AI-agenter og automatisering
2025/2026- Formål og læringsmål
AI Agenter er avanceret AI, som selvstændigt finder strategi og løsning på komplekse opgaver. LLMer (som ChatGTP) er AI som mennesker kan chatte med og få svar, mens en AI Agent selvstændigt udfører opgaver. En AI agent har adgang til systemer og værktøjer, som den bruger til at udføre opgaver automatisk.
Viden
På kurset lærer du at opsætte workflows til automatisering af opgaver, som spænder fra at få daglige nyheder om f.eks. AI agenter, til et større SOME marketings setup. Du vil lære om hvordan large language models (som ChatGPT) virker og at bruge dem til AI agenter. Du vil lære prompts engineering til instruere AI agenterne til at udføre deres opgaver. Derudover kigger vi på RAGs, hvor AI får information fra vector databaser til deres opgaver
Vi bruger workflow værktøjet n8n til at sætte vores agenter og workflows op. Der vil være behov en smule JavaScript, hvor det meste dog kan fås fra diverse MLL uden de store problemer. Der vil være mulighed for at bruge Python e.lign programmeringssprog i det afsluttende projekt, men det er ikke et krav.Den studerende:
Færdigheder
- Ved hvad de forskellige LLMer er gode til
- Viden om workflows
- Viden om AI agenter
- Kendskab til forskellige arkitturer (sekensiel vs. parallel)Den studerende:
Kompetencer
- Kan oprette workflows til automatisk udførsel af arbejds- og andre processer
- Bruge prompt engineering til at instruere agenter
- Oprette og instruerer en AI Agent til at udføre en del af en arbejdsproces
- Kan teste og optimere workflows med AI agenter
- Oprette og bruge RAGS og vector databaser i workflowsDen studerende kan:
- Vælge LLMer til brug i automatisering
- Kunne vurdere brug af forskellige elementer i et workflow
- Gennemføre projekt med workflow og opsætning af AI agenter - Undervisningsform
Præsentation af nyt materiale i klassen, selvstudier, arbejde med opgaver samt projekter
- Forudsætninger for at deltage i
faget
Faglige forudsætninger for at deltage i faget
Grundlæggende programmering.Materielle forudsætninger for at deltage i faget
Computer hvor der kan installeres docker. Gerne nyere computer. - Prøve
Læringsmålene for prøven er identiske med fagets/fagenes læringsmål
Forudsætninger for indstilling til eksamenAflevering af projekt.Faget prøvesFaget/modulet prøves selvstændigtPrøveformMundtlig prøveMundtlig eksamen med et 10 minutters oplæg og 20 minutters eksamination inkl. votering. Eksamen er individuel.OpgavetypeImplementering af et workflow samt præsentation af overvejelser omkring implementeringen af workflowet.Individuel eller gruppeprøveIndividuelAnvendt sprog til prøvenDansk (Norsk/Svensk)Varighed30. min ink. voteringHjælpemidler der må medbringesEgen computer til præsentation og demonstration af udviklet produkt.Hjælpemidler som stilles til rådighedProjekterBedømmelsesform7-trins skalaBedømmer(e)Intern censurKriterier for prøvevurderingLæringsmålene for prøven er identiske med fagets/fagenes læringsmål
På faget AI-agenter og automatisering modtager du 48 timers undervisning, hvilket svarer til 64 lektioner (1 lektion = 45 min.) og 18% af din samlede arbejdsbelastning på faget.
Undervisningen vil primært bestå af følgende aktiviteter: klasseundervisning, casearbejde, digitale øvelser, eksterne forelæsninger, interne forelæsninger, projektarbejde, projektpræsentation, øvelser.
Forberedelsen vil primært bestå af følgende aktiviteter: informationssøgning, læsning af pensum, projektarbejde, video, øvelser.
Læs om KEAs studieaktivitetsmodel
*KEA kan fravige det angivne timetal, hvis det er begrundet i særlige forhold.