE-Extension
... - Verständnis von Planning vs. Acting Modi für Infrastructure Tasks
... - Effektive Kommunikationsmuster mit KI-Agenten für DevOps-Aufgaben
– Kontext-Management für Platform Engineering:
... - Aufbau eines effektiven Infrastruktur-Projektkontexts
... - Definition klarer Regeln für Infrastructure as Code
... - Fortgeschrittene Prompt-Engineering-Techniken für DevOps
– CI/CD-Pipeline-Engineering mit KI-Agenten:
... - GitHub Actions Workflows erstellen und optimieren
... - GitLab CI/CD Pipeline-Konfiguration und Debugging
... - Jenkins Pipeline-as-Code mit Groovy und Jenkinsfile
... - Pipeline-Testing und Validierung
– Container-Engineering und Docker:
... - Dockerfile-Erstellung und Optimierung
... - Multi-Stage Builds und Best Practices
... - Container-Image-Scanning und Security
... - Docker Compose für lokale Entwicklungsumgebungen
– Kubernetes-Engineering mit KI-Agenten:
... - Kubernetes-Manifest-Generierung (Deployments, Services, ConfigMaps)
... - Helm Charts erstellen und anpassen
... - Kustomize-Konfigurationen für verschiedene Umgebungen
... - Debugging von Kubernetes-Deployments und Pod-Problemen
– GitOps-Workflows und Continuous Deployment:
... - ArgoCD Application-Konfigurationen
... - Flux GitOps Setup und Automation
... - Declarative Infrastructure Management
... - Automated Rollbacks und Progressive Delivery
– Infrastructure as Code mit KI-Agenten:
... - Terraform/OpenTofu Module entwickeln und testen
... - State Management und Remote Backends
... - Crossplane für Kubernetes-native Infrastructure
... - IaC Testing mit Terratest oder ähnlichen Tools
– Monitoring, Logging und Observability:
... - Prometheus-Konfigurationen und Alert Rules
... - Grafana Dashboards erstellen
... - OpenTelemetry Integration
... - Log-Aggregation mit ELK/Loki
– Nutzung und Bau von MCP-Servern für DevOps:
... - Verständnis des Model Context Protocol
... - Integration von Cloud-Provider-APIs (AWS, Azure, GCP)
... - Custom Tools für Kubernetes-Interaktion
... - Integration externer DevOps-Dienste
– Security und Compliance Automation:
... - Policy-as-Code mit OPA/Gatekeeper
... - Secret Management mit Vault oder ähnlichen Tools
... - Security Scanning in CI/CD-Pipelines
... - Compliance-Checks automatisieren
– Modellauswahl und Deployment:
... - Vergleich verschiedener KI-Modelle für Infrastructure Tasks
... - Cloud-Provider vs. Self-Hosting-Überlegungen
... - Leistungs- und Kostenoptimierung
– Fortgeschrittene Agenten-Interaktionstechniken:
... - Mehrstufiges Reasoning für komplexe Infrastructure Changes
... - Umgang mit Multi-Cloud-Anforderungen
... - Fehlerbehebung und iterative Verbesserung
– Aufbau eines projektspezifischen "Agentic Platform Engineering Framework":
... - Teilbare Regeln, Kontext und Tooling für Teams
... - Agentic-Empowering Testing Setup für Infrastructure
... - KI-gestützte Dev-Container für Platform Engineering
– Best Practices und Zukunftstrends:
... - Emerging Technologies in AI-assisted Platform Engineering
... - Sicherheitsüberlegungen für Agentic Infrastructure Automation
... - Teamzusammenarbeit mit KI-Agenten im DevOps-Kontext

Der Kurs konzentriert sich auf eine etablierte, Open-Source, anbieter- und modellunabhängige KI-Integration in Visual Studio Code. Alternative KI-fokussierte IDEs, Plugins oder Integrationen werden diskutiert. Die Konzepte, Workflows und Ansätze sind übertragbar auf jedes Tool mit ähnlichen oder stärkeren Fähigkeiten.


Disclaimer: Der effektive Kursinhalt kann, abhängig vom Trainer, Durchführung, Dauer und Konstellation der Teilnehmer:innen von obigen Angaben abweichen.

Ob wir es Schulung, Kurs, Workshop, Seminar oder Training nennen, wir möchten Teilnehmer/innen an ihrem Punkt abholen und mit dem nötigen praktischen Wissen ausstatten, damit sie die Technologie nach der Schulung direkt anwenden und eigenständig vertiefen können.

Ziel:

Nach Abschluss dieses Kurses werden Sie in der Lage sein, KI-Agenten als aktive Peer-Engineers in Ihren Platform- und DevOps-Workflow zu integrieren. Sie werden Techniken für effektiven Kontextaufbau, Regelformulierung und Agenteninteraktion speziell für Infrastructure Engineering beherrschen. Sie werden praktische Erfahrungen in der Arbeit mit KI-Agenten an realen DevOps-Projekten sammeln, einschliesslich CI/CD-Pipeline-Entwicklung, Kubernetes-Orchestrierung, GitOps-Workflows und Infrastructure as Code. Zusätzlich werden Sie verstehen, wie Sie Agentenfähigkeiten durch benutzerdefinierte MCP-Server für Cloud-Provider-Integrationen erweitern und projektspezifische Frameworks entwickeln können, die die Produktivität Ihres Platform-Teams steigern. Diese Fähigkeiten ermöglichen es Ihnen, KI nicht nur als Werkzeug, sondern als kollaborativen Partner im gesamten Platform Engineering Lifecycle zu nutzen.


Dauer:

2 Tage (Wird bei In-House Kursen individuell angepasst.)


Form:

Der Kurs kombiniert theoretische Konzepte mit intensiven praktischen Übungen an realen DevOps-Projekten. Die Teilnehmenden arbeiten an Infrastructure-Engineering-Aufgaben mit einem leistungsstarken Agentic Coding Tool, dessen KI mit Kubernetes-Clustern, CI/CD-Pipelines, Infrastructure-as-Code-Projekten und Cloud-Provider-APIs interagieren kann. Der Trainer begleitet den Prozess mit Expertenwissen und individueller Unterstützung, um die optimale Zusammenarbeit zwischen Engineer und KI-Agent zu fördern.


Zielgruppe:

Das Training richtet sich an erfahrene Platform Engineers, DevOps Engineers, Site Reliability Engineers und Cloud Architects, die ihre Produktivität durch KI-Agenten steigern möchten. Der Kurs ist besonders geeignet für Professionals, die mit CI/CD-Pipelines, Kubernetes, Container-Orchestrierung, GitOps und Infrastructure as Code arbeiten und den nächsten Schritt in Richtung agentenbasierter Infrastructure Automation gehen möchten.


Voraussetzungen:

Dieser fortgeschrittene Kurs erfordert solide Kenntnisse in Platform Engineering und DevOps-Praktiken. Die Teilnehmenden sollten Erfahrung mit CI/CD-Pipelines, Container-Technologien (Docker), Kubernetes-Grundlagen, Infrastructure as Code (Terraform oder ähnliche Tools) und GitOps-Konzepten haben. Vertrautheit mit YAML, Shell-Scripting und mindestens einer Programmiersprache (Python, Go, oder ähnliche) ist erforderlich, da die KI-Agenten direkt mit diesen Technologien interagieren werden.


Vorbereitung:

Vor dem Kurs erhält jeder Teilnehmer einen detaillierten Fragebogen zur Erfassung des Erfahrungsniveaus und spezifischer Interessen. Wir stellen eine fortschrittliche Entwicklungsumgebung mit vorinstalliertem Tooling, Kubernetes-Cluster-Zugang und Cloud-Provider-Sandboxes sowie einen Installationsleitfaden zur Vorbereitung lokaler Entwicklungsumgebungen bereit. Während des Kurses werden notwendige KI-API-Tokens für die lokale Nutzung zur Verfügung gestellt. Nach dem Kurs haben die Teilnehmer weiterhin Zugang zur Letsboot Labmachine-Umgebung für lernbezogenes Agentic Platform Engineering.

In-House Kurs anfragen:

In-House Kurs Anfragen

Trage dich in die Warteliste ein für weitere öffentliche Kurs-Termine. Sobald wir genügend Personen auf der Warteliste haben, klären wir einen möglichst für alle passenden Termin ab und schalten einen neuen Termin auf. Falls du direkt mit zwei Kollegen oder Kolleginnen teilnehmen möchtest, können wir sogar direkt einen öffentlichen Kurs für euch planen.

Warteliste

(Falls ihr bereits mehr 3 Teilnehmer:innen oder mehr habt, klären wir mit euch direkt euren Wunschtermin ab und schreiben den Kurs aus.)

Der Agentic Workflow im Platform & DevOps Engineering repräsentiert einen Paradigmenwechsel in der Art und Weise, wie wir Infrastructure Engineering betreiben. Mit modernen KI-Tools etablieren wir eine Arbeitsweise, bei der KI-Agenten nicht nur Vorschläge machen, sondern aktiv am Engineering-Prozess teilnehmen, indem sie direkt CI/CD-Pipelines erstellen, Kubernetes-Manifeste generieren, Infrastructure-as-Code-Module entwickeln und Deployment-Prozesse optimieren. Diese Peer-Engineering-Methode kombiniert die Expertise und das Systemverständnis menschlicher Platform Engineers mit der Effizienz und analytischen Stärke von KI-Systemen, was zu schnellerer Infrastructure-Entwicklung, höherer Automatisierungsqualität und innovativeren DevOps-Lösungen führt.