KI-Systeme sind kein Add-on zur klassischen Softwareentwicklung. Sie bringen neue Anforderungen mit – Daten statt Code, Probabilistik statt Determinismus, eigene Risiken und Plattformen. Wer künftig KI-Anwendungen ernsthaft bauen will, sollte das bei der Architektur berücksichtigen.
In diesem Modul lernen Sie, wie man KI-Systeme architektonisch in Ihre Gesamtlösung integriert – professionell, skalierbar und wartbar. Der Lehrplan deckt zentrale Bereiche ab: KI- und ML-Grundlagen, typische Anwendungsfälle und Unterschiede zur klassischen Software.
Themen und Inhalte im Überblick
- Compliance, Sicherheit und Governance (z. B. EU-AI-Act)
- Entwurf und Entwicklung von KI-Systemen: Lebenszyklus, Vorgehensmodelle, Datenprobleme, Integration, Qualitäts- und Leistungsanforderungen
- Datenmanagement und -verarbeitung: Architekturen für Daten-Pipelines, Labeling, Speicherung, Grundlagen des Data-Mesh/-Lake/-Warehouse
- Besonderheiten und Abwägungen im Betrieb: Monitoring, Drift, Kosten, Skalierbarkeit, Latenz, Energieverbrauch
- Grundlagen zu Generativer KI
- Integration von Generativer KI in Gesamtsysteme und Nutzung von LLMs in verschiedenen Kontexten: Prompt Engineering, Retrieval-Augmented Generation (RAG), Agentic Workflow, Evaluation, Kostenmanagement
Von INNOQ-Seite hat insbesondere Dr. Larysa Visengeriyeva entscheidend zur Entwicklung des Lehrplans und der Inhalte beigetragen. Mehr dazu und einen spannenden Einblick in die Entstehung des Moduls gibt es im Interview mit den Kurator:innen Larysa, Mahbouba Gharbi und Sönke Magnussen.
Zielgruppe und Teilnahmevoraussetzungen
Dieses Training ist für Architekt:innen, Entwickler:innen, KI-Engineers und Teams, die bereits erste KI-Projekte haben oder planen und nun klare Architektur-Kompetenz aufbauen wollen. Im Anschluss können Sie Risiken und Randbedingungen (z. B. regulatorisch, ethisch, operativ) beurteilen und berücksichtigen. Sie verfügen über Methoden und Muster, um KI-Systeme nicht als Black Box, sondern als gestaltbaren Systemteil zu behandeln.
Grundkenntnisse in Künstlicher Intelligenz und Machine Learning sind Voraussetzung für die Teilnahme. Mit einer Mindestdauer von drei Tagen erwerben Teilnehmende 30 Credit Points (20 im Bereich Technologie, 10 im Bereich Methodik), die vollständig auf die CPSA®-Advanced-Level-Zertifizierung angerechnet werden können.
Weitere Informationen
Die ersten Trainingstermine zum Thema werden in Kürze über socreatory buchbar sein. Weitere Informationen sowie der vollständige Lehrplan sind über die Website des iSAQB® einsehbar.