Bitte wählen Sie die Bereiche, die Sie exportieren möchten:
Schulung Code-first Agentic Engineering mit OpenAI Agents SDK und LangGraph
Agenten, Handoffs, Guardrails, StateGraph, Persistenz, Human-in-the-Loop, Tracing und Production-Patterns
Schulungsformen
Inhouse-/Firmenschulung
- 2 Tage - anpassbar
- Termin nach Wunsch
- In Ihrem Hause oder bei der GFU
- Preis nach Angebot
- Lernumgebung in der Cloud
- Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.
Individualschulung
- 2 Tage - anpassbar
- Termin nach Wunsch
- In Ihrem Hause oder bei der GFU
- Preis nach Angebot
- Lernumgebung in der Cloud
- 1 Teilnehmender = Fokus aufs Fachliche und maximaler Raum für individuelle Fragen.
Beschreibung
Was 2026 zählt, ist die begründete Framework-Auswahl, sauberer Engineering-Code und Production-Stabilität. Dieses Zwei-Tage-Seminar vermittelt beide Frameworks Hands-on, ihre Kombination und die Engineering-Disziplin für den produktiven Betrieb.
Finden Sie weitere für Sie passende KI Trainings.
Schulungsziel
Jede teilnehmende Person verlässt das Seminar mit einem strukturierten Verständnis der Code-first Agent-Engineering-Realität 2026 und einer persönlichen 90-Tage-Engineering-Roadmap mit messbaren Output-Zielen - einsetzbar im eigenen Engineering-Alltag ab dem ersten Arbeitstag nach dem Seminar.
Details
Inhalt
- Ziele und Erwartungen der Teilnehmenden
- Klärung individueller Lernziele und Erwartungen für ein praxisnahes und relevantes Seminar
- Tag 1: OpenAI Agents SDK
- 1. Code-first Agentic Engineering 2026
- Code-first versus No-Code-Plattformen: wann welcher Ansatz, Trade-offs in Versionierung, Test-Disziplin, Komplexitäts-Beherrschung.
- Landschaft der Code-Frameworks: OpenAI Agents SDK, LangGraph, LangChain, AutoGen, CrewAI, Pydantic AI, Smolagents, Mastra (TypeScript).
- Fokus dieser Schulung: OpenAI Agents SDK und LangGraph als die beiden dominanten und ausgereiften Frameworks.
- Output-Disziplin: Framework-Auswahl-Qualität, Code-Wiederverwendbarkeit, Production-Stabilität, Time-to-Production als persönliche KPIs.
- Anti-Patterns: Framework-Beliebigkeit, Mischung ohne Architektur-Begründung, Production ohne Tracing und Tests.
- Praxis-Übung: Eigene Code-Agent-Bestandsaufnahme - aktuelle Agent-Code-Realität in der eigenen Organisation benennen, drei kritische Engineering-Lücken identifizieren, Output-Ziele skizzieren.
- 2. OpenAI Agents SDK: Agenten, Tools, Handoffs
- SDK-Philosophie: leichtgewichtig, OpenAI-nah, Python und TypeScript, Production-ready.
- Agent-Klasse: model, instructions, tools, output_type, handoffs.
- Runner: run, run_sync, run_streamed, RunResult, Streaming-Events.
- Tools: Function-Tools mit @function_tool, Pydantic-Schemas, Tool-Choice-Steuerung.
- Strukturierte Outputs mit output_type und Pydantic-Modellen.
- Handoffs als spezialisierte Tools: Agent.as_tool() und Agent(handoffs=[...]), Triage-Pattern.
- Modell-Routing: Auswahl zwischen GPT-Modellen pro Agent, Modell-Adapter für Nicht-OpenAI-Modelle.
- KI-Use-Cases: Agent-Definition-Code-Generierung mit Claude, Tool-Schema-Entwürfe.
- Praxis-Übung: SDK-Übung mit KI in geschütztem Lab - einen Triage-Agent mit drei spezialisierten Sub-Agenten und je zwei Tools mit KI-Unterstützung implementieren.
- 3. OpenAI Agents SDK: Guardrails, Sessions, eingebaute Tools
- Guardrails: @input_guardrail und @output_guardrail, GuardrailFunctionOutput, Tripwire-Pattern.
- Typische Guardrails: Prompt-Injection-Erkennung, PII-Filter, Toxicity-Filter, Off-Topic-Erkennung.
- Sessions und Memory: SQLiteSession, RedisSession, eigene Session-Backends.
- Eingebaute Tools des SDK: WebSearchTool, FileSearchTool, ComputerTool, CodeInterpreterTool, ImageGenerationTool.
- Responses-API-Integration: Vorteile gegenüber Chat-Completions.
- Realtime Agents: Voice-Agenten über WebRTC und WebSocket im Überblick.
- KI-Use-Cases: Guardrail-Entwurf für konkrete Use Cases mit Claude, Session-Architektur-Diskussionen.
- Praxis-Übung: Guardrails- und Session-Übung mit KI - für einen Customer-Service-Agent einen Input-Guardrail, einen Output-Guardrail und eine persistente Session mit KI-Unterstützung implementieren.
- 4. OpenAI Agents SDK: Tracing, Evaluation, Production
- Tracing: eingebautes Tracing über das OpenAI-Dashboard, Trace-Struktur, Spans.
- Custom Tracing Processors: Integration in Langfuse, Logfire, Helicone, OpenTelemetry.
- Evaluation-Patterns: Test-Datensätze, Assertions auf strukturierten Outputs, LLM-as-Judge.
- Cost- und Latency-Monitoring: Token-Tracking, Modell-Routing zur Kosten-Optimierung.
- Deployment-Optionen: SDK in FastAPI, Async-Worker, Container-Deployment.
- Versionierung: Agent-Code in Git, Prompt-Versionierung, Konfigurations-Trennung.
- KI-Use-Cases: Test-Case-Generierung mit Claude, Evaluation-Skript-Entwürfe.
- Praxis-Übung: Tracing- und Evaluation-Übung mit KI - für den Customer-Service-Agent aus Kapitel 3 fünf Test-Cases und eine einfache Evaluation-Pipeline mit KI-Unterstützung skizzieren und ausführen.
- Tag 2: LangGraph und Hybrid-Patterns
- 5. LangGraph: StateGraph und Multi-Agent-Patterns
- LangGraph-Philosophie: explizite Graphen, expliziter State, ausdrucksstarke Multi-Agent-Workflows.
- StateGraph: State als TypedDict, Nodes als Funktionen, Edges als statisch oder konditional.
- Reducer und State-Updates: add_messages, eigene Reducer-Funktionen.
- Conditional Edges und Command für dynamisches Routing.
- Pre-built-Helpers: create_react_agent, create_supervisor.
- Multi-Agent-Patterns: Supervisor, Swarm, Handoff-Pattern in LangGraph, hierarchische Teams.
- Subgraphs: Wiederverwendbare Sub-Workflows, eigene State-Schemas.
- KI-Use-Cases: Graph-Designs mit Claude, StateGraph-Code-Generierung aus Architektur-Beschreibung.
- Praxis-Übung: StateGraph-Übung mit KI in geschütztem Lab - einen Multi-Agent-Workflow mit Supervisor und zwei Worker-Agenten als LangGraph-StateGraph mit KI-Unterstützung implementieren.
- 6. LangGraph: Persistenz, Human-in-the-Loop, Streaming
- Checkpointer: MemorySaver für Entwicklung, SqliteSaver und PostgresSaver für Production.
- Thread-IDs und Konversations-Persistenz: State-Wiederherstellung, Time-Travel.
- Interrupt und Human-in-the-Loop: interrupt-before, interrupt-after, Approval-Workflows, Edit-State-Patterns.
- Streaming-Modi: values, updates, messages, custom, debug.
- Send-API für parallele Verarbeitung und Map-Reduce-Patterns.
- LangSmith-Integration: Tracing, Datensätze, Evaluations, Prompt-Versionierung.
- LangGraph Studio als lokale Entwicklungs-UI für Graph-Visualisierung und Debugging.
- KI-Use-Cases: Human-in-the-Loop-Design für konkrete Workflows mit Claude.
- Praxis-Übung: Persistenz- und HITL-Übung mit KI - für einen Approval-Workflow ein interrupt-before-Pattern mit Postgres-Checkpointer und Streaming mit KI-Unterstützung implementieren.
- 7. Hybrid-Patterns: SDK und LangGraph kombinieren
- Stärken-Profile: OpenAI Agents SDK für OpenAI-nahe, schnelle Agent-Implementierung; LangGraph für komplexe State-Logik, beliebige Modelle, Human-in-the-Loop.
- Kombinations-Pattern 1: LangGraph als Orchestrator, SDK-Agent in einem Node.
- Kombinations-Pattern 2: SDK-Agent als Top-Level-Triage, LangGraph-Subgraph als komplexes Tool.
- Modell-Provider-übergreifend: LangGraph mit Anthropic, Azure, lokalen Modellen; SDK mit OpenAI-Schwerpunkt und Adaptern.
- Tracing kombinieren: OpenAI-Tracing und LangSmith parallel, OpenTelemetry als gemeinsamer Nenner.
- Migrations-Pfade: SDK-Prototyp zu LangGraph-Production und umgekehrt.
- Entscheidungs-Kriterien: Komplexität des State, Anzahl Modell-Provider, Human-in-the-Loop-Bedarf, Team-Skill-Profile.
- KI-Use-Cases: Framework-Entscheidung für konkrete Use Cases mit Claude diskutieren, Hybrid-Architektur-Entwürfe.
- Praxis-Übung: Hybrid-Übung mit KI - für einen Use Case mit Triage, komplexem Approval-Workflow und externem Tool-Aufruf eine Hybrid-Architektur mit SDK und LangGraph mit KI-Unterstützung entwerfen und in Code skizzieren.
- 8. Deployment, Production und persönliche Roadmap
- Deployment-Optionen für SDK: FastAPI-Wrapper, Container, Serverless, Async-Worker mit Queues.
- Deployment-Optionen für LangGraph: LangGraph Platform (Cloud und Self-Hosted), eigene FastAPI-Wrapper, Container.
- API-Gateway vor Agenten: Rate-Limiting, Authentication, Cost-Limits pro Tenant.
- LLM-Gateway-Tools: LiteLLM, Portkey, Helicone als Universal-Proxy.
- Multi-Tenant-Architekturen: getrennte Sessions, getrennte Checkpointer-Stores.
- Cost-Optimization: Model-Routing (kleinere Modelle für einfache Schritte), Prompt-Caching, Semantic-Caching.
- CI/CD für Agent-Code: GitHub Actions mit Test-Suiten, Eval-Gates vor Deployment.
- Sicherheit: Secret-Management, Tool-Permission-Limits, Audit-Logging.
- Praxis-Übung: Persönliche 90-Tage-Engineering-Roadmap - aktuelle Position, Zielposition in zwölf Monaten, drei Lern-Schwerpunkte, drei Werkzeuge im Stack, ein messbares Output-Ziel pro Monat (Framework-Auswahl-Qualität, Production-Stabilität, Time-to-Production), Sparring-Buddy aus dem Seminar.
Zielgruppe & Vorkenntnisse
- Python-Software-Entwickler und ML-Engineers: Die agentische Anwendungen in Code statt in No-Code-Plattformen bauen wollen.
- KI-Architekten und Solution Architects: Die Architektur-Entscheidungen zwischen SDK- und Graph-orientierten Frameworks treffen.
- Platform-Engineers mit AI-Mandat: Die Agent-Frameworks produktiv betreiben und in bestehende Plattformen integrieren.
- Senior Citizen Developer mit Python-Hintergrund: Die ihre Agent-Praxis auf Framework-Niveau bringen.
Abgrenzung: Vermittelt code-first Agent-Engineering mit zwei spezifischen Frameworks - nicht No-Code-Plattformen (dafür: Multi-Tool Agentic Engineering 2026), nicht Fachabteilungs-Schulung (dafür: Agentic Operations 2026), nicht Microsoft-Stack (dafür: Microsoft Copilot Studio Praxis 2026), nicht reine LLM-API-Schulung. Fokussiert auf OpenAI Agents SDK und LangGraph als die beiden dominanten Code-Frameworks, ihre Kombination und Production-Patterns.
Ihre Schulung
In Präsenz | Online |
|---|---|
| Lernmethode | |
Ausgewogene Mischung aus Theorie und praktischen Übungen auf persönlichem Schulungs-PC. | Wie auch bei unseren Präsenz-Seminaren: Ausgewogene Mischung aus Theorie und praktischen Übungen. Trainer durchgehend präsent. |
| Unterlagen | |
Seminarunterlagen oder Fachbuch inklusive. Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. | Seminarunterlagen oder Fachbuch inklusive (via DHL). Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. |
| Arbeitsmaterialien | |
Din A4 Block, Notizblock, Kugelschreiber, USB-Stick, Textmarker, Post-its | |
| Teilnahmezertifikat | |
Nach Abschluss des Seminars erhalten Sie das Teilnahmezertifikat inkl. Inhaltsverzeichnis per E-Mail als PDF. | |
Organisation
In Präsenz | Online | |
|---|---|---|
| Teilnehmendenzahl | ||
min. 1, max. 8 Personen | ||
| Garantierte Durchführung * | ||
Ab 1 Teilnehmenden | ||
| Schulungszeiten | ||
| ||
| Ort der Schulung | ||
 GFU SchulungszentrumAm Grauen Stein 27 51105 Köln-Deutz oder online im Virtual Classroom oder europaweit bei Ihnen als Inhouse-Schulung Um ein optimales Raumklima zu gewährleisten, haben wir das Schulungszentrum mit 17 hochmodernen Trotec TAC V+ Luftreinigern ausgestattet. Diese innovative Filtertechnologie (H14 zertifiziert nach DIN EN1822) sorgt dafür, dass die Raumluft mehrfach pro Stunde umgewälzt wird und Schadstoffe zu 99.995% im HEPA-Filter abgeschieden und infektiöse Aerosole abgetötet werden. Zusätzlich sind alle Räume mit CO2-Ampeln ausgestattet, um jederzeit eine hervorragende Luftqualität sicherzustellen. | ||
| Räumlichkeiten | ||
Helle und modern ausgestattete Räume mit perfekter Infrastruktur | Bequem aus dem Homeoffice von überall | |
| All-Inclusive | ||
Frühstück, Snacks und Getränke ganztägig, Mittagessen im eigenen Restaurant, täglich 6 Menüs, auch vegetarisch | Eine Auswahl unserer Frühstücks-Snacks und Nervennahrungs-Highlights senden wir Ihnen mit den Seminarunterlagen via DHL zu. | |
| Barrierefreiheit | ||
Das GFU-Schulungszentrum (Am Grauen Stein 27) ist barrierefrei | - | |
Kostenfreie Services
In Präsenz | Online |
|---|---|
|
|
Buchungsmöglichkeiten
Online oder in Präsenz teilnehmen
Sie können sowohl Online als auch in Präsenz am Seminar teilnehmen. Klicken Sie bei Ihrer Buchung oder Anfrage einfach die entsprechende Option an.
- Lernumgebung in der Cloud
- Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.
- Lernumgebung in der Cloud
- 1 Teilnehmender = Fokus aufs Fachliche und maximaler Raum für individuelle Fragen.
Was bedeutet Offene Schulung und Inhouse Schulung?
Bei einer offenen Schulung stehen Ort und Termin vorab fest. Jeder Interessent kann eine offene Schulung buchen, daher treffen Teilnehmer aus verschiedenen Unternehmen aufeinander.
Inhouse Schulungen können auf Ihren individuellen Schulungsbedarf zugeschnitten werden. Sie bestimmen den Teilnehmerkreis, Termin und Schulungsort.
Ist eine Inhouse Schulung die richtige Wahl?
Bei einer Inhouse Schulung gehen wir auf die individuellen Bedürfnisse Ihres Unternehmens ein und decken den Schulungsbedarf direkt bei Ihnen im Unternehmen ab.
Das spart Zeit und Geld und sorgt für einen schnellen Wissenstransfer Ihrer Mitarbeiter.
Wer kümmert sich um die Technik bei Inhouse Schulungen?
Eine komplette Lernumgebung in der Cloud mit Remote Zugriff ist für uns selbstverständlich. Sie müssen sich um nichts kümmern. Lediglich ein funktionierender PC oder Notebook mit Internetanschluss sollte für jeden Teilnehmer am Schulungstag bereit stehen.
Vorteile einer Inhouse Schulung
- Kompetente Seminarberatung
- Dozenten aus der Praxis
- Auf Ihre Bedürfnisse zugeschnittener individueller Lernstoff
- Sie können den Termin flexibel gestalten, so wie es für Sie am besten passt
- Unsere Inhouse Schulungen können Europaweit durchgeführt werden
- Der Fokus liegt auf Ihrem Schulungsbedarf, somit schonen Sie Ihr Budget
- Wissenslücken Ihrer Mitarbeitet werden schnell geschlossen