UC Berkeley RDI — AgentX Competition + Advanced LLM Agents (CS294/194-280)

Sonderfall: Akademisches Programm-Buendel einer Tier-1-Forschungsuniversitaet — kein Coach/Trainer-Sales-Funnel. Profil dient als Anker-/Referenz-Eintrag fuer die Nische agentic-engineering (Frontier-Open-Access-Tier neben Karpathy). Erweiterte Erfassung gegenueber Scout-Eintrag #15 (agentic-ai/f25): integriert hier als Sub-Programm zusammen mit AgentX und Advanced-LLM-Agents-Track.

Stammdaten

• Name: UC Berkeley RDI — Center for Responsible Decentralized Intelligence
• Programm-Bündel: AgentX Competition · Advanced LLM Agents MOOC (CS294/194-280, Spring 2025) · Agentic AI MOOC (CS294/194-196, Fall 2025)
• Standort: Berkeley, Kalifornien, US
• Director / Lead-Faculty: Dawn Song (UC Berkeley Professor)
• Website (Programm-Hub): https://rdi.berkeley.edu/agentx/
• Sub-Programm-Seiten:
  • https://rdi.berkeley.edu/adv-llm-agents/sp25 (Spring 2025, Advanced)
  • https://rdi.berkeley.edu/agentic-ai/f25 (Fall 2025, Foundational)
• Institutions-Hauptseite: https://rdi.berkeley.edu/
• Sprache: Englisch
• Typ: Akademie / Schule (Universitaets-Center mit MOOC + Credit-Kurs + Wettbewerb)
• Community-Kanaele: RDI YouTube-Channel, Discord (13.000+), Hackathon-Pipeline.

Positionierung

• Statement (Zitat RDI-Hauptseite): “A multidisciplinary initiative dedicated to advancing the science, technology, and education of AI and Agentic AI to empower a responsible digital economy.”
• AgentX-Eigenbeschreibung: “MOOC competition hosted by Berkeley RDI in conjunction with the Advanced LLM Agents MOOC.”
• Zielgruppe:
  • MOOC-Audit: globale Lerner mit ML-/Deep-Learning-Vorerfahrung (CS182/188/189-Niveau empfohlen). Fall-2025-Iteration mit ~40.000 Anmeldungen (Self-Reported).
  • On-Campus: Berkeley-Graduate (CS294) und Undergraduate (CS194), Variable Units 1–4, Petition + CalCentral-Waitlist.
  • AgentX: Builders, Developers, Researchers global, in Teams; Entrepreneurship- oder Research-Track.
• Specific Knowledge: Frontier-LLM-Agent-Forschung — Reasoning, Search & Planning, Tool Use, Code Generation, Theorem Proving, Autoformalization, AI Safety, Multi-Agent Systems. Lehre durch Frontier-Praktiker (Industrie-Labs + Berkeley-Faculty).
• USP / Differenzierung: Drei-Schichten-Architektur — offener MOOC fuer Reichweite, akademische Credit-Schiene fuer Berkeley-Studenten, AgentX-Wettbewerb mit ueber $1M Preisgeld + Investor-Anschluss via Xcelerator. In der Nische agentic-engineering ist diese Bündelung einzigartig: Stanford-/MIT-Open-Courseware bieten typischerweise nur die MOOC-Schicht, nicht den Wettbewerb-zu-Investor-Pfad.

Angebot

Alle Lern-Tracks sind im Audit-Modus kostenlos. Nur die Berkeley-Credit-Schiene loest regulaere Studiengebuehren aus.

Marketing

Kanaele und Kadenz

Werbeanzeigen

• Meta Ads: kein Hinweis aus den Roh-Quellen.
• Google Ads: kein Hinweis aus den Roh-Quellen.
• Reichweite entsteht ueber akademische Reputation, Frontier-Speaker-Pool, Sponsoren-Logos und Community-Kanaele.

SEO / Distribution

• rdi.berkeley.edu erbt von berkeley.edu — sehr hohe Domain-Authority, vermutlich starke Backlink-Basis aus akademischen Materialien (nicht direkt aus Roh-Quellen quantifiziert).
• Keine separate SEO-Optimierung auf den Programm-Seiten erkennbar; Distribution wirkt institutionell.

Sponsoren / Industrie-Anschluss

Groq, Mistral, Google, Lambda Labs, Hugging Face (AgentX-Preise). Akademische Partner: Berkeley Engineering, Haas Business School, Berkeley Law, Data Science Society, SCET, Simons Institute.

Proof

1. Direkter Proof

• Klassische Coach-Testimonials nicht anwendbar (akademisches Format).
• Reichweite-Proxies (Self-Reported, RDI-Hauptseite): ~40.000 MOOC-Lerner Fall 2025, 13.000+ Discord-Mitglieder, 8.000+ Hackathon-Teilnehmer aus 100+ Laendern.
• Outcome-Proxies: Xcelerator: 110+ incubated Teams, $650M+ Follow-on Funding kumulativ.

2. Indirekter Proof (Credentials)

• UC Berkeley als institutioneller Traeger (Tier-1-Forschungsuniversitaet).
• Faculty: Dawn Song (UC Berkeley Professor), Xinyun Chen (Google DeepMind Research Scientist), Kaiyu Yang (Meta FAIR Research Scientist).
• Anbindung an Berkeley Engineering, Haas, Berkeley Law, SCET, Simons Institute.

3. Peer-Proof

• Frontier-Speaker aus OpenAI, NVIDIA, Microsoft, Meta, Google DeepMind, Stanford (Fall-2025-MOOC).
• Sponsoren-Coverage durch Compute- und Modell-Anbieter (Groq, Mistral, Google, Lambda Labs, Hugging Face) — Industrie-Endorsement.

4. Portfolio-Proof

• 250+ YouTube-Videos auf dem RDI-Channel.
• Mehrere parallele Programm-Linien: Agentic AI MOOC, ZK-Proofs MOOC, AgentX, Xcelerator, Agentic AI Summit.
• Iterations-Spur ueber Semester (Sp25 Advanced + F25 Foundational + AgentX-AgentBeats F25–Sp26) — laufend aktualisiertes Curriculum.

5. Medien-Proof

• Aus den Roh-Quellen nicht direkt extrahierbar (kein Press-Reel auf den Programm-Seiten). Akademische Reichweite und Frontier-Speaker-Distribution wirken faktisch als Medien-Layer; nicht in dieser Pipeline quantifiziert.

Computed/Analyse

• Stage: nicht anwendbar. Akademische Institution, kein Coach-/Trainer-Sales-Funnel; das Stage-Modell aus wiki/frameworks/3-stages-modell.md greift wie bei Karpathy nicht. Wuerde man Reichweite institutionell einordnen, lage sie weit jenseits Stage C (40k-Lerner-MOOC, $1M+ Preisgeld, $650M+ Xcelerator-Follow-on). Konfidenz: hoch.
• Persona: P2 (Trainer / Akademie / Curriculum) — eindeutige Marker: “MOOC”, “Course”, “CS294/194-280”, Lecture-Plan, Variable Units, Quizze, Phasen-Projekte, mehrere Faculty + Speaker, kohorten-getaktete Iterationen pro Semester. Persoenlichkeit der Faculty wichtig, aber das Produkt ist klar Curriculum, nicht 1:1-Persoenlichkeitscoaching. Konfidenz: hoch.
• Engpass-Hypothese: Im 3-Stages-Sinn nicht anwendbar. Markante Luecke fuer DACH-Lerner: keine deutschsprachigen Materialien, keine ECTS-Bruecke, keine Foerderfaehigkeit (AK, ESF, Bildungsgutschein). Diese Luecke ist Positionierungs-Hinweis fuer DACH-Anbieter, nicht eine Schwaeche Berkeleys. Konfidenz: niedrig (Frame nicht passend).
• Top-3-Agent-Empfehlungen: Nicht anwendbar. Berkeley RDI ist im CoachAtlas-Schema kein Outbound-Lead. Funktion fuer das Wiki: Referenz-Anbieter im Tier “Frontier / Akademisch / Open Access” der Nische agentic-engineering. Bezahlte DACH-Anbieter muessen ihre Positionierung gegen “Berkeley-Curriculum kostenlos verfuegbar” verteidigen — ueber Specific Knowledge, deutschsprachigen Praxisbezug, Foerderfaehigkeit, Live-Cohort-Begleitung.

Eigene Einordnung

Berkeley RDI mit AgentX und der CS294/194-280-Reihe ist in der Nische agentic-engineering der institutionelle Anker — vergleichbar zur Rolle Karpathys auf Open-Source-Curator-Seite, aber mit institutioneller Schwere statt Einzelperson-Reichweite: Tier-1-Universitaet, Frontier-Speaker aus Industry-Labs, Sponsoren-Backing von Compute-Providern, $1M+ Preisgeld-Pipeline, dokumentierte Outcome-Spur ueber Xcelerator.

Die Drei-Schichten-Architektur (offener MOOC fuer Reichweite — akademische Credit-Schiene fuer Berkeley-Studenten — AgentX-Wettbewerb fuer High-Performer mit Investor-Anschluss) ist ein wiederverwendbares Muster, das in der Nische sonst nicht existiert. Auffaellig: halbjaehrliche Iteration im Frontier-Tempo (Sp25 Advanced + F25 Foundational), Verschiebung des AgentX-Fokus von MVP/Paper hin zu Benchmark-Beitraegen (“AgentBeats”). Strategische Luecke fuer DACH-Anbieter: kein deutschsprachiger Anschluss, keine Foerderfaehigkeit — Vorlage fuer adaptierte deutschsprachige Ausbildungen, die gegen den Berkeley-Massstab antreten.

Quellen

• AgentX-Programm-Hub — https://rdi.berkeley.edu/agentx/ — abgerufen 2026-05-02, Qualitaet hoch
• Advanced LLM Agents MOOC Sp25 — https://rdi.berkeley.edu/adv-llm-agents/sp25 — abgerufen 2026-05-02, Qualitaet hoch
• Agentic AI MOOC F25 — https://rdi.berkeley.edu/agentic-ai/f25 — abgerufen 2026-05-02, Qualitaet hoch
• RDI Hauptseite — https://rdi.berkeley.edu/ — abgerufen 2026-05-02, Qualitaet hoch

Roh-Quellen: raw/anbieter/berkeley-agentx/ (website.md, advanced-llm-agents.md, agentic-ai-mooc.md, rdi-main.md, meta.yaml).

← zurück zur Startseite