19 MinutenJedes KI-Modell erklärt
Vergleichen Sie Flaggschiff-, Lite-, Mittelklasse- und Spezialmodelle, damit Routing-Entscheidungen auf Eignung für die Aufgabe, Kosten und Latenz statt auf Markenpräferenzen beruhen.
Anthropic. Eine zweiminütige Anthropic-Demo, in der Claude eine kleine anwendungsübergreifende Aufgabe plant, im Web sucht, Maps prüft und eine Kalendereinladung erstellt, indem er den Desktop direkt steuert. Sie bildet einen nützlichen Kontrast zum reinen Cloud-Browser-Modell in der folgenden Operator-Demo und veranschaulicht die Kernaussage des Artikels: Computer-Use-Agenten funktionieren am besten bei kurzen, klar abgegrenzten Tätigkeiten und nicht bei offenen Aufgabenstellungen.
Dies ist eine kurze Funktionsdemo und keine Anleitung für ein Deployment. Übernehmen Sie das Vorgehen nicht ohne Sandbox, isolierte Konten, Protokollierung und ausdrückliche Freigabe durch den Benutzer für zustandsverändernde Aktionen in den Produktivbetrieb.
Vergleichen Sie das Verhalten von Computer Use auf dem Desktop mit dem von reinen Browser-Agenten.
Lesen Sie zuerst den Sicherheitsabschnitt des Begleitartikels; die folgende Operator-Demo ergänzt die Perspektive aus dem Browser.
Zuletzt geprüft: 18. Mai 2026
Fahren Sie mit demselben Lernpfad fort und sehen Sie die nächsten kuratierten Begleitvideos.
19 MinutenVergleichen Sie Flaggschiff-, Lite-, Mittelklasse- und Spezialmodelle, damit Routing-Entscheidungen auf Eignung für die Aufgabe, Kosten und Latenz statt auf Markenpräferenzen beruhen.
107 MinutenLernen Sie den Eval-Zyklus für Produktentwickler kennen: Traces prüfen, Fehler kennzeichnen, Kriterien definieren, Änderungen testen und die Ergebnisse mit menschlichen Bewertungen vergleichen.
211 MinutenDen modernen LLM-Stack so gut verstehen, dass Sie Tokens, Training, Werkzeuge und Fehlermodi fundiert beurteilen können.
Sorgfältig ausgewählte externe Kurse, die dieses Thema vertiefen.
Anthropic Academy
MCP ist das Protokoll, das im gesamten Ökosystem der KI-Tools zunehmend individuelle Einzellösungen für Tool-Integrationen ersetzt. Lernen Sie es direkt von den Urhebern. Am Ende haben Sie einen eigenen MCP-Server erstellt und bereitgestellt, einen LLM-Client damit verbunden und verstanden, warum dieser Standard einem USB-C für die KI-Branche am nächsten kommt.
João Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.
Hugging Face
Die klarste verfügbare Open-Source-Darstellung agentischer Systeme. Der Kurs basiert auf den drei Frameworks, die Entwickler tatsächlich evaluieren – smolagents, LlamaIndex und LangGraph – statt auf dem Stack eines einzelnen Anbieters. Er endet mit einer Benchmark-Aufgabe und einer öffentlichen Rangliste: nachvollziehbare Ergebnisse, die Ihr Team selbst prüfen kann.