KI-Systeme entwickeln & integrieren

Inhalte

• Dieser Kurs vermittelt den strukturierten Aufbau moderner KI-Systeme im Unternehmenskontext, von der Datenbasis bis zur produktiven Integration in bestehende IT-Landschaften. Der Fokus liegt auf dem vollständigen Machine-Learning- und KI-Entwicklungszyklus.
• Schwerpunkte: End-to-End Machine Learning Workflow (Problemdefinition bis Deployment)
• Datenaufbereitung, Datenqualität und Feature Engineering
• Auswahl geeigneter Modelltypen (klassisches ML und Deep Learning, Überblick)
• Modelltraining, Validierung und Evaluierung
• Grundlagen von Trainings-, Test- und Validierungsstrategien
• Einführung in KI-Systemarchitekturen
• Schnittstellen zwischen KI-Modellen und Unternehmenssystemen
• API-basierte Integration von KI-Komponenten
• Einführung in Deployment-Strategien (Cloud, On-Prem, Edge, konzeptionell)
• Modellversionierung und Reproduzierbarkeit
• Grundlagen von MLOps als Betriebsmodell für KI-Systeme
• Qualitäts- und Risikobetrachtung im KI-Engineering

Praxisanteile

• Entwicklung eines einfachen ML-Modells (konzeptionell oder Tool-basiert)
• Aufbau eines beispielhaften KI-Workflows von Daten bis Output
• Integration eines Modells in eine einfache Anwendung (API-Demo oder Low-Code)

Schwerpunkte

• End-to-End Machine Learning Workflow (Problemdefinition bis Deployment)
• Datenaufbereitung, Datenqualität und Feature Engineering
• Auswahl geeigneter Modelltypen (klassisches ML und Deep Learning, Überblick)
• Modelltraining, Validierung und Evaluierung
• Grundlagen von Trainings-, Test- und Validierungsstrategien
• Einführung in KI-Systemarchitekturen
• Schnittstellen zwischen KI-Modellen und Unternehmenssystemen
• API-basierte Integration von KI-Komponenten
• Einführung in Deployment-Strategien (Cloud, On-Prem, Edge, konzeptionell)
• Modellversionierung und Reproduzierbarkeit
• Grundlagen von MLOps als Betriebsmodell für KI-Systeme
• Qualitäts- und Risikobetrachtung im KI-Engineering

Lernziele

• den vollständigen KI-/ML-Entwicklungsprozess beschreiben und anwenden
• Daten für KI-Projekte strukturiert aufbereiten und bewerten
• grundlegende Modelle auswählen, trainieren und evaluieren
• KI-Systeme in bestehende IT-Architekturen integrieren
• einfache KI-Anwendungen über APIs oder Services einbinden
• Anforderungen an Skalierbarkeit, Wartbarkeit und Qualität verstehen
• die Rolle von MLOps im KI-Lebenszyklus einordnen

Zielgruppe

• Softwareentwickler mit Interesse an KI
• Data Scientists und Data Analysts
• IT-Architekten und Solution Architects
• Technische Projektleiter
• KI-Ingenieure und Digitalisierungsverantwortliche
• Teilnehmer aus IC-805-G-03 mit vertiefendem technischen Interesse

Voraussetzungen

Empfohlen (mindestens eine der folgenden Voraussetzungen)

Trainer

Nico Burghardt

Trainer, Berater und Coach

Nico Burghardt ist erfahrener Trainer, Berater und Coach mit Schwerpunkt auf digitaler Transformation, KI-Anwendungen und organisationalem Lernen. Er verbindet technisches Know-how mit praxisnaher Didaktik und vermittelt komplexe Inhalte verständlich, strukturiert und mit einem klaren Blick für den Arbeitsalltag der Teilnehmenden.

Nach seinem Motto: „Die einzige Konstante im Leben ist die konstante Veränderung“ begleitet er Veränderungsprojekte umfassend mit dem Fokus auf alle Beteiligten.

Werdegang vollständig lesen