Sprich mit einem Trainer:
Jonas Felix
Agentic System Engineering
Schulung & Kurs
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.
Kurse für Teams:
Gerne führen wir zugeschnittene Kurse für euer Team durch - vor Ort, remote oder in unseren Kursräumen.
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 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.
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 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
(Wird bei In-House Kursen individuell angepasst.)
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:
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
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, Server-Konfigurationen automatisieren und Infrastructure-as-Code-Module entwickeln. Diese Peer-Engineering-Methode kombiniert die Expertise und das Systemverständnis menschlicher System Engineers mit der Effizienz und analytischen Stärke von KI-Systemen, was zu schnellerer Infrastructure-Automatisierung, höherer Konfigurationsqualität und innovativeren System-Engineering-Lösungen führt.
