Experten-Training für AI Operations

Dieser Kurs richtet sich primär an ML & AI Engineers, Data Scientists, Software Engineers und KI-Consultants, die KI-Systeme nicht nur entwickeln, sondern auch zuverlässig betreiben und skalieren wollen.

Im Mittelpunkt steht der gesamte AI Operations-Zyklus: von etablierten MLOps-Prinzipien bis hin zu den neuen Herausforderungen des Betriebs von Foundation Models und Large Language Models (FMOps / LLMOps). Nach der Schulung sind Sie in der Lage, KI-Systeme von der Entwicklung bis zum produktiven Betrieb zu bringen – inklusive moderner LLM-basierter Anwendungen. Sie kennen die wichtigsten technischen und organisatorischen Aspekte von AI Operations entlang des gesamten KI-Lifecycles: von der Exploration über Entwicklung und CI/CD bis hin zu Deployment, Monitoring und Skalierung.

Zudem vertiefen Sie Foundation Model Operations (FMOps): Sie lernen, LLMs selbst bereitzustellen und zu überwachen. Sie profitieren vom fundierten KI-Background sowie der langjährigen Projekterfahrung der Dozierenden des Fraunhofer IAIS.

Zielgruppe

ML & AI Engineers, Data Scientists, Software Engineers und KI-Consultants, die sich mit den Herausforderungen der Operationalisierung von KI-Anwendungen – von klassischen ML-Modellen bis hin zu Large Language Models – auseinandersetzen wollen.

Tag 1 eignet sich auch für Projektleitende und Führungskräfte ohne tiefen technischen Hintergrund und kann auf Anfrage auch isoliert gebucht werden.

Vorkenntnisse

Grundkenntnisse in Python und Machine Learning (oder Generativer KI) werden vorausgesetzt. Erfahrung mit Git und Linux ist hilfreich. Kenntnisse zu klassischen MLOps-Konzepten werden innerhalb des Kurses vermittelt und sind daher keine Voraussetzung. 

Zertifizierung

Die Zertifizierung findet durch die Fraunhofer-Personenzertifizierungsstelle statt. Das Zertifikat bescheinigt den Absolventen relevantes innovatives Praxiswissen und nachgewiesene Kompetenz.

Nach Besuch dieser Schulung können Sie …

• den KI-Lifecycle und AIOps-Zyklus strukturiert auf eigene Projekte anwenden und organisatorische Rahmenbedingungen für den KI-Betrieb einordnen
• Experimente systematisch tracken, reproduzierbar machen und Artefakte versioniert verwalten
• Continuous Integration und Delivery für Komponenten von KI-Systemen umsetzen
• ML-Modelle bereitstellen, deren Betrieb überwachen und Drifts frühzeitig erkennen
• ML-Workloads in Pipelines ausführen
• Large Language Models selbst bereitstellen, in Anwendungen integrieren und systematisch überwachen

Zugangsvoraussetzungen für die Zertifizierung

Studium oder äquivalente Qualifikation durch Einzelnachweis