Informationen zur Weiterbildung
- Titel: KI-Infrastructure & Platform Engineering
- Module: KI-Infrastruktur & MLOps (T2) + KI-Projektmanagement & Business Innovation (M2)
- Seminarart: Weiterbildung │ Vollzeitseminar
- Förderung: Das Seminar ist nach SGB III zu 100 % förderfähig (Bildungsgutschein).
- Maßnahme-Nummer: beantragt
- Dauer: 88 Unterrichtstage │ ca. 4,5 Monate │ 2 Module
- Unterrichtszeiten: Montag bis Freitag, 08:00 – 16:00 Uhr
- Art: Online live – virtuelles Klassenzimmer (synchrone Präsenz per Video)
- Zertifikat: KHMI-Zertifikat │ Zertifizierte:r KI-Infrastructure & Platform Engineer
- ECTS-Vergabe: Voraussetzungen werden individuell geprüft und abgestimmt
Berufsbild & Perspektive
Ihr neues Berufsbild
Sie bauen die technische Infrastruktur, auf der Anwendungen der Künstlichen Intelligenz (KI) laufen – und steuern gleichzeitig die organisatorische Einführung dieser Plattformen. Infrastrukturverantwortung und Projektführung verbinden sich dabei zur Schnittstelle zwischen Cloud-Architektur, ML-Teams und Business.
Als zertifizierte:r KI-Infrastruktur & Platform-Engineer sind Sie genau diese Person.
Was Sie beruflich tun
Sie verantworten Aufbau, Betrieb und Einführung von KI-Plattformen – in Technologieunternehmen, Cloud-Teams, IT-Abteilungen oder als spezialisierte:r Berater:in. Ihre Tätigkeiten umfassen:
- Aufbau und Betrieb skalierbarer MLOps-Plattformen für Training, Deployment und Monitoring
- Cloud-Infrastruktur für ML-Workloads auf AWS, Azure und GCP planen und betreiben
- Projektinitiierung und Steuerung von KI-Infrastrukturprojekten mit Business-Case-Verantwortung
- Stakeholder-Management zwischen Data Science, Entwicklung, IT-Betrieb und Management
- Bewertung von Build-vs-Buy-Entscheidungen für KI-Plattformkomponenten
- Governance, Security und Compliance für produktive ML-Systeme sicherstellen
- Übergabe von KI-Plattformen in den Regelbetrieb und Steuerung der Weiterentwicklung
Typische Positionen: AI Platform Engineer:in, ML Infrastructure Manager:in, KI-Plattformarchitekt:in, Head of AI Infrastructure, Technical AI Program Manager:in.
Warum sich diese Weiterbildung lohnt
Der Aufbau produktiver KI-Infrastruktur ist mehr als ein technisches Vorhaben – er ist ein Organisationsprojekt. Wer beides beherrscht, ist in jedem Unternehmen, das KI skalieren will, unentbehrlich.
Was Sie lernen
Die Weiterbildung umfasst zwei eigenständige Module, die nacheinander absolviert werden. Jedes Modul schließt mit einer eigenständigen Projektarbeit ab, in der Sie das Gelernte praktisch anwenden und nachweisen. Die Reihenfolge der Module kann variieren.
Modul T2 – KI-Infrastruktur & MLOps: Sie bauen End-to-End-MLOps-Pipelines: Experiment-Tracking mit MLflow, Datenversionierung mit DVC, CI/CD für ML, Kubeflow- und Airflow-Pipelines, Feature Stores mit Feast, Cloud-Deployment auf AWS/Azure/GCP, Kubernetes-Cluster-Management, Monitoring, Security und Compliance.
Projektarbeit T2 – Produktionsreife MLOps-Pipeline: Daten, Training, Deployment & Monitoring: Sie bauen eine vollständige, produktionsreife MLOps-Pipeline – von der automatisierten Datenpipeline über CI/CD-Integration und Cloud-Deployment bis zu Monitoring und Alerting.
Modul M2 – KI-Projektmanagement & Business Innovation: Sie führen KI-Projekte methodisch sicher: von Initiierung, Scoping und Business Case über agile Methoden, Stakeholder-Management und KPI-Systeme bis zu MVP-Entwicklung, Produktstrategie, Go-to-Market und Continuous Improvement.
Projektarbeit M2 – KI-Projektplan: Business Case, Stakeholder-Konzept & Implementierungsplan: Sie erarbeiten einen vollständigen KI-Projektplan – mit Business Case, Stakeholder-Konzept, Risikoanalyse, Implementierungsplan und Pitch-Präsentation.
Seminarinhalte & Module der Weiterbildung
T2 · KI-Infrastruktur & MLOps
- MLOps-Grundlagen & Versionierung
- MLOps-Prinzipien, Architektur & Container-Grundlagen
- Experiment Tracking (MLflow) & Model Registry
- Data Versioning (DVC), Git & Reproduzierbarkeit
- Pipelines, Orchestrierung & Feature Engineering
- CI/CD für ML, Kubeflow Pipelines & Airflow
- Feature Stores (Feast) & Datenaufbereitung als Pipeline
- Testing in ML-Pipelines & End-to-End-Automatisierung
- Cloud, Deployment & Betrieb
- Cloud Deployment (AWS/Azure/GCP), Kubernetes & Skalierung
- Deployment-Strategien, GPU-Compute & Kostenoptimierung
- Monitoring, Data Drift, Security & Compliance
- Beispiel-Projektarbeit: MLOps-Pipeline: Versionierung, Deployment & Monitoring
- 396 Unterrichtseinheiten (UE) insgesamt
M2 · KI-Projektmanagement & Business Innovation
- KI-Projektmethodik & Initiierung
- Besonderheiten von KI-Projekten & Projektphasen
- Agile Methoden & Teamrollen
- Projektinitiierung & Scoping
- Business Case, Steuerung & Stakeholder
- Business-Case-Entwicklung & ROI
- KPIs & Projektsteuerung
- Stakeholder- & Risikomanagement
- Produktentwicklung & Business Innovation
- Design Thinking, MVP & User Experience
- Produktstrategien & Go-to-Market
- Geschäftsmodellinnovation & Skalierung
- Beispiel-Projektarbeit: KI-Projektplan, Business Case & Implementierungsplan
- 396 Unterrichtseinheiten (UE) insgesamt
Unterricht und Projektphasen: 792 UE │ Zusätzlicher Workload Selbststudium (für ECTS-Vergabe): Literaturarbeit, Recherche und Ausarbeitung des Abschlussprojekts gemäß individueller Abstimmung.
Unterrichtsform der Weiterbildung
Das Seminar wird im Format „Online Live – Virtuelles Klassenzimmer“ durchgeführt. Der Unterricht findet synchron per Videokonferenz (Microsoft Teams) statt – mit Live-Präsenz, ohne Aufzeichnung. Vor Seminarbeginn wird Ihre technische Ausstattung gemeinsam in einer Testsitzung per Telefon und Teams geprüft. Wir bereiten Sie auf diese Unterrichtsform vor und unterstützen Sie bei Bedarf. Die erforderliche Software wird Ihnen von uns zur Verfügung gestellt.
Lehrgangsvoraussetzungen
Ein Interesse an den Themen und Inhalten sowie eine längere berufliche Erfahrung, Ausbildung oder ein Studium sind gute Voraussetzungen für die Teilnahme an dieser geförderten Weiterbildung. Das Seminar ist eine gewinnbringende Investition zur Entwicklung und Vertiefung Ihres Know-hows auf Basis Ihrer beruflichen Vorbildung. Vereinbaren Sie ein unverbindliches Beratungsgespräch, um Ihre Ziele und Wünsche mit unserem Angebot abzustimmen.
Hochschulniveau ohne Umwege – der ECTS-Vorteil
KHMI ist ein An-Institut der Karlshochschule International University. Das ist kein formales Detail. Es ist ein struktureller Qualitätsvorteil. ECTS-Punkte zeigen an, wie viel Zeit und Aufwand für eine Weiterbildung erbracht wurden – und machen Leistungen vergleichbar und anrechenbar. Das bedeutet: Die Lerninhalte, Prüfungsformate und Workload-Standards der KHMI-Weiterbildung orientieren sich an den Maßstäben einer Hochschule.