LangChain und LangGraph – Professionelle LLM-Workflows

Sie lernen, wie Sie mit LangChain und LangGraph komplexe KI-Workflows planen, umsetzen und betreiben. Der Kurs zeigt, wie Sie externe Daten integrieren, Agenten steuern und graphbasierte Abläufe produktionsreif realisieren.

Einführung in LangChain

• Grundbausteine: LLMs, Chains, Memory
• Agents & Tools: Funktionsweise und Patterns
• Callback-System und Debugging

Aufbau von Chains

• Simple Chains vs. Sequential Chains
• Multi-Step Workflows
• Verwendung von Memory für Kontext

LangGraph Basics

• Graphbasierte Modellierung von LLM-Workflows
• State Management und Branching
• Loops und parallele Pfade

Integration externer Tools

• Anbindung an Datenbanken und APIs
• Vektor-DBs mit LangChain
• Custom Tools (Python, SQL, externe Services)

Deployment & Betrieb

• Persistenz von Graphen
• Logging und Observability in LangSmith
• Best Practices zur Fehlerbehandlung

Praxisprojekt

• Bau eines Multi-Agenten-Systems mit LangGraph
• Workflow: Datenabruf ? Analyse ? Report ? Validierung

Sie lernen, komplexe KI-Workflows mit LangChain und LangGraph zu planen, umzusetzen und zu betreiben. Dabei integrieren Sie externe Daten, steuern Agenten und realisieren graphbasierte Abläufe produktionsreif.

Alle mit technischem Hintergrund, die mit LangChain oder LangGraph arbeiten und LLM-Anwendungen professionell planen, erweitern oder produktiv nutzen möchten.

Gute Kenntnisse in Python und erste Erfahrung mit LLMs oder Vektor-Datenbanken. Grundverständnis von API-Nutzung, JSON und modularer Softwarearchitektur wird empfohlen.