Kurs · Schulung · Workshop

Agentic (AI-Assisted) Plattform & DevSecOps Engineering

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.

In-House Kurs

Massgeschneidert für Ihr Team.

Anfragen

Kein passender Termin?

Neuen öffentlichen Termin anfragen.

Termin anfragen

Trainer

Jonas Felix

Trainer, Co-Founder

Yanick Egli

Trainer & Training Platform Engineer

Joshua Leuenberger

Trainer

Stimmen unserer Teilnehmer:innen

Diese Kunden haben Kurse im gleichen Themen-Cluster bei uns gebucht.Mehr Kunden →

Inhalt

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.

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

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

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

Öffentlichen Termin anfragen

Kein passender öffentlicher Termin dabei? Trag dich unverbindlich ein – sobald genug Interesse besteht, planen wir einen neuen öffentlichen Termin und informieren dich zuerst.

Mehr über Agentic Platform & DevOps Engineering

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 – sie erstellen direkt CI/CD-Pipelines, generieren Kubernetes-Manifeste, entwickeln Infrastructure-as-Code-Module und optimieren Deployment-Prozesse. Diese Peer-Engineering-Methode kombiniert die Expertise menschlicher Platform Engineers mit der Effizienz und analytischen Stärke von KI-Systemen.

Weitere Ressourcen:

History

DevOps entstand Anfang der 2010er Jahre als Antwort auf die Silos zwischen Entwicklung und Betrieb, mit Werkzeugen wie GitHub Actions und ArgoCD als treibenden Kräften für Automatisierung und GitOps. Die Integration von KI in diese Prozesse begann zunächst mit einfachen Autocomplete-Funktionen und einfachen Chatbots. Mit dem Aufkommen leistungsfähiger Sprachmodelle ab 2023 verschob sich dies dramatisch.

Seit 2024 entwickeln sich sogenannte Agentic Workflows, bei denen KI-Systeme eigenständig mehrschrittige Aufgaben übernehmen: Sie analysieren Fehler in Pipelines, generieren Korrekturen, führen Tests aus und deployen Fixes – alles in einem autonomen Zyklus. Gartner verzeichnete zwischen Q1 2024 und Q2 2025 einen Anstieg von 1.445% bei Anfragen zu Multi-Agent-Systemen. Platform Engineers werden dadurch zu Architekten und Supervisoren dieser KI-gestützten Automatisierungssysteme.