Zum Inhalt springen
Fortgeschritten100% gebührenfreiDauer: 6 Monate3 Zertifikatsvorbereitung

Fortgeschritten: KI-Systeme & Cloud Engineering

Für Entwickler:innen, die bereits Code ausliefern. In sechs Monaten vertiefst du produktionsnahe KI-Systeme und danach Cloud GenAI auf AWS mit MLOps, Governance und privaten LLMs. Zwei Capstones zeigen Arbeitgebern, was du kannst.

Bewerben

6 Monate Vollzeit (1.300 UE) für erfahrene Entwickler:innen: 2-wöchige Onboarding-Bridge, dann KI-Systeme mit RAG, Agents und Evaluation, danach AWS GenAI, MLOps und private/on-prem LLMs. Zwei Capstones, Vorbereitung auf AWS AI Practitioner und GenAI Developer Professional. Förderung mit Bildungsgutschein bei Bewilligung möglich.

Was du am Ende kannst

  • Integration und Automatisierung unter Zuverlässigkeitsanforderungen
  • RAG/Agents mit Evaluation, Kosten und Monitoring
  • AWS GenAI-Lieferung mit Security und Compliance
  • Private/on-prem LLM-Literacy (Ollama/vLLM)
  • MLOps/LLMOps und teamfähige Review-Praxis
  • Vorbereitung AWS AI Practitioner & GenAI Developer Professional

Portfolio-Nachweise

  • Systems Capstone
  • Advanced Cloud GenAI Capstone

Curriculum-Überblick

3 Module

Modul 12 Wochen

Onboarding Bridge

Git, API, Docker und CI/CD-Readiness

GitHub ActionsDockerFastAPI
Modul 2ca. 3 Monate

KI-Systeme

Integration, RAG, Agents und Capstone

n8nLangChainFastAPIvector DB
Modul 3ca. 3 Monate

Cloud GenAI

AWS GenAI, MLOps, Governance und Final Capstone

AWSOllamavLLMmonitoring

Häufig gestellte Fragen

Häufige Fragen zu diesem Programm — Förderung, Format und Ergebnisse.

Für wen

Erfahrene Entwickler:innen und IT-Fachkräfte mit nachweisbarer Delivery-Basis — wartbare Anwendung, Git-Historie, APIs, Docker und Deployment-Nachweise — die sich für KI-Systems-, Cloud-GenAI- und MLOps-orientierte Engineering-Rollen weiterentwickeln möchten.

Nein. Das ist ein fortgeschrittener Quereinstieg. Du solltest bereits Software mit Git, APIs, Tests und Deployment-Disziplin ausliefern können. Es ist kein Einsteiger-Coding-Weg.

Ja. Die 2-wöchige Onboarding-Bridge enthält Readiness-Checks und Abstimmung zu API-Workflows, Git-basierter Delivery, CI/CD-Hygiene, Containerisierung und Cloud-Grundlagen, bevor das sechsmonatige Hauptprogramm startet.

Inhalt & Format

Phase 1: KI-Systeme und Automatisierung — Integrationszuverlässigkeit, RAG, Agents, Evaluation und operative Absicherung. Phase 2: Cloud und fortgeschrittenes KI-Engineering — AWS GenAI Delivery, MLOps/LLMOps, private/on-prem LLM-Muster (Ollama/vLLM), Security, Compliance und Observability.

Ja. Du lieferst ein KI-Systems-Capstone und ein fortgeschrittenes Cloud-GenAI-Capstone mit Deployment-Nachweisen, Evaluationsberichten, Dokumentation und operativem Narrativ für Bewerbungen auf Senior-Junior- oder Mid-Transition-Rollen.

Das Programm enthält strukturierte Vorbereitung auf AWS Certified AI Practitioner und AWS Certified Generative AI Developer – Professional. AWS Machine Learning Engineer – Associate kann je nach Bereitschaft als optionaler Stretch-Pfad angeboten werden. Prüfungserfolg kann nicht garantiert werden.

Das Hauptprogramm dauert 6 Monate (1.300 Unterrichtseinheiten) plus eine verpflichtende 2-wöchige Onboarding-Bridge, als intensives Vollzeit-Live-Online-Format.

Ergebnisse & Förderung

Zielrollen können AI Systems Engineer, Integration/Automation Engineer, GenAI Application Engineer, Cloud AI Engineer oder MLOps/LLMOps-orientierte Junior-to-Mid-Rollen sein — abhängig von Vorerfahrung und Capstone-Qualität.

Die Teilnahme kann über Agentur für Arbeit oder Jobcenter gefördert werden, wenn du förderfähig bist und einen Bildungsgutschein erhältst. Dafür benötigst du einen Termin bei deiner zuständigen Stelle — die Entscheidung trifft die Behörde individuell. Wir stellen Kursinformationen bereit und unterstützen dich bei der Vorbereitung.

Der 9-monatige AI Systems & Automation Developer Weg startet bei Workplace-KI und baut technische Tiefe progressiv für Quereinsteiger:innen auf. Dieses 6-monatige Programm setzt voraus, dass du bereits Code schreibst und Software deployest, und geht schneller in produktionsnahe KI-Systeme und Cloud GenAI Engineering.