Wenn Agenten Aufgaben über mehrere Schritte bearbeiten, entscheidet die Architektur über Stabilität und Wartbarkeit. Genau hier setzt diese LangGraph-Schulung an. Du modellierst Workflows als Graphen, hältst Zustände explizit im State und steuerst Abläufe über Edges, Bedingungen und Wiederholungsschleifen. Dadurch entstehen Agenten, deren Laufwege im Code sichtbar bleiben und deren Entscheidungen während eines Runs geprüft werden. In den Coding-Labs implementierst du Nodes für Recherche, Datenanalyse und Support-Antworten. Tool Calling wird mit Eingabevalidierung aufgebaut, damit externe Funktionen gezielt und nachvollziehbar genutzt werden. Memory und Checkpointing werden anhand mehrstufiger Dialoge behandelt, in denen Zwischenergebnisse erhalten bleiben und ein Run nach einer Unterbrechung fortgesetzt wird. Bei riskanten Aktionen richtest du Human Approval ein und platzierst Review-Knoten an konkreten Stellen im Graph. Danach gehst du in Multi-Agent-Designs: Ein Supervisor verteilt Aufgaben an spezialisierte Agenten und führt Ergebnisse wieder zusammen. Für den Betrieb analysierst du Fehlerpfade, implementierst Retry-Regeln und nutzt Tracing zur Beobachtung einzelner Graph-Runs. Am Ende steht ein deploybarer API-Service, der ein Agenten-Szenario kontrolliert ausführt und für technische Reviews dokumentiert ist.
LangGraph-Training: KI-Agenten-Workflows bauen
Von State Graphs bis Deployment: steuerbare KI-Agenten mit Review, Checkpoints und Tracing bauen
Kursdetails ansehenab 2.040,00 € zzgl. 19 % MwSt.
Weitere Termine & BuchungsoptionenMehr als 5.000 Unternehmen vertrauen uns





Kursdetails
Das lernst Du
- Du strukturierst einen praxistauglichen Workflow für LangGraph.
- Du bearbeitest Aufgaben zu LangGraph-Laufzeitmodell und State Graphs zielgerichtet und methodisch.
- Du kombinierst die im Kurs behandelten Werkzeuge und Methoden zu zusammenhängenden Arbeitsschritten.
- Du prüfst Arbeitsergebnisse zu Nodes für fachliche Arbeitsschritte und erkennst typische Fehlerquellen frühzeitig.
- Du bereitest Arbeitsergebnisse nachvollziehbar und adressatengerecht für die weitere Nutzung auf.
- Du überträgst die erarbeiteten Methoden auf eigene Projekte und wiederkehrende Aufgaben.
Überblick
Kursinhalte
Architektur und Projektsetup
- LangGraph-Laufzeitmodell und State Graphs
- Typisierter State mit Reducern
- Projektstruktur für Agenten-Anwendungen
- Sichere Konfiguration für Modellzugriffe
KI-Agenten-Workflows modellieren
- Nodes für fachliche Arbeitsschritte
- Edges für bedingte Kontrollflüsse
- Loops mit klaren Abbruchregeln
- Subgraphs für wiederverwendbare Abläufe
Tool Calling und Datenanbindung
- Tool-Schemas für validierte Eingaben
- Recherche-Agent mit strukturierter Ablage
- Datenanalyse-Agent mit Python-Auswertung
- Support-Agent mit Ticket-Kontext
Memory, Checkpointing und Human Approval
- Conversation State über mehrere Schritte
- Persistente Checkpoints zur Wiederaufnahme
- Human-in-the-Loop für Freigaben
- Review-Knoten für riskante Aktionen
Multi-Agent-Systeme mit LangGraph
- Supervisor-Pattern für Agenten-Routing
- Rollenmodelle für spezialisierte Agenten
- Übergaben zwischen Agenten-Nodes
- Entscheidungsknoten für Konfliktfälle
Stabilisierung und Qualitätssicherung
- Retry-Regeln für Tool-Fehler
- Tracing einzelner Graph-Runs
- Run-Metadaten für Observability
- Fachliche Testfälle für Evaluierung
Betrieb und Deployment
- FastAPI-Service im Container
- Secrets und Endpunkte konfigurieren
- Grenzen produktiver Agenten-Aktionen
- Übergabecheckliste für den Service-Betrieb
Zielgruppe & Voraussetzungen
Für wen der Kurs geeignet ist
- Python-Entwicklerinnen und Python-Entwickler mit LLM-Erfahrung
- Software-Architektinnen und Software-Architekten für KI-Automatisierung
- Data-Scientistinnen und Data-Scientists mit Agenten-Prototypen
- DevOps-Engineerinnen und DevOps-Engineers im KI-Service-Betrieb
- AI-Engineerinnen und AI-Engineers für LangGraph-Workflows
Deine Vorteile
Garantierte TermineMarkierte Termine finden statt und bieten 10 % Preisvorteil.
Kleine GruppenMaximal 8 Teilnehmende für intensiven Austausch und nachhaltigen Lernerfolg.
Praxiserfahrene Trainer:innenBerufsrelevante Fachexpertise aus langjähriger Praxiserfahrung.
Keine HybridschulungenBewusst live online oder in Präsenz – für eine klare, fokussierte Lernumgebung.
FAQ
Was lerne ich in der Schulung „LangGraph-Training: KI-Agenten-Workflows bauen“?
Du lernst, zentrale Methoden im Themenfeld LangGraph-Training: KI-Agenten-Workflows bauen praxisnah anzuwenden, Arbeitsschritte klar zu strukturieren und Ergebnisse für berufliche Aufgaben nachvollziehbar aufzubereiten. Zu den Schwerpunkten gehören Architektur und Projektsetup, KI-Agenten-Workflows modellieren, Tool Calling und Datenanbindung, Memory, Checkpointing und Human Approval, Multi-Agent-Systeme mit LangGraph, Stabilisierung und Qualitätssicherung und Betrieb und Deployment.
Für wen ist die Schulung geeignet?
Die Schulung richtet sich an Python-Entwicklerinnen und Python-Entwickler mit LLM-Erfahrung, Software-Architektinnen und Software-Architekten für KI-Automatisierung, Data-Scientistinnen und Data-Scientists mit Agenten-Prototypen, DevOps-Engineerinnen und DevOps-Engineers im KI-Service-Betrieb und AI-Engineerinnen und AI-Engineers für LangGraph-Workflows.
Welche Vorkenntnisse brauche ich für die Schulung?
Sichere Python-Kenntnisse und Erfahrung mit APIs Grundverständnis von LLMs, Prompting und JSON-Datenstrukturen Erfahrung mit virtuellen Python-Umgebungen, Paketverwaltung und Debugging Optional zur Vorbereitung: Python Aufbaukurs
Welche Themen und Schwerpunkte werden behandelt?
Zu den Schwerpunkten gehören Architektur und Projektsetup, KI-Agenten-Workflows modellieren, Tool Calling und Datenanbindung, Memory, Checkpointing und Human Approval, Multi-Agent-Systeme mit LangGraph, Stabilisierung und Qualitätssicherung und Betrieb und Deployment.
Wie praxisnah ist die Schulung?
Die Schulung greift praxisnah insbesondere die Bereiche Multi-Agent-Systeme mit LangGraph, Stabilisierung und Qualitätssicherung und Betrieb und Deployment auf. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben und Projekte übertragen.
Was kann ich nach dem Seminar in der Praxis umsetzen?
Zu den angestrebten Ergebnissen gehören: Du setzt die zentralen Methoden des Kurses in einem strukturierten Praxisworkflow ein; Du planst Arbeitsschritte nachvollziehbar und wählst geeignete Verfahren für die jeweilige Aufgabe aus; Du erkennst typische Qualitäts- und Fehlerquellen und kannst Ergebnisse systematisch prüfen; Du bereitest Resultate so auf, dass sie im Team verständlich weiterverwendet werden können; Du überträgst die erarbeiteten Vorgehensweisen auf eigene berufliche Projekte.
Wird im Seminar auch das Thema „Memory, Checkpointing und Human Approval“ behandelt?
Ja. „Memory, Checkpointing und Human Approval“ ist ein eigener Bestandteil der Schulung. Dazu gehören Conversation State über mehrere Schritte, Persistente Checkpoints zur Wiederaufnahme, Human-in-the-Loop für Freigaben und Review-Knoten für riskante Aktionen.
Kurs buchen oder anfragen
Feste Termine · Online & Präsenz
Feste Termine · Online/Präsenz
Bitte wähle einen Ort oder Live-Online aus.
Bitte wähle einen Termin aus.
Bitte wähle aus, wo die Schulung stattfinden soll.
Bitte wähle einen Terminwunsch aus.
Bitte wähle die Teilnehmeranzahl aus.
Bitte wähle die Teilnehmerzahl aus.
- Rechnung erst nach Kursende
- Zertifikat und Unterlagen inklusive
- Umbuchung möglich
