Informationen zur Weiterbildung
- Titel: KI-Enterprise-Architecture
- Module: KI-Entwicklung & Machine Learning (T1) + KI-Infrastruktur & MLOps (T2) + KI-Strategie & Change Management (M1)
- Seminarart: Weiterbildung │ Vollzeitseminar
- Förderung: Das Seminar ist nach SGB III zu 100 % förderfähig (Bildungsgutschein).
- Maßnahme-Nummer: beantragt
- Dauer: 132 Unterrichtstage │ ca. 6,5 Monate │ 3 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-Enterprise-Architecture
- ECTS-Vergabe: Voraussetzungen werden individuell geprüft und abgestimmt
Berufsbild & Perspektive
Ihr neues Berufsbild
KI-Enterprise-Architect:innen gestalten die KI-Architektur eines Unternehmens in ihrer Gesamtheit – technisch, infrastrukturell und strategisch. Sie entscheiden, wie KI-Systeme gebaut und betrieben werden, und betten diese Entscheidungen in die Unternehmensstrategie und Governance ein.
Gegenüber reinen Techniker:innen verantworten sie die strategische Richtung. Gegenüber reinen Strateg:innen können sie jeden Aspekt ihrer Architekturentscheidung technisch begründen. Diese Tiefe in allen drei Dimensionen ist das Merkmal dieser Rolle.
Als zertifizierte:r KI-Enterprise-Architect:in sind Sie genau diese Person.
Was Sie beruflich tun
Sie übernehmen architektonische Gesamtverantwortung für KI-Systeme in Großunternehmen, Technologiekonzernen, Beratungsumfeldern oder als Chief-AI-Architect:in. Ihre Tätigkeiten umfassen:
- Entwurf und Verantwortung für die KI-Systemarchitektur über den gesamten technischen Stack
- Entwicklung und Training von ML-Modellen für produktive Unternehmensanwendungen
- Aufbau und Governance skalierbarer MLOps-Plattformen und Cloud-Infrastrukturen
- Entwicklung unternehmensweiter KI-Strategien, Roadmaps und Technology-Governance
- Steuerung von KI-Readiness-Assessments und strategischer Use-Case-Priorisierung
- Change-Management und technische Enablement-Programme für Entwicklungs- und IT-Teams
- Technische Beratung von Vorstand, CTO und IT-Führung bei KI-Architekturentscheidungen
- Compliance, Security-Architektur und Risikomanagement für unternehmensweite KI-Systeme
Typische Positionen: KI-Enterprise-Architect:in, Chief-AI-Architect:in, Head of AI Architecture, Principal-AI-Engineer:in, CTO (AI-fokussiert), AI Technology Director:in.
Warum sich diese Weiterbildung lohnt
Unternehmen, die KI strategisch und technisch ernstnehmen, benötigen Fachkräfte, die über Systemgrenzen hinweg denken und entscheiden können. Diese Rolle existiert in großen Organisationen bereits – wird aber häufig mit Personen besetzt, die entweder die technische oder die strategische Tiefe mitbringen. Selten beides.
Was Sie lernen
Die Weiterbildung umfasst drei 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 T1 – KI-Entwicklung & Machine Learning: Sie beherrschen den vollständigen ML-Lifecycle: Datenaufbereitung, Feature Engineering, Regression, Klassifikation, Clustering, Deep Learning mit TensorFlow/Keras und PyTorch, CNNs, Transformer-Architekturen, Hugging Face, FastAPI-Inferenzendpunkte und Containerisierung mit Docker.
Projektarbeit T1 – End-to-End-ML-Anwendung: Training, API & Deployment: Sie entwickeln eine vollständige ML-Anwendung – von der Datenaufbereitung über Modelltraining und Evaluation bis zum deployment-fähigen API-Service mit Dokumentation und technischer Präsentation.
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 M1 – KI-Strategie & Change Management: Sie entwickeln KI-Strategien, Roadmaps und Business Cases, bewerten KI-Readiness und priorisieren Use Cases. Sie steuern Change-Management-Prozesse, gestalten Governance-Strukturen und ordnen regulatorische Anforderungen wie den EU AI Act und die DSGVO in den Unternehmenskontext ein.
Projektarbeit M1 – KI-Strategie, Roadmap & Change-Management-Konzept: Sie entwickeln eine vollständige KI-Strategie für ein reales oder realistisches Unternehmensumfeld – mit Readiness-Analyse, Use-Case-Portfolio, Roadmap, Business Case und Change-Management-Konzept.
Seminarinhalte & Module der Weiterbildung
T1 · KI-Entwicklung & Machine Learning
- ML-Grundlagen & klassische Verfahren
- Python-Set-up, Mathematik-Refresh & ML-Grundlagen
- Feature Engineering, Regression & Klassifikation
- Unsupervised Learning, Modellbewertung & Scikit-learn
- Deep Learning & NLP
- Deep Learning: Neuronale Netze, TensorFlow/Keras & PyTorch
- Computer Vision (CNNs) & Sequenzmodelle (RNNs/LSTMs)
- NLP, Transformer-Architektur & Hugging Face/Fine-Tuning
- LLMs, Deployment & MLOps-Grundlagen
- LLM-Anwendungen, Prompt-/Task-Design & Fine-Tuning-Strategien
- API-Design mit FastAPI & Model Serving
- Containerisierung (Docker), Monitoring & MLOps-Grundlagen
- Beispiel-Projektarbeit: End-to-End-ML-Anwendung: Training, API & Deployment
- 396 Unterrichtseinheiten (UE) insgesamt
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
M1 · KI-Strategie & Change Management
- KI-Grundlagen, Strategie & Roadmap
- Strategische Standortbestimmung & KI-Potenzialanalyse
- Entwicklung einer KI-Roadmap & Reifegradmodelle
- Zielbilder & strategische Verankerung
- Change Management & Transformation
- Change-Management-Methoden & Organisationsentwicklung
- Upskilling, Kommunikation & Akzeptanz
- Führung in Transformationsprozessen
- Governance, Ethik & Regulatorik
- KI-Governance & Verantwortungsstrukturen
- Ethische Prinzipien & Responsible AI
- EU AI Act, DSGVO & Risikomanagement
- Beispiel-Projektarbeit: KI-Strategie, Roadmap & Change-Management-Konzept
- 396 Unterrichtseinheiten (UE) insgesamt
Unterricht und Projektphasen: 1.188 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.