Deep Dive Modul 1 – Agentic Systems Design: State Machines statt fragiler Prompt-Ketten

In diesem halbtägigen Deep-Dive-Modul arbeiten Sie Online LIVE gemeinsam mit dem Trainer und maximal 11 weiteren Teilnehmenden direkt an einem realen Use Case aus Ihrem Arbeitsumfeld. Sie modellieren agentische Workflows als graph-basierte State Machines: mit klar definierten States, Events, Transitionen und Invarianten, mit Guard-Strategien, die Fehler früh abfangen, und mit Recovery-Pfaden für kritische Failure-Modes.

Das Modul ist Teil der 4-teiligen Deep-Dive-Reihe „Agentic AI im Produktivalltag”, aber vollständig eigenständig buchbar. Sie verlassen die Session nicht mit Theorie, sondern mit einem ausgearbeiteten Zustandsmodell für Ihren eigenen Use Case und einer priorisierten Guard- und Recovery-Roadmap für den nächsten Sprint.

Ziel der Schulung

So profitieren Sie von diesem Training in Ihrem Arbeitsalltag:

• Sie modellieren agentische Workflows als explizite State Machines statt als implizite, fragile Prompt-Ketten.
• Sie definieren States, Events, Transitionen und Invarianten so, dass Abläufe nachvollziehbar und testbar werden.
• Sie entwickeln Guard-Strategien, die Fehler früh abfangen, ohne den Flow unnötig zu blockieren.
• Sie planen Recovery-Pfade (Retry, Rollback, Escalation) für kritische Failure-Modes.
• Sie erarbeiten ein konkretes Zustandsmodell für einen Use Case aus Ihrem eigenen Arbeitsumfeld.
• Sie nehmen eine priorisierte Guard- und Recovery-Roadmap für die direkte Umsetzung im nächsten Sprint mit.

Der Nutzen für Sie

Stellen Sie sich vor, Ihr Onboarding-Agent verliert nach einem fehlgeschlagenen Tool-Aufruf den Kontext und springt in einen falschen Zustand – Nutzerdaten werden doppelt abgefragt, Schritte übersprungen, Vertrauen geht verloren.

Nach diesem Training haben Sie für genau solche Fälle ein explizites Zustandsmodell mit definierten Recovery-Pfaden zur Hand, statt den Fehler erst im Live-Betrieb zu entdecken.

Oder: Ihr Freigabe-Workflow lässt einen Vorgang trotz fehlender Pflichtdaten durchlaufen, weil keine harte Stop-Regel existiert. Im Training entwickeln Sie Guard-Regeln, die genau solche kritischen Übergänge zuverlässig abfangen – bevor sie im Betrieb zum Problem werden.

Der Effekt: Ihre Agenten-Workflows werden nachvollziehbar, testbar und im Betrieb kontrollierbar – eine wichtige Voraussetzung, um agentische Systeme über das Pilotstadium hinaus produktiv einzusetzen.

Themen im Detail

1. Von impliziter Logik zu klaren State-Modellen: States, Events, Transitionen und Invarianten präzise definieren
2. Guard-Strategien entwickeln, die Fehler früh abfangen, ohne den Flow unnötig zu blockieren
3. Recovery-Pfade für kritische Failure-Modes planen (Retry, Rollback, Escalation)
4. Anwendung auf einen realen Use Case aus Ihrem Arbeitsumfeld

So arbeiten wir

Kein Frontalvortrag, keine 80-Folien-Deck-Tour durch generische Agenten-Frameworks. Der Trainer moderiert entlang der realen Fälle der Teilnehmenden und arbeitet direkt am Artefakt – nicht an der Theorie. Kleingruppe (max. 12 Teilnehmende), damit Ihr konkreter Fall tatsächlich Raum bekommt.

Was das Training nicht ist: ein Tool-Tutorial für ein bestimmtes Framework (LangGraph, n8n o. ä.) und keine Einführung in Prompt Engineering. Wer fertige Patentrezepte von der Stange erwartet, wird enttäuscht – wer bereit ist, den eigenen Use Case einzubringen, bekommt eine Lösung, die für genau diesen Fall passt.

Wer sollte an der Schulung teilnehmen?
 

• Sie sind AI/LLM Engineer, Platform- oder DevOps-Verantwortlicher und entwerfen oder betreiben Agenten-Workflows, die mehrere Schritte, Tools oder Freigaben umfassen.
   
• Sie sind Tech Lead oder Engineering Manager und möchten Ihrem Team ein belastbares Vorgehen für die Architektur agentischer Systeme an die Hand geben.
   
• Sie sind in einem Produktteam für AI-Features verantwortlich und erleben, dass Ihr Agent im Pilotbetrieb gelegentlich in unerwartete, schwer erklärbare Zustände gerät.
   
• Sie haben erste agentische Workflows im Einsatz, arbeiten aber noch mit impliziter, in Prompts verstreuter Logik statt mit einem expliziten Zustandsmodell.
  
   

Grundverständnis moderner AI-Workflows und Software-Delivery. Das Modul ist unabhängig von den anderen Modulen der Reihe buchbar und durchführbar; Vorkenntnisse aus anderen Modulen der Reihe sind nicht erforderlich.

Empfohlene Vorstufe:
Wenn Sie noch keine praktische AI-Workflow-Erfahrung mitbringen, legen unsere KI-Grundlagen Schulung oder das KI-Practitioner-Training das nötige Fundament, bevor Sie in diese Deep-Dive-Reihe einsteigen.