Kurs · 7 Kapitel
Landschaft der Coding-Agents
Wähle den richtigen KI-Coding-Agenten für dein Team. Vergleiche Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot und Cursor nach Architektur, Berechtigungen und Kosten. 7 Kapitel, Grundlagenniveau.
Das wirst du können
- Die Top-5-Coding-Agenten vergleichen
- Terminal-, Cloud- und IDE-Agenten einordnen
- Das Berechtigungsmodell jedes Agenten bewerten
- Kosten der Coding-Agenten vergleichen
- Einen Agenten für dein Team auswählen
- Einen Multi-Agenten-Rollout planen
Was drin ist
- 1Coding-Agents-Landschaft: Hier starten
Eine 12-Minuten-Orientierung zu fünf Coding Agents, deren Feature-Listen sich bei fast 1M Context annähern — sodass die eigentliche Entscheidung auf Passung basiert, nicht auf Fähigkeiten.
- 2Claude Code im Überblick
Anthropics terminalnatives Coding-Agent-System — Architektur, 1M-Token-Kontext, Berechtigungen, Kostenmodell und ehrliche Abwägungen für Engineering-Manager bei der Toolauswahl.
- 3OpenAI Codex im Überblick
OpenAIs Async-first Coding-Agent — CLI- und Cloud-Task-Architektur, Sandbox-Ausführung, Berechtigungsmodell, Kostenstruktur und ehrliche Abwägungen für Engineering Manager bei der Tool-Evaluierung.
- 4Gemini CLI im Überblick
Googles Open-Source-Terminal-Agent — wird am 18. Juni 2026 für Consumer-, Pro- und Ultra-Nutzer eingestellt, zugunsten der proprietären Antigravity CLI.
- 5GitHub Copilot im Überblick
Das IDE-native Coding-Assistant-Ökosystem von Microsoft/GitHub — Oberflächen, Architektur, Kontextverarbeitung, Berechtigungen, Kostenmodell und ehrliche Trade-offs für Engineering-Manager bei der Werkzeugwahl.
- 6Cursor im Überblick
Die KI-native IDE, die VS Code forkt und mehrere Modelle in jede Editieroberfläche einwebt — Architektur, Kontextverarbeitung, Berechtigungen, Kostenmodell und ehrliche Trade-offs für Engineering-Manager bei der Toolauswahl.
- 7Den richtigen Agenten wählen
Ein Entscheidungsrahmen für Engineering-Manager, die Coding-Agenten evaluieren — relevante Dimensionen, Team-Archetypen, Multi-Agent-Strategien und Rollout-Spielplan.
Häufige Fragen
- Was lerne ich im Kurs Coding Agents Landscape?
- Du lernst, wie sich fünf wichtige KI-Coding-Agenten (Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot und Cursor) in Architektur, Kontextfenster, Berechtigungen und Kosten unterscheiden. Das letzte Kapitel bietet dir einen Entscheidungsrahmen, um den passenden Agenten für dein Team auszuwählen und einen Rollout zu planen.
- Für wen ist dieser Kurs über Coding-Agenten gedacht?
- Der Kurs richtet sich an Entwickler:innen und Engineering-Manager:innen, die KI-Coding-Agenten für ein Team evaluieren und auswählen müssen. Er ist auf Grundlagenniveau konzipiert und eignet sich für alle, die an der Tool-Entscheidung beteiligt sind oder diese beeinflussen.
- Muss ich programmieren können oder Erfahrung mitbringen?
- Etwas Hintergrundwissen in der Softwareentwicklung ist hilfreich, da der Kurs Architektur, Sandbox-Ausführung und Kostenmodelle behandelt. Du schreibst während des Kurses keinen Code. Es handelt sich um einen Evaluierungs- und Vergleichsüberblick, kein praktisches Bauprojekt.
- Wie lang ist der Kurs und gibt es ein Zertifikat?
- Der Kurs umfasst 7 Kapitel und dauert etwa 140 Minuten (ungefähr 2 Stunden und 20 Minuten). Nach Abschluss der Kapitel erhältst du ein Zertifikat, das du teilen kannst.
- Ist der Kurs Coding Agents Landscape kostenlos?
- Nein. Es handelt sich um einen kostenpflichtigen Kurs, der im Abonnement der AI Academy by Anthropos enthalten ist.
Zertifikat erhalten
Schließe alle Kapitel ab, um dein Abschlusszertifikat zu erhalten.