Workshops: Agentic-Engineering-Praxis
Selbstheilende CI mit KI-Agenten: Builds, Flaky Tests, Updates
Rote Builds, Flaky Tests und eine wachsende Schlange von Dependency-Update-Pull-Requests kosten jedes Team Stunden. In diesem Workshop entwirft Ihr Team eine CI-Schleife, in der KI-Agenten Fehler diagnostizieren, Korrekturen vorschlagen und Update-PRs auf eigenen Branches reparieren, während Leitplanken für Rechte, Wiederholungen, Kosten und Review die Pipeline vertrauenswürdig halten.
Für wen ist der Workshop?
- DevOps- und Plattform-Engineers, die CI/CD-Pipelines verantworten
- Entwicklerinnen und Entwickler, die rote Builds und Renovate- oder Dependabot-Rückstände leid sind
- QA-Engineers, die mit instabilen Testsuiten kämpfen
- Engineering Leads, die Pipeline-Pflege sicher automatisieren wollen
- Security-Verantwortliche, die Agenten in der CI freigeben müssen
Das nehmen Sie mit
- Sie ordnen CI-Fehler ein (echte Regression, Flaky Test, Infrastrukturrauschen, Dependency-Bruch) und entscheiden, was ein Agent übernehmen soll.
- Sie bauen einen Ablauf, in dem ein Agent Logs analysiert, den Fehler reproduziert und einen Fix-PR öffnet, statt auf main zu pushen.
- Sie erkennen Flaky Tests mit Agentenhilfe, stellen sie unter Quarantäne und beheben sie.
- Sie lassen Agenten fehlschlagende Update-PRs von Renovate oder Dependabot reparieren, inklusive Recherche in Changelogs.
- Sie setzen Leitplanken: minimale Rechte, Grenzen für Wiederholungen, Kostendeckel und Pflicht-Review.
Agenda
Modul 1
Anatomie einer roten Pipeline
- Fehlerkategorien und was ein Agent realistisch beheben kann
- Logs, Artefakte und Testberichte als Kontext für den Agenten
- Wann Automatisierung schadet: echte Fehler kaschieren und Retry-Kultur
Modul 2
Die Fix-PR-Schleife
- Agenten bei Fehlschlägen in GitHub Actions oder GitLab CI auslösen
- Claude Code oder OpenAI Codex headless in der Pipeline, alternativ Übergabe an den Coding Agent von GitHub Copilot
- Übung: ein Agent, der aus einem roten Build einen prüfbaren Fix-PR macht
Modul 3
Flaky Tests
- Instabilität über Wiederholungsläufe und Historie erkennen
- Quarantäne mit Verantwortlichem und Ablaufdatum, nicht für immer
- Typische Ursachen: Timing, Reihenfolge, geteilter Zustand, Testdaten
Modul 4
Dependency-Update-PRs
- Updates in Renovate oder Dependabot gruppieren und zeitlich steuern
- Agenten-Fixes für brechende Upgrades, mit Release Notes als Beleg
- Auto-Merge nur für risikoarme Updates mit vollständigen Checks
Modul 5
Leitplanken und Betrieb
- Token-Scopes, Secrets und warum fremde PR-Inhalte den Agenten nicht steuern dürfen
- Schleifenlimits, Timeouts und Kostenbudgets pro Lauf
- Kennzahlen: Zeit bis grün, Annahmequote der Agenten-Fixes, zurückgenommene Fixes
Was selbstheilend heißen soll und was nicht
Selbstheilende CI heißt nicht, dass sich die Pipeline still und leise selbst grün macht. Ein Agent, der einen fehlschlagenden Test deaktiviert, eine Assertion aufweicht oder ein Timeout hochsetzt, hat ein Problem versteckt, nicht gelöst. Das Ziel ist das Gegenteil: schnellere Diagnose, ein belegter Korrekturvorschlag und ein Mensch, der entscheidet.
Gut umgesetzt beginnt Ihr Team den Tag mit einer kurzen Liste von Fix-PRs samt Erklärung statt mit einer Wand roter Builds. Schlecht umgesetzt schwindet das Vertrauen in die Testsuite.
Sicherheit in der Pipeline
Agenten in der CI laufen mit Zugangsdaten und verarbeiten Inhalte, die andere geschrieben haben: PR-Beschreibungen, Issue-Texte, Changelogs von Abhängigkeiten. Das macht sie zum Ziel für Prompt Injection. Wir zeigen, wie Agenten solche Eingaben verarbeiten, ohne Schaden anrichten zu können:
- Getrennte Workflows für vertrauenswürdige und fremde Auslöser
- Kurzlebige Tokens mit minimalen Berechtigungen, keine Produktions-Secrets
- Isolierte Runner mit begrenztem Netzwerkzugriff
- Keine direkten Pushes auf geschützte Branches, vollständige Protokolle jedes Laufs
Aufgebaut auf Ihrer Pipeline
Wir arbeiten mit Ihrem CI-System und einem Test-Repository, das Ihre echte Pipeline nachbildet, sodass Experimente nie produktive Branches berühren. Möglich sind GitHub Actions, GitLab CI, Azure Pipelines und Jenkins. Den Tag leiten neooutput AI Code Engineers, remote oder vor Ort, auf Deutsch oder Englisch.
Häufige Fragen
Treiben Agenten in der CI unsere Kosten in die Höhe?
Das können sie, wenn Läufe unbegrenzt sind. Mit Auslösern nur für relevante Fehler, Budgets pro Lauf, Timeouts und einer Obergrenze für Wiederholungen bleiben die Kosten planbar; wir zeigen, wie Sie sie überwachen.
Sollen Agenten ihre Fixes automatisch mergen dürfen?
Für Code-Korrekturen raten wir davon ab. Auto-Merge kann bei risikoarmen Dependency-Updates mit guter Testabdeckung sinnvoll sein, alles andere sollte durch ein menschliches Review.
Ersetzt das unseren Umgang mit Flaky Tests?
Es unterstützt ihn. Agenten beschleunigen Erkennung und Ursachenanalyse, aber Zuständigkeit, Quarantäneregeln und die Entscheidung, einen Test zu löschen oder neu zu schreiben, bleiben bei Ihrem Team.
Workshop
Kontakt aufnehmen
Wie viele Stunden pro Woche verliert Ihr Team an rote Builds?
Wählen Sie die ungefähre Teilnehmerzahl und passende Termine – wir melden uns innerhalb von 24 Stunden mit einem Vorschlag für Inhalte, Format und Ablauf.
Lieber erst sprechen?
15 Minuten, kostenlos und unverbindlich – mit unseren AI Trainern und AI Code Engineers.
Kostenloses Gespräch buchen (öffnet in neuem Tab) +49 761 519 751 50 (rund um die Uhr)Schulung/Workshop anfragen
Workshop: Selbstheilende CI mit KI-Agenten: Builds, Flaky Tests, Updates · 1 Tag
Weitere Workshops
- Workshops: Agentic-Engineering-PraxisVibe-Coding-Prototypen übernehmen: Workshop für Dev-Teams
- Workshops: Agentic-Engineering-PraxisDesignsysteme & Storybook mit KI-Coding-Agenten: Workshop
- Workshops: Agentic-Engineering-PraxisPair- und Mob-Programming mit KI-Agent: Team-Workshop
- Workshops: Agentic-Engineering-PraxisUser Stories für KI-Agenten: Scrum & Kanban mit Coding-Agenten
- Workshops: Agentic-Engineering-PraxisObservability mit Coding-Agenten: OpenTelemetry-Workshop
- Workshops: KI-Tools im ArbeitsalltagChatGPT für Fortgeschrittene: Custom GPTs, Projekte & Deep Research
