Softwaresysteme mit (künstlicher) Intellligenz versehen
Klassische Softwaresysteme sind deterministisch. AI-Systeme folgen anderen Regeln: Sie sind datengetrieben, probabilistisch und erfordern völlig neue Infrastruktur-Komponenten wie Feature Stores oder Vektor-Datenbanken.
In diesem Seminar schließen wir die Lücke zwischen klassischer Software-Architektur und modernem AI Engineering. Wir zeigen Ihnen nicht nur, wie Sie Modelle nutzen, sondern wie Sie das System darum herum robust, testbar und wartbar gestalten.Unsere nächsten Termine
Agenda
Qualitätsmerkmale und architektonische Unterschiede
ML-Infrastruktur
Data Engineering, Feature-Stores und Modellauswahl
Context Engineering
Systematische Ansätze für Prompting und Kontext-Management
RAG-Architekturen (Retrieval Augmented Generation)
Verbindung von LLMs mit eigenen Unternehmensdaten
Evaluation & Testing
Metriken und Tools, um die Qualität von AI-Outputs automatisiert zu sichern
Patterns
Gängige Integrationsmuster für LLMs und klassische ML-Modelle
Agentic Workflows
Architekturmuster für Systeme, die Werkzeuge nutzen und Entscheidungen treffen
Multi-Agenten-Systeme
Orchestrierung mehrerer spezialisierter AI-Agenten
Ihr Nutzen
Die Teilnehmenden lernen in unserem praxisorientierten Training „Softwarearchitekturen für AI-Systeme entwerfen (SWARC4AI)“, wie sie jenseits des Hypes bewerten, welche Komponenten für ihren spezifischen Use-Case wirklich notwendig sind, und gewinnen so Sicherheit bei kritischen Technologie-Entscheidungen. Sie erfahren, wie man den Graben zwischen ersten Experimenten und langlebigen, „production-ready“ AI-Systemen schließt. Zudem vermittelt das Seminar das nötige Verständnis für die Architektur autonomer Agentensysteme, um diese zukunftssicher und gezielt im eigenen Kontext einzusetzen.
Zielgruppe
Das Training richtet sich an Softwarearchitekt:innen und Entwickler:innen, die vor der Herausforderung stehen, AI-Komponenten wie LLMs oder ML-Modelle in bestehende Systeme zu integrieren und dabei Skalierbarkeit sowie Sicherheit zu gewährleisten. Es adressiert gleichermaßen Senior Developer und Tech Leads, die den Schritt vom reinen Coding zum ganzheitlichen System-Design vollziehen und verstehen wollen, wie AI-Systeme erfolgreich in Produktion betrieben werden. Auch ML Engineers mit Architektur-Ambitionen lernen hier, ihre Expertise im Modelltraining zu erweitern, um robuste Applikationen um den AI-Kern herum zu bauen.
iSAQB® akkreditiert
In unserem Seminar setzen wir die Lernziele des iSAQB®-Lehrplans SWARC4AI auf moderne, praxisnahe und interaktive Art und Weise um. Für Ihren Weg zum Certified Professional for Software Architecture (CPSA) Advanced erhalten Sie 20 technische und 10 methodische Credit Points.
Unsere Extras für Sie
Alle Übungsergebnisse und gezeigten Theorieinhalte werden den Teilnehmern im Anschluss elektronisch zur Verfügung gestellt
Offizielles Teilnahmezertifikat
In diesem Seminar erhalten die Teilnehmerinnen und Teilnehmer 20 technische und 10 methodische Credit Points für den iSAQB® CPSA-Advanced Level mit einem unbegrenzt gültigen iSAQB® Zertifikat ausgestellt.
Zusätzlich...
Einen schnellen und praxisnahen Überblick zu Machine Learning finden Sie in unserem Architekturspicker Nr. 10 Machine Learning Lösungen entwerfen
