Kurs · Schulung · Workshop

Agentic (AI-Assisted) System Engineering

System Engineering mit Agentic Workflow: Peer-Engineering Arbeitsweise mit Generativer AI für Ansible, Shell-Scripting, GitOps, Infrastructure as Code und Server-Automatisierung.

Dieser innovative Kurs führt in die agentenbasierte System-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 Ansible-Playbooks erstellt, Shell-Scripts optimiert, Infrastructure-as-Code-Module entwickelt und Server-Konfigurationen automatisiert. Der Kurs behandelt fortgeschrittene Strategien wie Planning & Acting Phasen, Regelformulierung, Prompt-Techniken und Kontext-Management speziell für System Engineering. Die Teilnehmenden arbeiten mit realen Infrastructure-Projekten, die Ansible-Automatisierung, Bash/Python-Scripting, GitOps-Workflows, Infrastructure as Code (Terraform, OpenTofu), Configuration Management und Server-Orchestrierung umfassen. Der Kurs wird sich mit der Behebung von Automatisierungsproblemen, Debugging von Playbooks und Scripts, der Implementierung neuer Infrastruktur-Automatisierungen und dem Aufbau eines projektspezifischen Agentic System 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 System-Engineering-Technologien und -Praktiken. Für Inhouse-Kurse gibt es eine Auswahl an Tools und Plattformen, die gewählt werden können, um besser zum Publikum zu passen.

– Einführung in Agentic System Engineering:

Evolution vom “One-Shot Prompting” zu Agentic Workflow Peer-Engineering
Verständnis des Agentic Workflow Paradigmas für System Engineering
Überblick über Kursumgebung und Tools – Grundlagen von IDE-integrierten KI-Agenten für System Engineering:
Einrichtung und Konfiguration der IDE-Extension
Verständnis von Planning vs. Acting Modi für Infrastructure Tasks
Effektive Kommunikationsmuster mit KI-Agenten für System-Engineering-Aufgaben – Kontext-Management für System Engineering:
Aufbau eines effektiven Infrastruktur-Projektkontexts
Definition klarer Regeln für Automation und Configuration Management
Fortgeschrittene Prompt-Engineering-Techniken für System Engineering – Ansible-Automatisierung mit KI-Agenten:
Ansible-Playbook-Entwicklung und -Optimierung
Ansible-Rollen und Collections erstellen
Inventory-Management und dynamische Inventories
Ansible-Vault für Secret Management
Debugging und Testing von Ansible-Playbooks – Shell-Scripting und Automation mit KI-Agenten:
Bash-Script-Entwicklung und Best Practices
Python-Scripts für System-Automatisierung
Error Handling und Logging in Scripts
Script-Testing und Validierung
Cron-Jobs und Systemd-Timer-Konfiguration – Infrastructure as Code mit KI-Agenten:
Terraform/OpenTofu Module für Server-Infrastruktur
State Management und Remote Backends
Provider-Konfiguration für verschiedene Plattformen
IaC Testing und Validierung – Configuration Management und Server-Orchestrierung:
Server-Konfiguration mit Ansible
Package Management und Updates automatisieren
User und Permission Management
Service Management und Systemd-Units
Firewall-Konfiguration (iptables, firewalld, ufw) – GitOps-Workflows für System Engineering:
Git-basierte Infrastructure-Verwaltung
Declarative Configuration Management
Automated Deployment und Rollback-Strategien
Version Control für Infrastructure Code – Monitoring und Logging-Automatisierung:
Log-Rotation und -Aggregation konfigurieren
Monitoring-Agent-Deployment (Prometheus Node Exporter, etc.)
Alert-Konfiguration und Notification-Setup
Performance-Monitoring und Tuning – Backup und Disaster Recovery Automation:
Backup-Scripts und -Strategien entwickeln
Automated Backup-Testing
Disaster Recovery Playbooks
Snapshot-Management für VMs und Volumes – Security und Compliance Automation:
Security Hardening mit Ansible
Automated Security Scanning und Patching
Compliance-Checks automatisieren (CIS Benchmarks)
SSH-Key-Management und Rotation – Nutzung und Bau von MCP-Servern für System Engineering:
Verständnis des Model Context Protocol
Integration von Server-Management-APIs
Custom Tools für SSH-Interaktion und Remote-Execution
Integration externer Infrastructure-Dienste – Cloud und Hybrid Infrastructure:
Cloud-Provider-Integration (AWS EC2, Azure VMs, GCP Compute)
Hybrid-Cloud-Automatisierung
Multi-Cloud-Management-Strategien
Cloud-Init und User-Data-Scripts – 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 Legacy-Systemen und Migration
Fehlerbehebung und iterative Verbesserung – Aufbau eines projektspezifischen “Agentic System Engineering Framework”:
Teilbare Regeln, Kontext und Tooling für Teams
Agentic-Empowering Testing Setup für Infrastructure
KI-gestützte Dev-Container für System Engineering – Best Practices und Zukunftstrends:
Emerging Technologies in AI-assisted System Engineering
Sicherheitsüberlegungen für Agentic Infrastructure Automation
Teamzusammenarbeit mit KI-Agenten im System-Engineering-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 System-Engineering-Workflow zu integrieren. Sie werden Techniken für effektiven Kontextaufbau, Regelformulierung und Agenteninteraktion speziell für Infrastructure Automation beherrschen. Sie werden praktische Erfahrungen in der Arbeit mit KI-Agenten an realen System-Engineering-Projekten sammeln, einschliesslich Ansible-Automatisierung, Shell-Scripting, Configuration Management, GitOps-Workflows und Infrastructure as Code. Zusätzlich werden Sie verstehen, wie Sie Agentenfähigkeiten durch benutzerdefinierte MCP-Server für Server-Management-Integrationen erweitern und projektspezifische Frameworks entwickeln können, die die Produktivität Ihres System-Engineering-Teams steigern. Diese Fähigkeiten ermöglichen es Ihnen, KI nicht nur als Werkzeug, sondern als kollaborativen Partner im gesamten Infrastructure Automation Lifecycle zu nutzen.

Dauer

2 Tage

Form

Der Kurs kombiniert theoretische Konzepte mit intensiven praktischen Übungen an realen System-Engineering-Projekten. Die Teilnehmenden arbeiten an Infrastructure-Automatisierungsaufgaben mit einem leistungsstarken Agentic Coding Tool, dessen KI mit Servern, Ansible-Playbooks, Shell-Scripts, Infrastructure-as-Code-Projekten und Server-Management-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 System Engineers, System Administrators, Infrastructure Engineers und Site Reliability Engineers, die ihre Produktivität durch KI-Agenten steigern möchten. Der Kurs ist besonders geeignet für Professionals, die mit Ansible, Shell-Scripting, Configuration Management, Server-Automatisierung, 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 System Engineering und Linux-Administration. Die Teilnehmenden sollten Erfahrung mit Linux-Systemen, Shell-Scripting (Bash), grundlegenden Ansible-Kenntnissen oder anderen Configuration-Management-Tools, Infrastructure as Code (Terraform oder ähnliche Tools) und GitOps-Konzepten haben. Vertrautheit mit SSH, YAML, Python-Grundlagen und Server-Administration 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, Server-Zugang für Ansible-Übungen und Infrastructure-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 System 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 System Engineering

Der Agentic Workflow im System Engineering repräsentiert einen Paradigmenwechsel in der Art und Weise, wie wir Infrastructure Automation 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 Ansible-Playbooks erstellen, Shell-Scripts optimieren und Infrastructure-as-Code-Module entwickeln. Diese Peer-Engineering-Methode kombiniert die Expertise menschlicher System Engineers mit der Effizienz und analytischen Stärke von KI-Systemen.

Weitere Ressourcen:

History

Die Idee, KI-Agenten für Infrastructure-Automatisierung einzusetzen, hat ihre Wurzeln in der Forschung zu autonomen Agenten der 1990er Jahre. Mit dem Aufkommen von Large Language Models und Frameworks wie LangChain und AutoGen wurde es ab 2023 erstmals praktisch möglich, KI-Agenten direkt in System-Engineering-Workflows einzubinden.

Heute ermöglichen spezialisierte agentic coding tools wie Claude Code von Anthropic und GitHub Copilot Workspace, dass KI-Agenten nicht nur Code vorschlagen, sondern vollständige Infrastructure-Tasks eigenständig planen und ausführen – inklusive Ansible-Playbook-Entwicklung, IaC-Modulerstellung und GitOps-Workflows. Diese Entwicklung hat das Konzept des "Peer-Engineering" geprägt, bei dem Mensch und KI gleichberechtigt zusammenarbeiten.