Französisch | Spanisch | Deutsch | Russisch | Arabisch | Persisch (Farsi) | Urdu | Chinesisch (Vereinfacht) | Chinesisch (Traditionell, Macau) | Chinesisch (Traditionell, Hongkong) | Chinesisch (Traditionell, Taiwan) | Japanisch | Koreanisch | Hindi | Bengalisch | Marathi | Nepalesisch | Punjabi (Gurmukhi) | Portugiesisch (Portugal) | Portugiesisch (Brasilien) | Italienisch | Polnisch | Türkisch | Griechisch | Thailändisch | Schwedisch | Dänisch | Norwegisch | Finnisch | Niederländisch | Hebräisch | Vietnamesisch | Indonesisch | Malaiisch | Tagalog (Filipino) | Suaheli | Ungarisch | Tschechisch | Slowakisch | Rumänisch | Bulgarisch | Serbisch (Kyrillisch) | Kroatisch | Slowenisch | Ukrainisch | Birmanisch (Myanmar)

Falls Sie zusätzliche Übersetzungen wünschen, finden Sie die unterstützten Sprachen hier

Dieser Kurs umfasst 11 Lektionen, die die Grundlagen des Aufbaus von KI-Agenten behandeln. Jede Lektion behandelt ein eigenes Thema, sodass Sie überall beginnen können!

Es gibt eine mehrsprachige Unterstützung für diesen Kurs. Gehen Sie zu unseren verfügbaren Sprachen hier.

Falls Sie zum ersten Mal mit generativen KI-Modellen arbeiten, schauen Sie sich unseren Kurs Generative KI für Einsteiger an, der 21 Lektionen zum Arbeiten mit GenAI umfasst.

Vergessen Sie nicht, dieses Repository zu favorisieren (🌟) und dieses Repository zu forken, um den Code auszuführen.

Falls Sie nicht weiterkommen oder Fragen zum Aufbau von KI-Agenten haben, treten Sie unserem dedizierten Discord-Kanal in der Azure AI Foundry Community Discord bei.

Jede Lektion in diesem Kurs enthält Codebeispiele, die im Ordner code_samples zu finden sind. Sie können dieses Repository forken, um Ihre eigene Kopie zu erstellen.

Die Codebeispiele in diesen Übungen nutzen Azure AI Foundry und GitHub Model Catalogs, um mit Sprachmodellen zu interagieren:

• GitHub-Modelle - Kostenlos / Begrenzte Nutzung
• Azure AI Foundry - Azure-Konto erforderlich

Dieser Kurs verwendet außerdem die folgenden KI-Agenten-Frameworks und -Dienste von Microsoft:

• Azure AI Agent Service
• Semantic Kernel
• AutoGen

Weitere Informationen zur Ausführung des Codes für diesen Kurs finden Sie unter Kurs-Setup.

Haben Sie Vorschläge oder Rechtschreib- oder Codefehler gefunden? Erstellen Sie ein Issue oder erstellen Sie einen Pull-Request.

• Eine schriftliche Lektion im README und ein kurzes Video
• Python-Codebeispiele, die Azure AI Foundry und GitHub-Modelle (kostenlos) unterstützen
• Links zu zusätzlichen Ressourcen, um Ihr Lernen fortzusetzen

Lektion	Text & Code	Video	Zusätzliches Lernen
Einführung in KI-Agenten und Anwendungsfälle	Link	Video	Link
Erkundung von KI-Agenten-Frameworks	Link	Video	Link
Verständnis von Agenten-Designmustern	Link	Video	Link
Designmuster für Werkzeugnutzung	Link	Video	Link
Agentic RAG	Link	Video	Link
Vertrauenswürdige KI-Agenten aufbauen	Link	Video	Link
Planungs-Designmuster	Link	Video	Link
Multi-Agenten-Designmuster	Link	Video	Link
Metakognitions-Designmuster	Link	Video	Link
KI-Agenten in der Produktion	Link	Video	Link
Verwendung von Agenten-Protokollen (MCP, A2A und NLWeb)	Link	Video	Link
Kontext-Engineering für KI-Agenten	Erscheint am 3. September
Verwaltung von agentischem Gedächtnis	Erscheint - 10. September
Bewertung von KI-Agenten	Erscheint - 17. September
Aufbau von Computer-Nutzungs-Agenten (CUA)	Erscheint - 24. September
Einsatz skalierbarer Agenten	Erscheint - 25. September
Erstellung lokaler KI-Agenten	Erscheint - 2. Oktober
Sicherung von KI-Agenten	Erscheint - 9. Oktober

Unser Team bietet weitere Kurse an! Schau dir diese an:

• NEU Model Context Protocol (MCP) für Anfänger
• Generative KI für Anfänger mit .NET
• Generative KI für Anfänger
• Generative KI für Anfänger mit Java
• ML für Anfänger
• Datenwissenschaft für Anfänger
• KI für Anfänger
• Cybersicherheit für Anfänger
• Webentwicklung für Anfänger
• IoT für Anfänger
• XR-Entwicklung für Anfänger
• GitHub Copilot meistern für KI-gestütztes Pair-Programming
• GitHub Copilot meistern für C#/.NET-Entwickler
• Wähle dein eigenes Copilot-Abenteuer

Vielen Dank an Shivam Goyal für die Bereitstellung wichtiger Codebeispiele zur Demonstration von Agentic RAG.

Dieses Projekt begrüßt Beiträge und Vorschläge. Die meisten Beiträge erfordern, dass du einer Contributor License Agreement (CLA) zustimmst, die erklärt, dass du das Recht hast und tatsächlich gewährst, uns die Rechte zur Nutzung deines Beitrags zu übertragen. Weitere Details findest du unter https://cla.opensource.microsoft.com.

Wenn du eine Pull-Anfrage einreichst, wird ein CLA-Bot automatisch feststellen, ob du eine CLA bereitstellen musst, und die PR entsprechend kennzeichnen (z. B. Statusprüfung, Kommentar). Folge einfach den Anweisungen des Bots. Du musst dies nur einmal für alle Repositories tun, die unsere CLA verwenden.

Dieses Projekt hat den Microsoft Open Source Code of Conduct übernommen. Weitere Informationen findest du in den Code of Conduct FAQ oder kontaktiere opencode@microsoft.com bei weiteren Fragen oder Kommentaren.

Dieses Projekt kann Marken oder Logos für Projekte, Produkte oder Dienstleistungen enthalten. Die autorisierte Nutzung von Microsoft Marken oder Logos unterliegt und muss den Microsoft Trademark & Brand Guidelines folgen. Die Verwendung von Microsoft-Marken oder -Logos in modifizierten Versionen dieses Projekts darf keine Verwirrung stiften oder eine Unterstützung durch Microsoft implizieren. Die Nutzung von Marken oder Logos Dritter unterliegt den Richtlinien dieser Dritten.

---

Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die sich aus der Nutzung dieser Übersetzung ergeben.