AI PRO Technische Umsetzung & Automatisierung

KI ist vom Experiment in die Produktion gewechselt: Prozesse werden automatisiert, Entscheidungen beschleunigt, ganze Arbeitsabläufe um Sprachmodelle herum neu gebaut. Die Lücke in den meisten Organisationen ist nicht mehr die Frage, ob KI eingesetzt wird, sondern der Engineer, der ein Modell über die Demo hinausbringt: es an die Unternehmensdaten anpasst, im Unternehmenswissen verankert, in handelnde Systeme einbindet und all das sicher in Produktion betreibt.

Dieser Aufbaukurs bildet diesen Engineer an drei Tagen mit Trainer aus. Sie arbeiten den gesamten technischen Stack der angewandten KI durch, Fine-Tuning, Retrieval-Augmented Generation (RAG) und Agentensysteme, und setzen jeden Teil praktisch um. Sie gehen mit lauffähigem Code nach Hause und, wichtiger, mit dem architektonischen Urteilsvermögen, zwischen den Ansätzen zu wählen: wann ein Prompt genügt, wann Retrieval dem Nachtrainieren überlegen ist und wann ein Agent seine Komplexität wert ist.

Für wen dieser Kurs gedacht ist

• Softwareentwickler und Engineers, die KI-gestützte Funktionen und Dienste bauen wollen, nicht nur eine API aufrufen
• Data Scientists und ML-Praktiker auf dem Weg von Notebooks und Prototypen zu Produktionssystemen
• Lösungsarchitekten und technische Berater, die KI-Workflows für Teams oder Kunden entwerfen
• Technisch orientierte Fachkräfte mit AI Foundation oder gleichwertiger Grundlage, die bei der Umsetzung in die Tiefe gehen wollen

Was Sie lernen

• Moderne Machine-Learning- und LLM-Architekturen so erklären, dass fundierte Entscheidungen zu Modellwahl und Make-or-Buy möglich sind
• Die Daten vorbereiten, validieren und steuern, auf denen Training und Retrieval beruhen: Auswahl, Bereinigung und Bias-Reduktion
• Bestehende Modelle mit parametereffizienten Verfahren feinabstimmen und bewerten, ob Fine-Tuning überhaupt die richtige Wahl war
• Retrieval-Augmented-Generation-Pipelines (RAG) mit Embeddings und Vektordatenbanken bauen, verankert in den eigenen Dokumenten
• KI-Agenten entwerfen und orchestrieren, Tool-Nutzung, API- und MCP-Schnittstellen, Multi-Agenten-Strukturen, mit Menschen in der Schleife, wo es darauf ankommt
• LLM-Anwendungen gegen die OWASP Top 10 für LLMs absichern: Prompt Injection, Datenabfluss und unsichere Ausgabeverarbeitung
• KI-Systeme in Produktion bringen: Deployment, Monitoring, CI/CD für Modelle und die technischen Maßnahmen hinter DSGVO- und KI-Verordnungskonformität

Kursinhalt

Tag eins: Grundlagen, Modelle und Anpassung

• Moderne KI-Architekturen: Transformer, LLMs und Embeddings, was ein Implementierer wirklich wissen muss
• Modellwahl: offen oder gehostet, klein oder groß, Abwägung von Kosten und Latenz
• Daten für KI: Auswahl, Vorbereitung, Validierung und Bias-Reduktion, praktisch
• Fine-Tuning in der Praxis: parametereffiziente Methoden, Evaluation, und wann man nicht feinabstimmt, praktisch

Tag zwei: Retrieval und verankerte Systeme

• RAG-Architekturen: Chunking, Embeddings, Vektordatenbanken und Retrieval-Qualität
• Praxis: eine funktionierende RAG-Pipeline über echten Dokumenten bauen
• Halluzinationen reduzieren: Verankerung, Quellenangaben und systematische Evaluation von RAG-Ausgaben
• LLM-Sicherheit: die OWASP Top 10 für LLMs, Prompt Injection, Datenabfluss, unsichere Ausgabeverarbeitung, Angriff und Verteidigung, praktisch

Tag drei: Agenten, Produktion und Compliance

• KI-Agenten: Tool-Nutzung, Function Calling, API- und MCP-Schnittstellen, praktisch: einen funktionierenden Agenten bauen
• Multi-Agenten-Strukturen und Orchestrierung, und wann ein einzelnes Modell die bessere Antwort ist
• In die Produktion: Deployment-Muster, Monitoring und CI/CD für KI-Systeme
• Technische Compliance: Anonymisierung, Filterung und Hosting-Entscheidungen hinter DSGVO- und KI-Verordnungskonformität
• Abschlussprojekt: ein End-to-End-System aus Retrieval, Agent und Leitplanken; Prüfungsvorbereitung

Voraussetzungen

Praktische Python-Kenntnisse sind erforderlich, die Labs nutzen Python durchgehend. Vertrautheit mit APIs und JSON ist hilfreich. Vorerfahrung mit Machine Learning, höhere Mathematik oder Deep-Learning-Hintergrund werden nicht vorausgesetzt: Der Kurs baut die nötige Theorie unterwegs auf. AI Foundation oder eine gleichwertige Grundlage in KI-Konzepten wird empfohlen.

Prüfung und Zertifizierung

Der Kurs bereitet auf die Prüfung ICO Artificial Intelligence PRO vor, verliehen von der ICO International Certification Organization GmbH, eine akkreditierte Zertifizierungsprüfung, keine Teilnahmebescheinigung.

• 40 Multiple-Choice-Fragen, bei denen eine, mehrere oder alle Antwortoptionen richtig sein können
• 80 Minuten, ohne Hilfsmittel
• Bestehensgrenze 60 %
• Online, zu einer Zeit und an einem Ort Ihrer Wahl
• Zertifikat 36 Monate gültig

Die Prüfung ist als optionale Ergänzung zum Kurs buchbar. Inhaber beider Zertifikate FND und PRO qualifizieren sich für das Rollenzertifikat ICO Artificial Intelligence Professional. Alle Details veröffentlicht die Zertifizierungsstelle unter ico-cert.org.

Was enthalten ist

• Drei Tage (24 Stunden) trainergeführte Live-Online-Schulung auf Englisch
• Kleine Gruppen, nie mehr als 22 Teilnehmende
• Praktische Labs in jedem Block, mit vollständigen Kursunterlagen und Beispielprüfungsfragen
• Ein Abschlussprojekt, das Sie selbst bauen und behalten
• Teilnahmebescheinigung; die Prüfung ICO Artificial Intelligence PRO als optionale Ergänzung