Teilnehmen Anmelden

Ihre Kompetenzen in der Google Cloud Console anwenden

Joel Kelley

Mitglied seit 2026

Agent-Verhalten optimieren Earned Mär 19, 2026 EDT
Den ersten Agent mit dem Agent Development Kit (ADK) erstellen Earned Mär 11, 2026 EDT
Grundlagen zu Agenten Earned Mär 11, 2026 EDT
Multimodale Vektorsuche mit BigQuery implementieren Earned Mär 10, 2026 EDT
Einbettungen, Vektorsuche und RAG mit BigQuery erstellen Earned Mär 10, 2026 EDT
Gemini-Modelle in BigQuery nutzen Earned Mär 9, 2026 EDT
Mit Gemini in BigQuery produktiver arbeiten Earned Mär 5, 2026 EST
Data Warehouse mit BigQuery erstellen Earned Jan 30, 2026 EST

Sie haben Ihren ersten KI-Agenten erstellt – jetzt ist es an der Zeit, ihn weiterzuentwickeln. In diesem weiterführenden Kurs lernen Sie, wie Sie einen einfachen KI-Agenten in einen ausgereiften, präzisen Assistenten umwandeln – durch die Anwendung fortgeschrittener Anweisungen, eine passende Modellauswahl, Planungsfunktionen und Muster für strukturierte Ausgabe. In unserem Community-Forum können Sie sich mit anderen austauschen.

Weitere Informationen

In diesem Modul können Sie Ihr Verständnis von KI-Agenten in die Praxis umsetzen und mit dem Agent Development Kit (ADK) von Google Ihren ersten KI-Agenten erstellen, konfigurieren und ausführen. In diesem praxisorientierten Kurs richten Sie zuerst eine vollständige ADK-Entwicklungsumgebung ein. Dann erstellen Sie KI-Agenten sowohl mit Python-Code als auch mit einer YAML-Konfiguration und führen diese über verschiedene Benutzeroberflächen aus. Außerdem lernen Sie die wichtigsten Parameter kennen, die das Verhalten von KI-Agenten definieren. Dazu wenden Sie das in Kurs 1 Gelernte auf funktionierenden Code an.

Weitere Informationen

KI‑Agenten stellen einen bedeutenden Wandel gegenüber traditionellen Large Language Models (LLMs) dar: Anstatt lediglich textbasierte Lösungen zu generieren, können sie diese Lösungen auch selbstständig ausführen. Dieser Kurs behandelt die Grundlagen von KI‑Agenten und zeigt, wie sie sich von LLM-APIs unterscheiden und in der realen Welt einen Mehrwert bieten. Er basiert auf dem Whitepaper zu Agenten von Google und bietet eine theoretische Grundlage, die man kennen sollte, bevor man die ersten Zeilen Code für einen KI‑Agenten schreibt. Der Kurs ist somit ideal für Personen in der Softwareentwicklung und -Architektur sowie für all diejenigen, die technische Entscheidungen fällen müssen und KI‑Systeme im Kontext von selbstständigen, zielorientierten Handlungen (Anstatt nur als Textgeneratoren) verstehen möchten. In unserem Community-Forum können Sie sich am Diskurs beteiligen.

Weitere Informationen

Mit dem Skill-Logo Multimodale Vektorsuche mit BigQuery implementieren weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: mit Gemini in BigQuery SQL generieren und debuggen, Sentimentanalysen durchführen, Text zusammenfassen und Keywords ermitteln, Einbettungen generieren, eine RAG-Pipeline (Retrieval-Augmented Generation) erstellen und eine multimodale Vektorsuche implementieren.

Weitere Informationen

In diesem Kurs wird eine Lösung für Retrieval-Augmented Generation (RAG) in BigQuery vorgestellt, die KI-Halluzinationen minimiert. Sie lernen einen RAG-Workflow kennen, der die Erstellung von Einbettungen, die Suche in einem Vektorraum und die Generierung verbesserter Antworten umfasst. Darüber hinaus werden die konzeptionellen Gründe für diese Schritte und ihre praktische Umsetzung mit BigQuery erklärt. Am Ende des Kurses werden Sie in der Lage sein, eine RAG-Pipeline mithilfe von BigQuery und generativen KI-Modellen wie Gemini zu erstellen und Modelle einzubetten, um KI-Halluzinationen zu verhindern.

Weitere Informationen

In diesem Kurs wird gezeigt, wie Sie KI-/ML-Modelle für Aufgaben basierend auf generativer KI in BigQuery verwenden. Anhand eines praktischen Anwendungsfalls zum Customer-Relationship-Management lernen Sie den Workflow zur Lösung eines Geschäftsproblems mit Gemini-Modellen kennen. Zur besseren Nachvollziehbarkeit bietet der Kurs auch eine Schritt-für-Schritt-Anleitung für das Programmieren von Lösungen mithilfe von SQL-Abfragen und Python-Notebooks.

Weitere Informationen

Dieser Kurs behandelt Gemini in BigQuery, eine Suite KI-gesteuerter Funktionen zur Aufbereitung von Daten für die Verwendung in künstlicher Intelligenz. Zu diesen Funktionen gehören explorative Datenanalyse und ‑aufbereitung, Codegenerierung und Fehlerbehebung sowie Workflow-Erkennung und ‑Visualisierung. Durch konzeptionelle Erläuterungen, einen praxisnahen Anwendungsfall und praktische Übungen können Datenexperten mit diesem Kurs ihre Produktivität steigern und die Entwicklungspipeline beschleunigen.

Weitere Informationen

Mit dem Skill-Logo zum Kurs Data Warehouse mit BigQuery erstellen weisen Sie fortgeschrittene Kenntnisse in folgenden Bereichen nach: Daten zusammenführen, um neue Tabellen zu erstellen, Probleme mit Joins lösen, Daten mit Unions anhängen, nach Daten partitionierte Tabellen erstellen und JSON, Arrays sowie Strukturen in BigQuery nutzen.

Weitere Informationen