{"course":{"productid":37240,"modality":1,"active":true,"language":"de","title":"Agentic Infrastructure for the Autonomous Enterprise on Google Cloud","productcode":"AIAEGC","vendorcode":"GO","vendorname":"Google","fullproductcode":"GO-AIAEGC","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/google-aiaegc","objective":"<ul>\n<li>L&uuml;cken in der Agentur erkennen: Gewohnheiten im Umgang mit &bdquo;Track A&ldquo; ablegen und strukturelle Reibungspunkte aufzeigen.<\/li><li>Entwickeln Sie die Engine: Implementieren Sie dauerhafte, kontextbezogene Schlussfolgerungsschleifen innerhalb der Build-Ebene.<\/li><li>Sichern Sie die Perimeter: Setzen Sie Zero-Trust-Modelle und Laufzeitschutzmassnahmen &uuml;ber die Govern-Ebene durch.<\/li><li>Flotte skalieren: Verringern Sie die Abweichung der Schlussfolgerungen und messen Sie den ROI mithilfe der Optimierungs- und Skalierungsstufen.<\/li><\/ul>","essentials":"<ul>\n<li>Abschluss des Projekts &bdquo;Organisatorische Voraussetzungen f&uuml;r den Erfolg der KI&ldquo;.<\/li><li>Grundkenntnisse in Google Cloud (VPC, IAM, Cloud Run).<\/li><\/ul><p><em>Es ist hilfreich, sich damit vertraut zu machen:<\/em>\n<\/p>\n<ul>\n<li>Python-Grundlagen<\/li><li>REST-API-Strukturen<\/li><li>RAG-Konzepte<\/li><\/ul>","audience":"<ul>\n<li><strong>Unternehmensarchitekten:<\/strong> , die eine skalierbare, sichere Infrastruktur f&uuml;r dauerhafte, Gemini Enterprise-f&auml;hige KI-Worker aufbauen m&uuml;ssen.<\/li><li><strong>Systemintegratoren:<\/strong> Aufgabe: Anbindung von KI an bestehende ERP-\/CRM-Daten &uuml;ber eine sichere, abteilungs&uuml;bergreifende Tool-Orchestrierung mithilfe der Google Cloud Agent Platform.<\/li><li><strong>IT-Leiter:<\/strong> , die vom &bdquo;Projektdenken&ldquo; zum &bdquo;Plattformdenken&ldquo; &uuml;bergehen m&uuml;ssen, um eine globale Flotte autonomer Agenten zu verwalten und dabei Governance und Skalierbarkeit zu gew&auml;hrleisten<\/li><\/ul>","outline":"<h4>Modul 1 &ndash; Der Wandel hin zur Eigenverantwortung<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>1. Die S&auml;ulen und die Steuerung<\/li><li>2. Die architektonischen Reibungskr&auml;fte<\/li><li>3. Die Skala zur Messung der Selbstst&auml;ndigkeit<\/li><\/ul><p><strong>Ziele:<\/strong>\n<\/p>\n<ul>\n<li>Analysieren Sie die &bdquo;Agency Gap&ldquo;, indem Sie die funktionale Schnittstelle zwischen logischem Denken, Ged&auml;chtnis und Werkzeugen mit der Datenverwaltung untersuchen, um von Track A (Chat) zu Track B (Mitarbeiter) zu gelangen.<\/li><li>Ermitteln Sie die vier technischen Hindernisse (Integration, Statelessness, Latenz und Governance), die eine Skalierung von KI-Pilotprojekten in die Produktion verhindern.<\/li><li>Bewerten Sie die Infrastrukturbereitschaft anhand der Reifegradskala L1&ndash;L5, um Investitionen in die &bdquo;befestigte Strasse&ldquo; f&uuml;r die Autonomie der Stufe 4+ zu priorisieren.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>1 Anwendungsfall<\/li><li>2 Fallstudien<\/li><li>1 Demo<\/li><\/ul><h4>Modul 2 &ndash; Der Bau der &bdquo;gepflasterten Strasse&ldquo;<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>1. Referenz-Stack und Tool-Archetypen<\/li><li>2. Leitfaden zur Speicherauswahl<\/li><li>3. Orchestrierungsmuster f&uuml;r Multi-Agenten-Systeme<\/li><li>4. Der Lebenszyklus einer asphaltierten Strasse<\/li><\/ul><p><strong>Ziele:<\/strong>\n<\/p>\n<ul>\n<li>Setzen Sie das Vertex AI SDK und die Vertex AI Reasoning Engine ein, um die Bereitstellung von Agenten zu standardisieren und den persistenten Konversationsstatus zu verwalten.<\/li><li>Bewerten Sie die Vor- und Nachteile von AlloyDB und Vertex AI Vector Search, um die optimale Speicherschicht f&uuml;r metadatenintensive bzw. hochskalierbare Agenten auszuw&auml;hlen.<\/li><li>Wenden Sie bestimmte Orchestrierungsmuster (Hub-and-Spoke, Linear Relay oder Parallel Critic) an, um komplexe, abteilungs&uuml;bergreifende Ziele zu verwalten.<\/li><li>Entwerfen Sie einen Einsatzpfad f&uuml;r Agenten von der Sandbox bis zur zertifizierten Produktionsumgebung, um sicherzustellen, dass die Infrastruktur vor dem autonomen Handeln bereitgestellt wird.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>4 Demos<\/li><\/ul><h4>Modul 3 &ndash; Der autonome Perimeter<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>1. Bedrohungsmodellierung f&uuml;r agentenbasierte Systeme<\/li><li>2. Identit&auml;tshierarchie und Anmeldedaten<\/li><li>3. Die Grenze verteidigen: Modellr&uuml;stung<\/li><li>4. Verantwortungsvolle KI &amp; Human-in-the-Loop<\/li><\/ul><p><strong>Ziele:<\/strong>\n<\/p>\n<ul>\n<li>Wenden Sie agentenbasierte Bedrohungsmodellierung an, um Risiken wie &bdquo;Indirect Prompt Injection&ldquo; und &bdquo;Tool-Chaining&ldquo;-Exploits zu identifizieren und zu mindern.<\/li><li>Wenden Sie mithilfe von Workload Identity Federation ein dreistufiges Identit&auml;tsmodell an, um das Prinzip der &bdquo;geringstm&ouml;glichen Berechtigungen&ldquo; f&uuml;r autonome Mitarbeiter sicherzustellen.<\/li><li>Setzen Sie Model Armor als Echtzeit-Sicherheitsproxy ein, um sch&auml;dliche Eingaben zu filtern und sensible Ausgabedaten zu schw&auml;rzen.<\/li><li>Analyse der Anforderungen an eine verantwortungsvolle KI-Entwicklung, um Rechenschaftspflicht, R&uuml;ckverfolgbarkeit und &bdquo;Human-in-the-Loop&ldquo;-Kontrollpunkte in den autonomen Perimeter zu integrieren.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>1 Anwendungsfall<\/li><li>4 Demos<\/li><\/ul><h4>Modul 4 &ndash; Autonomie erhalten<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>1. Infrastruktur-ROI<\/li><li>2. Der GenAIOps-Lebenszyklus<\/li><li>3. Die Innovationsernte<\/li><\/ul><p><strong>Ziele:<\/strong>\n<\/p>\n<ul>\n<li>Analysieren Sie den ROI der Plattform, indem Sie den Fokus von &bdquo;Vanity Metrics&ldquo; auf Infrastruktur-Nutzungsquoten und die Wiederverwendbarkeit von Komponenten verlagern, um den Wert der &bdquo;gepflasterten Strasse&ldquo; zu belegen.<\/li><li>F&uuml;hren Sie einen kontinuierlichen Feedback-Kreislauf unter Verwendung von Golden Datasets und Argumentationsverl&auml;ufen ein, um &bdquo;Argumentationsabweichungen&ldquo; zu erkennen und zu beheben.<\/li><li>Wenden Sie die &bdquo;Innovation Harvest&ldquo;-Methodik an, um erfolgreiche, isolierte Tools zu globalen, zertifizierten Gemini Enterprise-Ressourcen auszubauen.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>1 Anwendungsfall<\/li><li>1 Demo<\/li><\/ul><h4>Modul 5 &ndash; Zusammenfassung und Quiz<\/h4><p>\n<strong>Themen:<\/strong>\n<\/p>\n<ul>\n<li>Wiederholung der Kernkonzepte<\/li><\/ul><p><strong>Ziele:<\/strong>\n<\/p>\n<ul>\n<li>&Uuml;berpr&uuml;fen Sie das Verst&auml;ndnis der Kernkonzepte des Kurses anhand von szenariobasierten Fragen.<\/li><\/ul><p><strong>Aktivit&auml;ten:<\/strong>\n<\/p>\n<ul>\n<li>5 szenariobasierte Multiple-Choice-Fragen.<\/li><\/ul>","comments":"<p><em>Dieser Text wurde automatisiert &uuml;bersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/en\/course\/google-aiaegc\"><svg role=\"img\" aria-hidden=\"true\" focusable=\"false\" data-nosnippet class=\"cms-linkmark\"><use xlink:href=\"\/css\/img\/icnset-linkmarks.svg#linkmark\"><\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"<p>Dieser Kurs bietet einen technischen Leitfaden, der es L&ouml;sungsarchitekten erm&ouml;glicht, den &Uuml;bergang von der Entwicklung isolierter Chatbots zum Einsatz persistenter, Gemini Enterprise-f&auml;higer KI-Worker auf Google Cloud zu vollziehen. Die Teilnehmer erlernen die Gestaltung agentenbasierter Speicher, die API-gesteuerte Tool-Orchestrierung sowie die Infrastruktur-Governance mithilfe der Google Cloud Agent Platform &ndash; einschliesslich der Vertex AI Reasoning Engine f&uuml;r die Verwaltung persistenter Zust&auml;nde und der Agent Extensions f&uuml;r die Integration in Abteilungssysteme. Die Lernenden werden &uuml;ber &bdquo;Instructional Hope&ldquo; hinaus zur technischen Umsetzung gelangen und die &bdquo;Paved Road&ldquo; schaffen, die erforderlich ist, um Multi-Agent-Flotten zu orchestrieren und nicht-menschliche Identit&auml;ten zu sichern.<\/p>","objective_plain":"- L\u00fccken in der Agentur erkennen: Gewohnheiten im Umgang mit \u201eTrack A\u201c ablegen und strukturelle Reibungspunkte aufzeigen.\n- Entwickeln Sie die Engine: Implementieren Sie dauerhafte, kontextbezogene Schlussfolgerungsschleifen innerhalb der Build-Ebene.\n- Sichern Sie die Perimeter: Setzen Sie Zero-Trust-Modelle und Laufzeitschutzmassnahmen \u00fcber die Govern-Ebene durch.\n- Flotte skalieren: Verringern Sie die Abweichung der Schlussfolgerungen und messen Sie den ROI mithilfe der Optimierungs- und Skalierungsstufen.","essentials_plain":"- Abschluss des Projekts \u201eOrganisatorische Voraussetzungen f\u00fcr den Erfolg der KI\u201c.\n- Grundkenntnisse in Google Cloud (VPC, IAM, Cloud Run).\nEs ist hilfreich, sich damit vertraut zu machen:\n\n\n\n- Python-Grundlagen\n- REST-API-Strukturen\n- RAG-Konzepte","audience_plain":"- Unternehmensarchitekten: , die eine skalierbare, sichere Infrastruktur f\u00fcr dauerhafte, Gemini Enterprise-f\u00e4hige KI-Worker aufbauen m\u00fcssen.\n- Systemintegratoren: Aufgabe: Anbindung von KI an bestehende ERP-\/CRM-Daten \u00fcber eine sichere, abteilungs\u00fcbergreifende Tool-Orchestrierung mithilfe der Google Cloud Agent Platform.\n- IT-Leiter: , die vom \u201eProjektdenken\u201c zum \u201ePlattformdenken\u201c \u00fcbergehen m\u00fcssen, um eine globale Flotte autonomer Agenten zu verwalten und dabei Governance und Skalierbarkeit zu gew\u00e4hrleisten","outline_plain":"Modul 1 \u2013 Der Wandel hin zur Eigenverantwortung\n\n\nThemen:\n\n\n\n- 1. Die S\u00e4ulen und die Steuerung\n- 2. Die architektonischen Reibungskr\u00e4fte\n- 3. Die Skala zur Messung der Selbstst\u00e4ndigkeit\nZiele:\n\n\n\n- Analysieren Sie die \u201eAgency Gap\u201c, indem Sie die funktionale Schnittstelle zwischen logischem Denken, Ged\u00e4chtnis und Werkzeugen mit der Datenverwaltung untersuchen, um von Track A (Chat) zu Track B (Mitarbeiter) zu gelangen.\n- Ermitteln Sie die vier technischen Hindernisse (Integration, Statelessness, Latenz und Governance), die eine Skalierung von KI-Pilotprojekten in die Produktion verhindern.\n- Bewerten Sie die Infrastrukturbereitschaft anhand der Reifegradskala L1\u2013L5, um Investitionen in die \u201ebefestigte Strasse\u201c f\u00fcr die Autonomie der Stufe 4+ zu priorisieren.\nAktivit\u00e4ten:\n\n\n\n- 1 Anwendungsfall\n- 2 Fallstudien\n- 1 Demo\nModul 2 \u2013 Der Bau der \u201egepflasterten Strasse\u201c\n\n\nThemen:\n\n\n\n- 1. Referenz-Stack und Tool-Archetypen\n- 2. Leitfaden zur Speicherauswahl\n- 3. Orchestrierungsmuster f\u00fcr Multi-Agenten-Systeme\n- 4. Der Lebenszyklus einer asphaltierten Strasse\nZiele:\n\n\n\n- Setzen Sie das Vertex AI SDK und die Vertex AI Reasoning Engine ein, um die Bereitstellung von Agenten zu standardisieren und den persistenten Konversationsstatus zu verwalten.\n- Bewerten Sie die Vor- und Nachteile von AlloyDB und Vertex AI Vector Search, um die optimale Speicherschicht f\u00fcr metadatenintensive bzw. hochskalierbare Agenten auszuw\u00e4hlen.\n- Wenden Sie bestimmte Orchestrierungsmuster (Hub-and-Spoke, Linear Relay oder Parallel Critic) an, um komplexe, abteilungs\u00fcbergreifende Ziele zu verwalten.\n- Entwerfen Sie einen Einsatzpfad f\u00fcr Agenten von der Sandbox bis zur zertifizierten Produktionsumgebung, um sicherzustellen, dass die Infrastruktur vor dem autonomen Handeln bereitgestellt wird.\nAktivit\u00e4ten:\n\n\n\n- 4 Demos\nModul 3 \u2013 Der autonome Perimeter\n\n\nThemen:\n\n\n\n- 1. Bedrohungsmodellierung f\u00fcr agentenbasierte Systeme\n- 2. Identit\u00e4tshierarchie und Anmeldedaten\n- 3. Die Grenze verteidigen: Modellr\u00fcstung\n- 4. Verantwortungsvolle KI & Human-in-the-Loop\nZiele:\n\n\n\n- Wenden Sie agentenbasierte Bedrohungsmodellierung an, um Risiken wie \u201eIndirect Prompt Injection\u201c und \u201eTool-Chaining\u201c-Exploits zu identifizieren und zu mindern.\n- Wenden Sie mithilfe von Workload Identity Federation ein dreistufiges Identit\u00e4tsmodell an, um das Prinzip der \u201egeringstm\u00f6glichen Berechtigungen\u201c f\u00fcr autonome Mitarbeiter sicherzustellen.\n- Setzen Sie Model Armor als Echtzeit-Sicherheitsproxy ein, um sch\u00e4dliche Eingaben zu filtern und sensible Ausgabedaten zu schw\u00e4rzen.\n- Analyse der Anforderungen an eine verantwortungsvolle KI-Entwicklung, um Rechenschaftspflicht, R\u00fcckverfolgbarkeit und \u201eHuman-in-the-Loop\u201c-Kontrollpunkte in den autonomen Perimeter zu integrieren.\nAktivit\u00e4ten:\n\n\n\n- 1 Anwendungsfall\n- 4 Demos\nModul 4 \u2013 Autonomie erhalten\n\n\nThemen:\n\n\n\n- 1. Infrastruktur-ROI\n- 2. Der GenAIOps-Lebenszyklus\n- 3. Die Innovationsernte\nZiele:\n\n\n\n- Analysieren Sie den ROI der Plattform, indem Sie den Fokus von \u201eVanity Metrics\u201c auf Infrastruktur-Nutzungsquoten und die Wiederverwendbarkeit von Komponenten verlagern, um den Wert der \u201egepflasterten Strasse\u201c zu belegen.\n- F\u00fchren Sie einen kontinuierlichen Feedback-Kreislauf unter Verwendung von Golden Datasets und Argumentationsverl\u00e4ufen ein, um \u201eArgumentationsabweichungen\u201c zu erkennen und zu beheben.\n- Wenden Sie die \u201eInnovation Harvest\u201c-Methodik an, um erfolgreiche, isolierte Tools zu globalen, zertifizierten Gemini Enterprise-Ressourcen auszubauen.\nAktivit\u00e4ten:\n\n\n\n- 1 Anwendungsfall\n- 1 Demo\nModul 5 \u2013 Zusammenfassung und Quiz\n\n\nThemen:\n\n\n\n- Wiederholung der Kernkonzepte\nZiele:\n\n\n\n- \u00dcberpr\u00fcfen Sie das Verst\u00e4ndnis der Kernkonzepte des Kurses anhand von szenariobasierten Fragen.\nAktivit\u00e4ten:\n\n\n\n- 5 szenariobasierte Multiple-Choice-Fragen.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"Dieser Kurs bietet einen technischen Leitfaden, der es L\u00f6sungsarchitekten erm\u00f6glicht, den \u00dcbergang von der Entwicklung isolierter Chatbots zum Einsatz persistenter, Gemini Enterprise-f\u00e4higer KI-Worker auf Google Cloud zu vollziehen. Die Teilnehmer erlernen die Gestaltung agentenbasierter Speicher, die API-gesteuerte Tool-Orchestrierung sowie die Infrastruktur-Governance mithilfe der Google Cloud Agent Platform \u2013 einschliesslich der Vertex AI Reasoning Engine f\u00fcr die Verwaltung persistenter Zust\u00e4nde und der Agent Extensions f\u00fcr die Integration in Abteilungssysteme. Die Lernenden werden \u00fcber \u201eInstructional Hope\u201c hinaus zur technischen Umsetzung gelangen und die \u201ePaved Road\u201c schaffen, die erforderlich ist, um Multi-Agent-Flotten zu orchestrieren und nicht-menschliche Identit\u00e4ten zu sichern.","skill_level":"Intermediate","version":"1.0","duration":{"unit":"d","value":0,"formatted":"3 Stunden"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":350},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":485},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":300},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":300},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":300},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":300},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":300}}},"lastchanged":"2026-06-05T02:17:47+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/37240","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/google-aiaegc"}}