12-Factor Agents: Muster zuverlässiger LLM-Anwendungen — Dex Horthy, HumanLayer

17 MinutenMittelstufePraxisAI EngineerAutomatisierungen
Video abspielen

AI Engineer. Dex Horthy erklärt, warum zuverlässige Agentensysteme vor allem aus disziplinierter Software rund um wenige LLM-Aufrufe bestehen: Prompt und Kontextfenster selbst kontrollieren, den Kontrollfluss deterministisch halten und Menschen per Tool-Aufruf hinzuziehen, sobald der Workflow menschliches Urteilsvermögen benötigt. Das entspricht direkt den Freigabe-, Ausnahme- und Eskalationsmustern des Artikels.

Hinweis von AI Expert

Verstehen Sie den „Agenten“-Denkrahmen als Softwarearchitektur und nicht als Inszenierung von Autonomie. Die dauerhafte Lehre sind ein expliziter Zustand, deterministischer Kontrollfluss und ein echter Übergabeweg zum Menschen.

Was Sie aus diesem Video mitnehmen sollten

Lernen Sie, KI-Workflows so zu gestalten, dass sie pausieren, fortgesetzt werden, menschliches Urteilsvermögen anfordern und den Geschäftszustand von Vermutungen des Modells trennen können.

Das sollten Sie zuerst ansehen oder wissen

Grundkenntnisse in Tool-Calling oder mehrstufigen KI-Workflows.

Zuletzt geprüft: 19. Mai 2026

Nächste Videos ansehen

Fahren Sie mit demselben Lernpfad fort und sehen Sie die nächsten kuratierten Begleitvideos.

Thema vertiefen

Sorgfältig ausgewählte externe Kurse, die dieses Thema vertiefen.

Anthropic Academy

Einführung in das Model Context Protocol

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.

MittelstufeIm eigenen Tempo (kurz)Überprüft vor 8 Tagen
DeepLearning.AI

Practical Multi AI Agents and Advanced Use Cases with crewAI

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.

Mittelstufe~2h 49m · self-paced (15 lessons)Überprüft vor 8 Tagen
Hugging Face

Kurs zu KI-Agenten

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.

Mittelstufe~25 StundenÜberprüft vor 8 Tagen

Alle Kurse für Automatisierungen ansehen