Aufbauschulung für Entwicklerteams mit bestehender Agent-Praxis: Vom Anwender zum Werkzeugbauer. Eigene Agenten entwerfen, parallele Workflows orchestrieren und interne Fachverfahren über eigene MCP-Server anbinden – kontrolliert statt über den Umweg der Cloud.
Softwareentwickler:innen aus IT-Behörden und IT-Dienstleistern in Bund, Ländern und Kommunen – mit abgeschlossener Einstiegsschulung oder mindestens vier Wochen Eigenerfahrung
4 Stunden, Inhouse – vor Ort oder remote. Kompakte Theorie-Impulse, Schwerpunkt auf eigenständigen Übungen.
Solide Kenntnisse in Python und/oder TypeScript, Erfahrung mit Git und REST-APIs, aktiv genutzter Coding Agent. Voraussetzung: eine eigene Softwareentwicklungsorganisation im Haus.
Vom Agenten-Anwender zum Agenten-Entwickler – eigene Workflows produktionsreif machen, interne Systeme kontrolliert anbinden, Arbeit nachvollziehbar halten.
Wir richten die Schulung am im Haus bereits etablierten Coding-Agent-Stack aus. Üblich in der Verwaltung sind Claude über AWS Bedrock im EU-Tenant, GitHub Copilot Enterprise oder Gemini über Google-Cloud-Verträge mit DSGVO-Anhang. Die vermittelten Konzepte – Agenten-Design, Orchestrator-Worker, MCP, Projektkontext – sind modell-agnostisch und bleiben gültig, wenn das Haus später auf ein anderes Modell wechselt.
Wer Coding Agents einige Wochen aktiv nutzt, stößt an die Grenzen der vorgefertigten Arbeitsweisen. Die nächste Stufe entsteht nicht durch schnelleres Tippen, sondern durch eigene Agenten, parallele Workflows – und durch eine saubere Anbindung an die Systeme, die im Haus tatsächlich stehen.
Schulung anfragenOut-of-the-Box-Agenten kennen weder Ihre Architekturvorgaben noch die Dokumentationspflichten, unter denen Ihre Teams arbeiten. Wiederkehrende Aufgaben – Review gegen interne Standards, Sicherheitsprüfungen, Release-Doku – verdienen Agenten, die genau diesen Kontext abbilden.
Ein eigener MCP-Server macht Fachverfahren, Ticketsysteme oder Dokumentenablagen für Agenten nutzbar – mit selbst gesetzten Grenzen, welche Daten überhaupt herausgereicht werden. Das ist der kontrollierte Gegenentwurf zum Kopieren interner Inhalte in fremde Systeme.
Wartungs-Backlogs und Migrationsvorhaben treffen auf knappe Personaldecken. Mehrere koordinierte Agenten-Instanzen bearbeiten Teilaufgaben gleichzeitig – unter Aufsicht des Teams, das die fachliche Verantwortung behält.
Was ein Agent getan hat, muss im Nachhinein prüfbar sein – im Code-Review, im Sachstandsbericht, gegenüber der Revision. Logging, Fehlerbehandlung und Sicherheitsgrenzen gehören deshalb von Anfang an zum Agenten-Design.
Vier Blöcke, konsequent hands-on: Theorie nur dort, wo sie die folgende Übung direkt vorbereitet.
Was macht einen guten Agenten aus – Rolle, Systemkontext, Toolset. Interne Architekturvorgaben, Coding-Standards und Dokumentationspflichten dauerhaft in versioniertem Kontext verankern (CLAUDE.md, AGENTS.md & Co.). Hierarchische Konfiguration: global, Repo, lokal.
Von der Spezifikation bis zur Implementierung in Python oder TypeScript. Agenten in eine bestehende Codebasis einbinden und iterativ testen. Übung: ein eigener Review-Agent, der gegen die Konventionen des Hauses prüft.
Orchestrator-Worker-Pattern in der Praxis: Aufgaben aufteilen, mehrere Agenten-Instanzen parallel starten, Ergebnisse zusammenführen, Konflikte auflösen. Übung: paralleles Abarbeiten mehrerer Wartungsaufgaben mit zwei Worker-Agenten.
Model Context Protocol im Detail: Tools, Resources, Prompts. Einen eigenen MCP-Server in Python implementieren, der ein internes System kontrolliert zugänglich macht – und dabei selbst festlegt, welche Daten herausgereicht werden. Produktionsreife: Logging, Fehlerbehandlung, Sicherheitsgrenzen, Deployment.
Rolle, Systemkontext und Toolset bewusst gestalten – und als lauffähigen Agenten in Python oder TypeScript umsetzen
Architekturleitlinien, Coding-Konventionen und Dokumentationspflichten in versioniertem Kontext ablegen – teamweit konsistent und modellunabhängig
Parallele Workflows koordinieren: Aufgaben aufteilen, Instanzen starten, Ergebnisse zusammenführen, Konflikte auflösen
Fachverfahren, Ticketsysteme und Datenquellen kontrolliert zugänglich machen – mit klarer Grenze, welche Daten den Agenten überhaupt erreichen
Logging, Fehlerbehandlung und Sicherheitsgrenzen einbauen – damit agentengestützte Arbeit im Code-Review und gegenüber der Revision Bestand hat
Die Schulung ist konsequent hands-on: Teilnehmende verlassen sie mit eigenen Agenten, parallelen Workflows und einem selbst gebauten MCP-Server – übertragbar auf die Verfahrenslandschaft des eigenen Hauses.
… Code-Reviews gegen interne Standards, Sicherheitsprüfungen, Release-Dokumentation – mit maßgeschneiderten Agenten statt Copy-Paste-Prompts
… mehrere Worker-Agenten gleichzeitig an getrennten Branches arbeiten lassen – koordiniert durch einen Orchestrator, verantwortet vom Team
… eigene Datenquellen, Ticketsysteme oder Deploy-Pipelines über MCP zugänglich machen, ohne interne Inhalte aus der Hand zu geben
Kein Deep Dive in LLM-Architekturen, kein Modelltraining, kein Fine-Tuning. Ebenfalls nicht abgedeckt sind Einsteigerinhalte – effektives Prompting und die Grundlagen des Coding Agents vermittelt die Einstiegsschulung für IT-Teams. Die Schulung ersetzt auch keine datenschutzrechtliche Prüfung: Wir zeigen, wo technische Grenzen gezogen werden können – die Bewertung im Einzelfall bleibt bei Ihrer Datenschutzbeauftragten. Für Häuser ohne eigene Softwareentwicklung ist die Schulung kein passendes Format.
Karsten Silz
Senior Principal Consultant Software Engineering
Karsten arbeitet seit 26 Jahren als Full-Stack-Java-Entwickler in Europa und den USA. Als Mitgründer leitete er 13 Jahre lang die Produktentwicklung eines Software-Produkt-Start-ups in den USA, das 2016 erfolgreich verkauft wurde. Im Jahr 2020 war er Mitgründer eines SaaS-Start-ups in England. Er ist seit 2003 auch Freiberufler. Seit Mai 2025 arbeitet er für atra.consulting in Stuttgart.
David Kreutzer
Senior Consultant Software Engineering
David arbeitet seit 15 Jahren als Senior Software-Entwickler an anspruchsvollen Enterprise-Applikationen. In Projekten bei Industrie-, Tech- und Versicherungskunden hat er intensiv mit verschiedensten KI-Modellen gearbeitet. Sein Fokus liegt auf der praxisnahen Integration von Machine Learning, Computer Vision und generativer KI in produktive Software-Lösungen.
Einstiegsschulung abgeschlossen oder mindestens vier Wochen eigene Erfahrung mit einem Coding Agent im dienstlichen Entwicklungsalltag.
Freigegebener Zugang mit ausreichendem Kontingent für parallele Agenten-Workflows – etwa GitHub Copilot Enterprise oder Claude über AWS Bedrock im EU-Tenant. Wir beraten bei der Auswahl.
Solide Entwickler-Kenntnisse in mindestens einer der beiden Sprachen sowie Erfahrung mit Git und REST-APIs.
Dienstlicher Entwicklungsrechner mit installierter Node.js- und Python-Umgebung. Bei strikter Zugriffspolitik auf öffentliche Cloud-Tools stimmen wir die Anforderungen vorab ab.
Einzelne Schulung, Staffel mit der Einstiegsschulung oder behördenweiter Roll-out – wir melden uns kurzfristig.
