Das heutige Thema ist eines, von dem fast jeder schon gehört hat, das aber kaum jemand wirklich erklären kann. Ich spreche von KI-Agent. Sie haben den Begriff wahrscheinlich schon in einem Meeting gehört, in einem Blogbeitrag gelesen oder in einer Schlagzeile gesehen. Jeder spricht darüber. Doch bittet man jemanden, den Begriff zu definieren, werden die Antworten sehr schnell schwammig. Der Hype ist groß, die Definitionen sind vage und der Ausdruck wird so leichtfertig verwendet, dass er fast seine gesamte Bedeutung verloren hat. Hier ist der häufigste Fehler, den Leute machen. Sie denken, ein Agent sei nur ein Chatbot mit einem schickeren Namen. Man fragt etwas, er antwortet. Das ist kein Agent, das ist ein Chatbot. Und es gibt einen echten Unterschied zwischen den beiden. Was hat sich also geändert? Warum ist plötzlich jeder von Agenten besessen? Und noch wichtiger, warum sollte es Sie interessieren, wenn Sie kein Entwickler sind?

Am Ende dieser Folge werden Sie verstehen, was ein KI-Agent wirklich ist, warum Microsoft ein ganzes Framework darum aufgebaut hat und warum dies für ihre Arbeitsweise wichtig ist.

Was genau ist ein KI-Agent? Sie wissen bereits, wie ein Chatbot funktioniert. Sie tippen etwas ein, er antwortet. Das sind Konversationen. Er ist reaktiv. Er wartet darauf, dass Sie etwas sagen und antwortet dann. Ein Agent ist anders. Er antwortet nicht nur, er handelt. Denken, entscheiden, handeln. Das ist die einfachste Definition, die ich Ihnen geben kann. So funktioniert es. Zuerst denkt der Agent nach. Er nutzt ein großes Sprachmodell, um zu verstehen, was Sie wirklich brauchen. Nicht nur, was Sie getippt haben, sondern was Sie meinten. Wenn Sie sagen, buche nächsten Dienstag ein Meeting mit Sarah, wiederholt der Agent das nicht einfach nur. Er überlegt, was diese Anfrage wirklich bedeutet. Entscheidet er. Er unterteilt Ihre Anfrage in einzelne Schritte. Meeting buchen wird zu einem Plan. Kalender prüfen, freien Slot finden, Sarahs Verfügbarkeit checken, Einladung senden. Der Agent rät nicht, er erstellt eine Abfolge von Aktionen.

Schließlich handelt er. Er ruft Tools und Dienste auf, um das Ziel zu erreichen. Er erklärt ihn nicht, wie man ein Meeting bucht, sondern er bucht es. Er erklärt nicht, wie man das Wetter prüft. Er prüft das Wetter und gibt Ihnen die Antwort. Engst er also über den Unterschied nach. Ein Chatbot ist reaktiv. Er wartet auf Ihre nächste Frage. Ein Agent ist proaktiv. Sie geben ihm ein Ziel vor und er macht sich an die Arbeit. Vielleicht kommt er mit Rückfragen auf Sie zu, falls er mehr Informationen braucht. Aber er muss nicht bei jedem Schritt an die Hand genommen werden. Ein Chatbot ist wie eine Auskunftstheke in einer Bibliothek. Sie fragen nach dem Standort eines Buches und man zeigt Ihnen den richtigen Geld. Ein Agent ist wie ein persönlicher Assistent, der die Schlüssel zum Gebäude besitzt. Sie sagen, ich brauche Informationen über unsere Top-Kunden für das Meeting morgen. Und er sucht sie zusammen, strukturiert sie und überreicht ihnen ein Briefing-Dokument.

Sie haben ihm weder gesagt, wo er suchen, noch welches Format er nutzen soll. Er hat es selbst herausgekommen. Doch das Geheimnis ist nicht allein das LLM. Das Sprachmodell ist intelligent, aber für sich genommen nur ein Gehirn ohne Hände. Was ein System zu einem Agenten macht, ist die Kombination aus drei Dingen. Schlussfolgerung. Also die Fähigkeit, ein Problem zu durchdenken. Werkzeuge, die Fähigkeit, auf die Welt einzuwirken. Und Gedächtnis. Die Fähigkeit, sich an Vergangenes zu erinnern. Fügt man diese drei zusammen, hat man etwas, das nicht nur Fragen beantwortet, sondern Dinge erledigt. Vor dem Framework herrscht eine fragmentierte Landschaft. Wenn Agenten so nützlich sind, warum baut sie dann nicht schon jeder? Die kurze Antwort lautet, bis vor kurzem war es ein chaotischer Prozess. Man musste mehrere Werkzeuge selbst zusammenfügen. Denn etwas so, als würde man versuchen, ein Auto aus Teilen verschiedener Hersteller zu bauen, in der Hoffnung, dass sie zusammenpassen.

Microsofts erster Versuch, dies zu beheben, war Semantic Kernel, ein SDK zur Integration von KI in Anwendungen. Leistung stark, ob es war ein Werkzeugkasten, kein Bauplan. Man bekam die Teile, musste aber immer noch selbst herausfinden, wie man sie zusammelte. Dann kam Autogen von Microsoft Reaser. Dieses Framework erforschte Multiagenten-Konversationen, bei denen KI-Agenten miteinander sprechen, debattieren und zusammenarbeiten. Hochmodern, ja, aber es war experimentell und nicht für produktive Systeme ausgelegt. Entwickler standen also von einer schwierigen Wahl. Semantic Kernel war stabil und unternehmenseinsatzbereit, bot jedoch keine fortgeschrittenen Orchestrierungsmuster. Autogen hatte die coolen Multiagenten-Fähigkeiten, war aber nichts für den Betrieb in einer Live-Umgebung. Jedes hatte seine eigene Lernkurve, seine eigene Arbeitsweise und seine eigene Kommune. Und es ging nicht nur um Microsoft.

Andere Frameworks tauchten auf. Langchain, Crew AI und ein Dutzend weitere. Das Ökosystem war völlig unübersichtlich. Wenn man beruflich Agenten entwickeln wollte, musste man zum Experten in einer sich rasant wandelnden Welt werden. Welches Framework soll man lernen? Welches wird überleben? Auf welches setzt Microsoft tatsächlich? Für Anfänger war das überwältigend. Stellen Sie sich vor, Sie sind Entwickler in einem Unternehmen, das KI-Agenten erforscht. Sie recherchieren und finden fünf verschiedene Frameworks. Jedes mit eigener Dokumentation, eigenen Mustern und eigener Community. Sie wissen nicht, wo Sie anfangen sollen. Sie wissen nicht, auf welches Sie Ihre Zeitzen sollen. Diese Fragmentierung schuf eine echte Barriere. Es ging nicht nur darum, ein Werkzeug zu erlernen, sondern darauf zu setzen, ein gesamtes Ökosystem zu nutzen. Und als Anwendungsfälle für Agenten von Experimenten zu echten Geschäftsprozessen wurden, erkannte Microsoft, dass dies nicht nachhaltig war.

Sie brauchten ein Framework. Einen einheitlichen Ansatz. Eine Antwort auf die Frage, wie baue ich einen Agenten? Was ist das Microsoft Agent Framework? Also nahm Microsoft die beiden Frameworks, die sie hatten, Semantic Kernel und Autogen, und kombinierte sie zu einem. Das Ergebnis ist das Microsoft Agent Framework. Ein einzelnes, einheitliches SDK, das die Unternehmensstabilität von Semantic Kernel mit den hochmodernen Multiagentenmustern von Autogen vereint. Und die Teams, die diese beiden Frameworks entwickelten, arbeiten nun gemeinsam an diesem. Dieses Framework startete Ende 2025 als Vorschauversion und erreicht im Juli 2026 die Version 1.0. Dieser Zeitplan ist wichtig, denn er zeigt, dass dies kein Forschungsprojekt oder Experiment ist. Es ist ein produktionsreifes Produkt. Microsoft sagt damit, baut eure echten Systeme darauf auf. Es ist zudem Open Source. Sie finden es auf GitHub mit über 7000 Sternen und mehr als 100 Mitwirkenden.

Die Community ist aktiv. Es gibt wöchentliche Sprechstunden, in denen sie direkt mit dem Engineering-Team sprechen können. Das bekommt man beim geschlossenen Produkt nicht. Das Framework unterstützt Python und .NET als erstklassige Sprachen. Egal, ob sie C-Sharp-Entwickler oder Python-Entwickler sind, sie erhalten dieselbe Erfahrung. Und das ist eine große Sache, da viele KI-Frameworks nur auf Python setzen. Microsoft hat sich bewusst dafür entschieden, beide Sprachen gleichberechtigt zu behandeln. Und hier ist etwas, das sie vielleicht überraschen wird. Das Framework unterstützt über sieben verschiedene Modellanbieter. Microsoft Foundry, Azure OpenAI, OpenAI, Anthropic Cloud, Amazon Bedrock, Google Gemini und sogar lokale Modelle über Olamar. Sie schreiben ihre Agenten-Logik einmal und sie funktioniert über alle Hände. Sie sind nicht an einen Anbieter gebunden. Wechseln Sie von OpenAI zu Anthropic, ändern Sie nur einen Konfigurationswert, nicht Ihre gesamte Code-Basis.

Das Framework besteht aus zwei Hauptkomponenten. Agenten sind die Bausteine. Individuelle Logikeinheiten, die denken und handeln können. Workflows bilden die Orchestrierungsebene, die mehrere Agenten miteinander verbinden. Sie können einen Agenten haben, der eine Aufgabe erledigt oder ein ganzes Team, das an einer komplexen Aufgabe arbeitet. Es gibt auch sogenannte deklarative Definitionen. Sie definieren das Verhalten eines Agenten in einer Jamel-Datei. Das bedeutet, dass Ihre Agenten-Konfiguration versionierbar ist. Legen Sie sie in GitHub, überprüfen Sie sie in Pull-Requests und stellen Sie sie über CICCD-Pipelines bereit. Für Unternehmensteams ist das ein riesiger Vorteil. Aber hier ist etwas, was Sie verstehen sollten. Dieses Framework ist nicht nur für Entwickler gedacht, die komplexe Systeme bauen. Es wurde für Unternehmensszenarien entwickelt. Sicherheit, Compliance, Beobachtbarkeit und menschliche Freigabeschleifen sind integriert, nicht nachträglich aufgesetzt.

Und genau das unterscheidet es von den experimentellen Frameworks, die es zuvor gab. Die Bausteine, Agenten-Tools, Speicher und Workflows. Lassen Sie uns das in die vier Kernkonzepte unterteilen. Wenn Sie diese verstehen, begreifen Sie 90% dessen, was dieses Framework leistet. Als erstes Agenten. Sie sind die grundlegende Einheit. Jeder Agent hat einen Namen, eine Reihe von Anweisungen und Zugriff auf Tools. Es ist eine logische Einheit, die denken und handeln kann. Sie legen fest, wer er ist, was er tun soll und welche Ressourcen er nutzen darf. Alles weitere baut darauf auf. Als nächstes, das sind die Hände des Agenten. Funktionen, APIs oder externe Dienste, die er aufrufen kann, wie Wetterdaten, Kalenderzugriff, Datenbankabfragen oder Dateioperationen. Der Agent weiß nicht von sich aus, wie er diese Dinge tun soll. Er braucht Tools, um in der Welt zu agieren und Maßnahmen zu ergreifen.

Sie können einfache Funktionen selbst schreiben oder es können MCP-Server sein, das Model-Context-Protokoll. Das ist ein Standard, um Agenten mit externen Diensten zu verbinden. Stellen Sie es sich wie ein Universalstücker vor. Wenn ein Dienst-MCP unterstützt, kann Ihr Agent ihn ohne benutzerdefinierten Integrationscode nutzen. Dann gibt es noch den Speicher. Dies ist der Speicher des Gehirns. Es gibt zwei Arten. Sitzungsbasierter Speicher ist kurzfristig. Er merkt sich, was während einer einzelnen Unterhaltung passiert ist. Kontextanbieter sind langfristig ausgelegt. Sie merken sich Präferenzen und Fakten über mehrere Unterhaltungen hinweg. Der Speicher ist das, was einen Agenten intelligent erscheinen lässt. Ohne ihn beginnt jede Interaktion bei Null. Sie stellen sich vor und beim nächsten Gespräch ist es wieder vergessen. Mit Speicher weiß der Agent, wer Sie sind, was Sie besprochen haben und was Ihnen wichtig ist.

Es ist der Unterschied, ob man mit einem Fremden spricht oder mit einem Kollegen, der Ihre Arbeit kennt. Schließlich Workflows. Dies ist die Orchestrierungsebene, auf der Sie definieren, wie mehrere Agenten zusammenarbeiten. Workflows können sequentiell sein. Schritt A, dann Schritt B. Sie können gleichzeitig ablaufen, wobei mehrere Agenten parallel an verschiedenen Teilen desselben Problems arbeiten. Oder sie können bedingt sein. Wenn dies passiert, geht dorthin. Wenn das passiert, geht dorthin. Workflows unterstützen auch Checkpoint. Wenn auf halbem Weg etwas fehlschlägt, kann das System dort weitermachen, wo es aufgehört hat. Es beginnt nicht von vorn. Das ist wichtig für langlaufende Aufgaben, die Stunden dauern oder mehrere Schritte umfassen können. Auch Human-in-the-Loop-Muster sind integriert. Agenten können pausieren und um Zustimmung bitten, bevor sie sensible Aktionen ausführen.

Wenn ein Agent eine E-Mail versenden oder eine Zahlung genehmigen soll, kann er anhalten und auf ein Ja eines Menschen warten. Es sind regulierte Branchen unerlässlich. Hier ist ein Beispiel aus der Praxis. Stellen Sie sich einen Agenten zur Vertriebsvorbereitung vor. Sie haben morgen ein Meeting mit einem Kunden. Sie sagen dem Agenten, hilf mir bei der Vorbereitung. Er prüft Ihren Kalender, um die Zeit zu bestätigen. Er ruft CRM-Daten ab, um die Kundenhistorie zu sehen. Er durchsucht Marketing-Materialien nach relevanten Fallstudien. Er erstellt ein Briefing-Dokument und eine PowerPoint-Präsentation. Ganz ohne Ihr Zutun. Das ist kein Chatbot. Das ist ein Agent. Warum soll ich das durchführen? Wegen des praktischen Nutzens. Sie wissen nun, was das Framework ist. Aber warum sollte es Sie interessieren, wenn Sie kein Entwickler für KI-Systeme sind? Die Antwort lautet, dieses Framework existiert nicht nur im Terminal eines Entwicklers.

Es treibt Tools an, mit denen alltägliche Geschäftsanwender interagieren. Agenten, die mit diesem Framework erstellt wurden, können direkt in Microsoft Teams und Copilot Chat veröffentlicht werden. Das bedeutet, die Agenten Ihres Unternehmens sind dort, wo Sie ohnehin arbeiten. Wir müssen keine separate App installieren, keine neuen Anmeldedaten merken und haben keine lange Einarbeitung. Sie öffnen einfach Teams und der Agent ist da. Für IT- und Geschäftsentscheider ist das noch wichtiger. Das Framework bietet Unternehmenskontrollen, die wirklich zählen. Sie erhalten Identitätsmanagement über Entra-ID, Zugriffskontrollen, damit Agenten nur sehen, was sie sollen, Prüfprotokolle, um zu wissen, was jeder Agent wann getan hat und Data Governance, damit sensible Informationen geschützt bleiben. Und hier ist ein Problem, an das Sie vielleicht noch nicht gedacht haben. Shadow AI ist Realität. Mitarbeiter nutzen täglich nicht genehmigte KI-Tools, kopieren Firmendaten in öffentliche Chatbots, laden sensible Dokumente auf unbekannte Server hoch und hoffen auf das Beste.

IT-Teams wissen, dass das passiert, aber sie können es nicht durch das Verbot von Tools stoppen. Die Leute finden einen Weg. Dieses Framework gibt der IT eine Möglichkeit, genehmigte, sichere Agenten anzubieten, die dennoch modern wirken. Statt den Mitarbeitern zu sagen, nutzt keine KI, können sie sagen, verwendet stattdessen diese Agenten. Sie sind sicher, sie werden kontrolliert und sie arbeiten mit ihren Daten. Es gibt auch das Problem der unkontrollierten Agentenvermehrung, und das passiert war. Teams erstellen Agenten schneller, als irgendjemand den Überblick behalten. Das Framework bietet ihnen einen zentralen Ort, um alle zu verwalten, zu überwachen und zu steuern. Sie können sehen, welche Agenten genutzt werden, welche verstauben und welche Aufmerksamkeit erfordern. Kostentransparenz ist ein weiterer Wichterob. Sie sehen genau, was jeder Agent im Betrieb kostet, welche Agenten teuer sind, welche effizient arbeiten und wo man optimieren kann.

Und wo man optimieren kann. Das erhalten sie nicht mit einer Ansammlung beliebiger Tools und Skripte. Fazit. Dieses Framework macht KI-Agenten für echte Unternehmen praktisch, sicher und verwaltbar. Es geht nicht nur darum, coole Technologie zu entwickeln, sondern etwas zu schaffen, das in einem echten Unternehmen mit echten Anforderungen funktioniert. Sicherheit, Compliance, Budget und Governance. Wenn sie für einen dieser Bereiche verantwortlich sind, ist dieses Framework für sie von Bedeutung. Wie es in das große Ganze passt. Wo genau passt das Agent-Framework also hinein? Es ist kein eigenständiges Produkt, sondern ein Teil eines viel größeren Puzzles. Schauen wir uns an, wie alles miteinander verbunden. Beginnen wir mit Azure AI Foundry. Stellen Sie es sich so vor. Das Agent-Framework ist das Werkzeug zum Bauen Ihrer Agenten. Und Foundry ist der Ort, an dem Sie leben und laufen. Es übernimmt die ganze Schwerarbeit.

Infrastruktur, Skalierung, Überwachung und Sicherheit. Sie entwickeln lokal, stellen in Foundry bereit und die Agent läuft in einer Produktionsumgebung mit Unternehmenskontrollen. Wenn Sie kein Entwickler sind, haben Sie eine weitere Option, Co-Pilot-Studio. Dies ist der Low-Code-Weg. Sie nutzen eine visuelle Oberfläche, um die Funktionen Ihres Agenten zu definieren, ihn mit Datenquellen zu verbinden und ihn Teams zu veröffentlichen. Kein Programmieren erforderlich. Das Agent-Framework ist für Entwickler gedacht, die volle Kontrolle wünschen. Beide ergänzen sich gegenseitig. Benötigen Sie Anpassungen? Verwenden Sie das Framework. Wenn Sie schnell vorankommen, verwenden Sie Co-Pilot-Studio. Dann gibt es noch Microsoft 365 Co-Pilot, die benutzerorientierte Seite. Mit dem Framework erstellte Agenten können direkt in Co-Pilot erscheinen. Benutzer interagieren also über eine vertraute Oberfläche mit Ihnen demselben Co-Pilot, den Sie bereits für Ihre Arbeit nutzen.

Kein neues Tool zum Lernen kann einer Arbeitsablauf der Anwendung ist. Aber hier zeigt sich der wahre Wert, die Intelligenzschicht. Sie besteht aus Drehteilen. WorkIQ verbindet sich mit Ihren persönlichen Daten, E-Mails, Kalender und Chats. Foundry IQ verbindet sich mit dem Organisationswissen, Dokumente, Richtlinien und geteilte Ressourcen. Und Fabric IQ verbindet sich mit Geschäftsdaten, Verkaufszahlen, Kundendatensätze und operativen Kennzahlen. Agenten können auf alle drei zugreifen. Genau das macht Sie wirklich nützlich. Sie beantworten nicht nur allgemeine Fragen, Sie haben Kontext. Sie wissen, wer Sie sind, woran Sie arbeiten und welche Daten für Ihr Unternehmen wichtig sind. Wenn ein Agent ein Briefing-Dokument für ein Verkaufsgespräch erstellt, rät er nicht. Er greift auf Ihren Kalender Ihr CRM, Ihre Marketingunterlagen und die Wissensdatenbank Ihres Unternehmens alles in einer einzigen Anfrage.

Und das alles funktioniert mit dem Sicherheitsmodell von Microsoft. Entrer-ID für Identität, Intune für Geräteverwaltung, Defender für Bedrohungsschutz. Wenn Ihr Unternehmen diese Tools bereits nutzt, fügt sich das Framework nahtlos ein. Es ist keine separate Sicherheitsschicht erforderlich. Für Unternehmen, die bereits Microsoft 365, Azure und die Power-Plattform nutzen, ist dieses Framework der nächste logische Schritt. Sie fangen nicht bei Null an. Sie erweitern das, was Sie bereits haben. Die langfristige Vision. Ganz einfach. Agenten werden so alltäglich wie Apps. Jeder Geschäftsprozess erhält eine Agentenebene nicht, um Menschen zu ersetzen, sondern um ihnen zu helfen, schneller mit besseren Informationen und weniger Routineaufgaben zu arbeiten. Dieses Framework ist das Werkzeug, um diese erstellen. Der Einstieg, Ihr erster Schritt. Hier ist die gute Nachricht. Sie müssen kein KI-Experte sein, um loszulegen.

Es gibt zwei Wege. Der No-Code-Weg ist Co-Pilot Studio. Visuelle Oberfläche, Drag-and-Drop konfigurieren, kein Code erforderlich. Sie können in Stunden nicht in Tagen etwas zum Laufen bringen. Wenn Ihr Ziel darin besteht, ein spezifisches Geschäftsproblem schnell zu lösen, ist dies Ihr Weg. Der Code-Weg ist das Agent-Framework selbst. Sie installieren die Pakete für Python oder .NET und verwenden die VS-Code-Erweiterung. Und die Erweiterung ist erwähnenswert, da sie KI-gestützte Fähigkeiten enthält. Sie sagen mir einfach, was Sie wollen. Erstellen Sie einen Vertriebsvorbereitungsagenten, der meinen Kalender prüft und CRM-Daten abruft und das System erstellt das gesamte Projektjurs für Sie. Code, Konfigurationsdateien, alles. Es ist kein leeres Blatt Papier. Es ist fliegender Start. Die Erweiterung enthält außerdem den sogenannten Agent-Inspektor. Dies ist ein visuelles Tool, das Ihnen in Echtzeit Schritt für Schritt zeigt, was Ihr Agent tut.

Sie können sehen, wie er denkt. Sie können sehen, welche Tools er aufruft. Sie können sehen, wo er stecken bleibt. Es ist wie ein Debugger, der eine klare Sprache spricht. Wenn Sie bereits Semantic-Kern oder Autogen nutzen, gibt es Migrationsassistenten, die ihren vorhandenen Code analysieren und einen schrittweisen Migrationsplan erstellen. Sie müssen nicht bei Null anfangen. Das Framework ist Open Source. Das GitHub-Repository finden Sie unter github.com.com.com.com.com.com.com.com.com.com.com.com.com.com. Beispiele, Dokumentation, Diskussionsvorhaben, alles ist dort zu finden. Die Community ist sehr aktiv. Es gibt wöchentliche Sprechstunden, in denen Sie direkt mit dem Engineering-Team sprechen können. Das bekommen Sie nicht bei vielen anderen Frameworks. Die Kernaussage ist diese. Fangen Sie klein an. Bauen Sie einen einzelnen Agenten, der eine nützliche Aufgabe erfüllt. Vielleicht prüft er Ihren Kalender.

Vielleicht fasst er Ihre E-Mails zusammen. Vielleicht schlägt er Kundeninformationen nach, denen Sie, wie es sich anfühlt. Dann skalieren Sie es hoch. Das Wichtigste ist, die Konzepte zu verstehen. Und genau darum ging es in dieser Episode. Lassen Sie mich zum Abschluss die Teile zusammenführen. Ein Agent ist kein Chatbot. Es ist ein System, das selbstständig denkt, entscheidet und handelt. Das Framework existiert, weil der alte Weg, Agenten zu bauen, bedeutete, mit inkompatiblen Tools und Frameworks zu jonglieren, die nicht miteinander kommunizierten. Diese Fragmentierung machte alles unübersichtlich. Deshalb hat Microsoft einen einheitlichen Weg zum Bauen, Bereitstellen und Verwalten geschaffen. Plus mit dem Wechsel zwischen Frameworks oder dem Zusammenfügen unpassender Teile. Für Einsteiger hier die einfache Erkenntnis. KI-Agenten sind keine Magie. Es sind strukturierte Systeme, die schlussfolgern Werkzeuge nutzen und Kontext speichern.

Microsoft bietet Ihnen ein vollständiges Framework für deren Entwicklung, das sofort einsatzbereit ist. Das ist kein Hype. Agenten werden zu einem normalen Teil unserer Arbeit, genau wie Apps und Webseiten, vor Jahren. Die Tools sind da, die Community ist aktiv und Ihr erster Agent ist näher, als Sie denken. Wenn Sie mehr erfahren möchten, beginnen Sie mit dem GitHub-Repo und der VS Code-Erweiterung. Abonnieren Sie uns auf Ihrer bevorzugten Podcast-Plattform und teilen Sie dies mit jemandem, der gerade erst anfängt.