CAS AI Operations, Hochschule für Informatik FHNW

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.

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.

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:

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.

• 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