Betreibe ML-Modelle, Sprachmodelle, Chatbots, RAG-Workflows und Multi-Agent-Systeme skalierbar, sicher und automatisiert in Cloud- und On-Prem-Umgebungen und integriere sie nahtlos in die bestehende IT-Infrastruktur.
Steckbrief
- Abschluss
- CAS
- ECTS-Punkte
- 12
- Nächster Start
- 11.9.2026
- Dauer
- 16 Kurstage
- Unterrichtssprache(n)
- : Deutsch, Grundkenntnisse in Englisch essenziell
- Durchführungsort(e)
- FHNW Campus Brugg -Windisch
- Preis
- CHF 6'300
Ziele und Nutzen
Du setzt dich mit modernen MLOps-Konzepten, Plattformen, Tools und Architekturen auseinander, um AI für Batch- und Stream-Processing Anwendungen professionell in den Betrieb zu bringen. Dies umfasst die komplette Bandbreite von Containerisierung und CI/CD-Automatisierung über kontinuierliches Monitoring, Feedback-Loops bis hin zu unterbrechungsfreiem Re-Deployment. Dabei lernst du, wie du verschiedene Architekturen und Infrastrukturen für den Betrieb eigener Modelle, Chatbots, RAG-Systeme, Sprachmodelle und (Multi-)Agentensysteme in Bezug auf Skalierung, Datenschutz, Kosten und Lock-In-Risiken bewertest und umsetzt. Zentrale Themen sind die Sicherstellung der Modellqualität über den gesamten Lebenszyklus, die Integration in bestehende IT-Landschaften sowie der Aufbau von Enterprise-Grade-Deployments mit Tools und Plattformen wie orchestrierten Pipelines, Feature Stores und Cloud-Infrastruktur. Ergänzend lernst du Governance- und Sicherheitsaspekte sowie Strategien zur Kostenoptimierung und Skalierung kennen.
Zielgruppe
Du arbeitest bereits in der IT oder interessierst dich für den technischen Betrieb von AI-Systemen. Du möchtest lernen, wie du skalierbare AI-Anwendungen in der Cloud oder On-Premises planst, realisierst und professionell betreibst.
Inhalt und Aufbau
Das CAS AI Operations vermittelt dir praxisnahes Wissen über den gesamten Lebenszyklus von AI-Systemen – von der Entwicklung über den Betrieb bis hin zu Sicherheit, Skalierung und Governance.
Ziel ist es, Teilnehmende in die Lage zu versetzen, AI-Anwendungen produktionsreif, sicher und effizient zu betreiben. Das CAS besteht aus:
AI-Tooling
Du lernst den AI-Projektzyklus von der Idee bis zum produktionsreifen Modell kennen. Dabei arbeitest du mit den wichtigsten Tools und Best Practices für effizientes Machine-Learning-Engineering.
Inhalte:
- AI-Projektzyklus und typische Rollen
- Gängige Tools & Best Practices in AI-Projekten
- Projektstrukturen und Dokumentation in AI-Teams
- Vom Notebook zur produktionsreifen Anwendung
- Nutzung von GPU-Clustern für rechenintensive Modell-Trainings
- Tracking von Experimenten und Resultaten
- Versionsverwaltung und Datenmanagement
CV Operations
Du lernst, Bilddaten effektiv zu sammeln, annotieren und vorzuverarbeiten. Mit modernen Architekturen und Trainingsmethoden entwickelst du Vision-Modelle, trackst Experimente und visualisierst Ergebnisse. Du arbeitest mit GPU-Clustern und Slurm für skalierbare Trainingsprozesse und setzt Best Practices für das Testen und Validieren von Vision-Pipelines ein.]
Inhalte:
- Einführung in Computer Vision: Grundkonzepte, Anwendungen und Herausforderungen
- Datenmanagement und Annotations-Strategien von Bilddaten
- Image Preprocessing und Augmentation-Pipelines
- Core Vision Architekturen, Training & Evaluation
- Experiment-Tracking und Visualisierung von Resultaten
- Nutzung von GPU-Clustern und Job-Scheduling mit Slurm
- Best Practices für das Testen und Validieren von Vision-Pipelines
Machine Learning Operations (MLOps)
Du lernst, wie Machine-Learning-Modelle effizient, reproduzierbar und sicher in Betrieb genommen werden. Dabei setzt du moderne MLOps-Konzepte, Tools und Automatisierungstechniken ein, um ML-Anwendungen in Cloud- und On-Prem-Umgebungen professionell zu betreiben.
Inhalte:
- Einführung in MLOps: Konzepte, Herausforderungen und Best Practices
- Aufbau von Batch- und Streaming-Pipelines für Inferenz
- Deployment-Strategien (z. B. Canary, Blue/Green, Shadow, A/B Testing)
- Experiment-Tracking und Model Management mit MLflow
- Testing und Qualitätssicherung von ML-Systemen
- Evaluation von Modellen (offline und online)
- Aufbau von Feedback-Loops für kontinuierliches Lernen
- Monitoring und Drift Detection im Produktivbetrieb
- Nutzung von Feature Stores, Data Validation und Orchestrierungs-Tools
- Automatisierung und Integration in CI/CD-Prozesse
Praktische Übungen (Hands-on-Labs) in Cloud- und On-Prem-Umgebungen
NLP Operations
Du lernst, wie du Sprachmodelle und Textanalyse-Pipelines produktiv betreibst – performant, sicher und kosteneffizient. Das Modul vermittelt dir die Konzepte und Tools, um NLP-Modelle On-Prem oder in der Cloud zu deployen, zu skalieren und zu überwachen.
Inhalte:
- Deployment und Skalierung von kleinen NLP-Modellen On-Prem und in Cloud-agnostischen Setups
- Aufbau von Batch- und Streaming-Pipelines für Textanalyse und Chatbots
- Vergleich und Bewertung verschiedener Cloud-Deployment-Strategien
- Entwicklung und Betrieb von Retrieval-Augmented-Generation-(RAG)-Architekturen
- LLM Security (u. a. Prompt Injection, Data Leakage, Jailbreak Prevention)
- Load-Testing und Skalierbarkeit (inkl. Kosten- und Latenzmessung)
- Asynchrone Verarbeitung, Load Balancing und Auto-Scaling
- Kostenoptimierung, Latenzmanagement und Cold-Start-Strategien
Governance, Compliance und Performance-Tuning für NLP-Workloads
AI Agent Operations
Du lernst, wie du intelligente Agenten- und Multi-Agent-Systeme planst, implementierst und betreibst. Dabei setzt du moderne Frameworks und Feedback-Mechanismen ein, um Agenten sicher, nachvollziehbar und adaptiv zu gestalten.
Inhalte:
- Design und Betrieb von Workflow- und Multi-Agent-Systemen
- AI-Agent Design Patterns und Architekturprinzipien
- Context-Management, Speicherstrategien und Tool-Integration
- Monitoring, Evaluation und Traceability von Agentenverhalten
- Anpassung und Verbesserung von Agenten durch Feedback-Loops und Reinforcement Learning
- Einsatz von Frameworks wie LangChain, LangGraph oder MCP
Testing, Quality Assurance und Red Teaming für Agentensysteme
Security & Governance
Du setzt dich mit Sicherheits-, Governance- und Compliance-Aspekten im Betrieb von AI-Systemen auseinander. Dabei lernst du, regulatorische Vorgaben in den Entwicklungs- und Betriebsprozess zu integrieren und Risiken gezielt zu steuern.
Inhalte:
- AI-Governance und regulatorische Anforderungen (EU AI Act, GDPR, FINMA)
- Risikoanalyse und Bedrohungsmodellierung für Daten, Modelle und Systeme
- Definition von Anforderungen an Qualitätssicherung und Monitoring
- Security Engineering für AI-Pipelines
Audit-Trails und Nachvollziehbarkeit gemäss regulatorischen und internen Standards
AI Architekturen
Du lernst, moderne AI-Systemarchitekturen zu verstehen und in bestehende IT-Landschaften zu integrieren. Dabei erfährst du, wie du skalierbare, wartbare und kosteneffiziente Architekturen für unterschiedliche AI-Anwendungsfälle planst und bewertest.
Inhalte:
- Unterschiede zu traditioneller Software-Architektur und Software-Teams
- Komponenten und Infrastruktur moderner ML-Plattformen
- Entscheidungskriterien und System Design für verschiedene AI-Systeme und Use Cases
- Strategien und Herausforderungen bei der Integration von AI-Systemen in bestehende Umgebungen
- Skalierungsstrategien und Kostenmanagement im AI-Betrieb
Best Practices aus realen Projekten und produktiven Umgebungen
Dozierende
Der Grossteil der Dozierenden dieses Weiterbildungslehrgangs kommt aus der Privatwirtschaft, die anderen aus der angewandten Forschung.Dadurch lernst du nicht nur Theorie aus Lehrbüchern, sondern bekommst auch wertvolles Praxiswissen. Unsere Dozierenden zeigen dir, welche Konzepte und Technologien sich im Berufsalltag wirklich bewährt haben – und warum.
Voraussetzungen und Zulassung
- Abschluss einer Hochschule (FH, Uni, ETH) oder
- gleichwertige Berufsausbildung mit Praxiserfahrung.
Bewerbungen ohne Hochschulabschluss sind sur Dossier möglich, wenn entsprechende Kenntnisse oder Berufserfahrung nachgewiesen werden. - Python-Kenntnisse und grundlegendes Verständnis zu Machine Learning und AI sind empfohlen; du kannst dir diese aber auch im Rahmen der Kursvorbereitung erarbeiten.
Maximale Teilnehmerzahl: 20 Personen
Organisatorisches
Arbeitsmittel
Du arbeitest während der Kurszeit mit deinem eigenen Notebook. Bitte stelle sicher, dass du auf diesem Gerät neue Software installieren kannst.
Sichere dir jetzt deinen Platz.
Tritt mit uns in Kontakt
Info-Anlässe
Loading...