Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Verständnis der Mastra-Architektur und operativer Konzepte
- Kernkomponenten und ihre Rolle in der Produktion
- Unterstützte Integrationsmuster für Unternehmensumgebungen
- Sicherheits- und Governance-Aspekte
Vorbereitung der Umgebungen für das Agent-Deployment
- Konfiguration von Container-Runtime-Umgebungen
- Vorbereitung von Kubernetes-Clustern für KI-Agenten-Workloads
- Verwaltung von Secrets, Zugangsdaten und Config-Stores
Deployment von Mastra-KI-Agenten
- Packen der Agenten für das Deployment
- Nutzung von GitOps und CI/CD für die automatisierte Bereitstellung
- Validierung von Deployments durch strukturierte Tests
Skalierungsstrategien für Produktions-KI-Agenten
- Muster für horizontale Skalierung
- Autoscaling mit HPA, KEDA und ereignisgesteuerten Triggern
- Strategien zur Lastverteilung und Anfragebearbeitung
Observability, Monitoring und Logging für KI-Agenten
- Best Practices für Telemetrie-Instrumentierung
- Integration von Prometheus, Grafana und Logging-Stacks
- Erfassung der Agentenleistung, Drift und operativer Anomalien
Optimierung von Leistung und Ressourceneffizienz
- Profiling von Agenten-Workloads
- Verbesserung der Inferenzleistung und Reduzierung der Latenz
- Kostenoptimierungsansätze für großskalige Agenten-Deployments
Zuverlässigkeit, Resilienz und Fehlerbehandlung
- Design für Resilienz unter Last
- Implementierung von Circuit-Breaking, Retries und Rate Limiting
- Disaster-Recovery-Planung für agentenbasierte Systeme
Integration von Mastra in Unternehmensökosysteme
- Anbindung an APIs, Datenpipelines und Event-Busse
- Ausrichtung der Agenten-Deployments auf Enterprise-DevSecOps
- Anpassung der Architekturen an bestehende Plattformumgebungen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis der Containerisierung und Orchestrierung
- Erfahrung mit CI/CD-Workflows
- Vertrautheit mit Konzepten zum Deployment von KI-Modellen
Zielgruppe
- DevOps-Engineers
- Backend-Entwickler
- Plattform-Engineers, die für KI-Workloads verantwortlich sind
21 Stunden