KI-Entwicklung & Programmierung Schulungen
KI-Entwicklung: Full-Stack KI End-to-End Projekt
Vom ML-Prototyp zum belastbaren KI-Produkt mit MLOps, API, Deployment und Monitoring
- Dauer
- 3 Tage
- Format
- Präsenz oder Live-Online
- Preis
- 1.950 € netto
- Uhrzeiten
- 09:00-16:00 Uhr
- Gruppe
- max. 8 Personen
- Niveau
- Aufbau
- Kursnummer
- KKC_0239
Aktuelle Termine und Online-Buchung: www.cmt.de/seminare/full-stack-ki
KI-Entwicklung: Full-Stack KI End-to-End Projekt
Vom ML-Prototyp zum belastbaren KI-Produkt mit MLOps, API, Deployment und Monitoring
Die wichtigsten Themen
End-to-End-KI-Projekt umsetzen
Daten und Modelle versionieren
API, Auth und Rollouts planen
RAG und Guardrails bewerten
Monitoring und Drift erkennen
MLOps-Betrieb strukturieren
Überblick In diesem Advanced-Seminar entwickelst du ein Full-Stack KI-System als durchgängiges End-to-End-Projekt: von der Use-Case-Definition über Datenversionierung und Modelltraining bis zur produktionsreifen API,...
In diesem Advanced-Seminar entwickelst du ein Full-Stack KI-System als durchgängiges End-to-End-Projekt: von der Use-Case-Definition über Datenversionierung und Modelltraining bis zur produktionsreifen API, Deployment, Monitoring und Betriebsübergabe. Der Kurs verbindet Machine-Learning-Engineering, Backend-Entwicklung und MLOps zu einem realistischen Workflow, der nicht beim Notebook endet, sondern eine belastbare Auslieferung in Unternehmensumgebungen vorbereitet.
Du arbeitest mit einer Referenzarchitektur, in der Daten, Experimente, Modelle, Services und Betriebsmetriken nachvollziehbar versioniert und bewertet werden. Dazu gehören Model Registry, CI/CD, kontrollierte Rollouts, Observability, Drift-Erkennung, Retraining-Trigger und klare Incident-Prozesse. Optional integrierst du LLM-Komponenten dort, wo sie fachlich Sinn ergeben, inklusive RAG, Guardrails und messbarer Evaluation.
Ideal ist das Training, wenn du bereits Modelle bauen kannst und jetzt Produktisierung, Betrieb und Qualitätssicherung professionell beherrschen willst. Als fachliche Grundlage passen solide Kenntnisse aus Machine Learning mit Python; für die Infrastrukturanteile sind Erfahrungen aus dem Docker-Grundkurs hilfreich.
Die Themen Problem- und KPI-Definition · Risiko-Check für Bias und Leakage · Datenquellen und Datenverträge · Datenversionierung mit DVC oder MLflow · Train-, Validation- und Test-Splits...
Use Case, Datenstrategie und Erfolgskriterien
- Problem- und KPI-Definition
- Risiko-Check für Bias und Leakage
- Datenquellen und Datenverträge
- Datenversionierung mit DVC oder MLflow
- Train-, Validation- und Test-Splits
- Baseline-Definition für Vergleichbarkeit
Modellierung und belastbare Evaluation
- Feature Engineering versus Embeddings
- Training und Cross-Validation
- Hyperparameter-Tuning mit Zielmetriken
- Kalibrierung und Schwellenwerte
- Fehleranalyse nach Datensegmenten
- Dokumentierte Modellentscheidungen
LLM-Integration, RAG und Guardrails
- Prompt-Design mit Output-Schemata
- RAG-Pipeline und Chunking
- Embeddings und Vector-DB-Konzepte
- Retrieval-Qualität und Antwortbewertung
- Halluzinationsrisiken und Guardrails
- Kosten- und Latenzbetrachtung
Backend-API und Produktisierung
- FastAPI-Service-Design
- Authentifizierung und Zugriffskontrolle
- Rate Limits und Quotas
- Batch- und Realtime-Inference
- Caching-Strategien für KI-Services
- Fehlerhandling und strukturierte Logs
Deployment, CI/CD und MLOps
- Containerisierung mit Docker
- Reproduzierbare Builds und Artefakte
- CI/CD für Modelle und Services
- Model Registry und Versionierung
- Blue/Green- und Canary-Rollouts
- Rollback-Strategien bei Fehlverhalten
Monitoring, Betrieb und Responsible AI
- Model Monitoring für Qualität
- Latenz, Kosten und SLOs
- Data Drift und Concept Drift
- Retraining-Trigger und Playbooks
- PII-Handling und Secret Management
- Model Cards und Data Sheets
Zielgruppe
- Machine-Learning-Engineers mit Projekterfahrung, die Modelle in produktive Services überführen
- Data Scientists, die Notebook-Prototypen reproduzierbar deployen und betreiben
- Software-Engineers im KI-Umfeld, insbesondere für Backend-APIs, Inference und Schnittstellen
- Tech Leads und Architektinnen, die MLOps-Standards, Rollout-Prozesse und Betriebsmetriken etablieren
Das lernst du
- Eigenständige Strukturierung eines End-to-End-KI-Projekts von Use Case bis Betrieb
- Reproduzierbare Daten-, Trainings- und Evaluationspipelines mit nachvollziehbaren Modellentscheidungen
- Bereitstellung eines Modells als API inklusive Authentifizierung, Fehlerhandling und Rollout-Strategie
- Fundierte Bewertung von LLM- und RAG-Komponenten anhand messbarer Qualitäts-, Kosten- und Latenzkriterien
- Aufbau von Monitoring, Drift-Erkennung, Retraining-Triggern und Incident-Playbooks für KI-Systeme
So arbeiten wir
- Projektgetriebener Workshop mit durchgehender Referenzarchitektur
- Kurze technische Inputs mit direkter Umsetzung in geführten Übungen
- Hands-on-Arbeit an Daten-, Modell-, API-, Deployment- und Monitoring-Bausteinen
- Review-Schleifen zu Design-Entscheidungen, Metriken, Risiken und Betriebskonzepten
- Diskussion typischer Architekturentscheidungen aus Unternehmensprojekten
Empfohlene Vorkenntnisse
- Solide Python-Kenntnisse und Erfahrung mit mindestens einem Machine-Learning-Projekt
- Grundverständnis von REST-APIs, Service-Architekturen und Docker
- Sicherer Umgang mit Git und Entwicklungsumgebungen
- Hilfreich: Vorkenntnisse aus Source Code Management und CI/CD oder vergleichbare Projekterfahrung
Dein Fahrplan
Der erste Tag legt die fachliche und technische Basis für das End-to-End-Projekt. Behandelt werden Use-Case-Abgrenzung, KPIs, Risiko-Check für Bias und Leakage, Datenquellen, Datenverträge, Versionierung sowie saubere Train-, Validation- und Test-Splits. Anschließend wird eine belastbare Baseline definiert, damit spätere Modell- und Architekturentscheidungen vergleichbar bleiben.
Organisatorisches
Lernformate
Unsere Seminare bieten dir maximale Flexibilität: Du kannst zwischen Live-Online und Vor Ort in unseren modernen Schulungszentren im D-A-CH Raum wählen. Beide Formate garantieren dir die gleiche hohe Qualität und interaktive Lernerfahrung.
Schulungsarten
Wir bieten dir verschiedene Schulungsarten: Offene Seminare, Firmenseminare für Teams und Inhouse-Schulungen direkt bei dir vor Ort. So findest du genau das Format, das zu deinen Bedürfnissen passt.
Uhrzeiten
09:00-16:00 Uhr
Aktuelle Software
In unseren offenen Kursen arbeiten wir mit der aktuellsten Software-Version. So lernst du direkt mit den Tools und Features, die du auch in deinem Arbeitsalltag verwendest - mit klarem Alltagsbezug und zukunftsorientiert. Bei Inhouse- und Firmenschulungen bestimmt ihr die Version.
Deine Vorteile
Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Inklusivleistungen
Deine Teilnahme beinhaltet: Schulungsmaterial, Zertifikat, Verpflegung (bei Präsenzveranstaltungen) und persönliche Betreuung durch unsere Trainer und unser Orga-Team. Alles aus einer Hand - keine versteckten Kosten.
Lernen von Experten
Unsere Trainer sind zertifizierte und erfahrene Profis mit jahrelanger Berufserfahrung. Sie vermitteln dir in den Kursen nicht nur theoretisches Wissen, sondern teilen ihre Erfahrungen aus realen Projekten und helfen dir, das Gelernte direkt in deiner täglichen Arbeit anzuwenden. Das ist kein Werbeversprechen, sondern unser Anspruch. Am besten siehst du das in unseren Bewertungen, z.B. auch bei Google.
Keine Vorkasse
Du zahlst erst nach dem Seminar. Keine Vorkasse, keine Vorauszahlung - so kannst du sicher sein, dass du nur für das bezahlst, was du auch wirklich erhalten hast. Die Rechnung erhältst du erst nach Kursbeginn.
Max. 8 Teilnehmende
Wir setzen auf kleine Gruppen, damit du die Aufmerksamkeit bekommst, die du verdienst. So haben wir mehr Zeit für deine individuellen Fragen und können gezielt auf deine Bedürfnisse eingehen.
Termine und Preise
| Zeitraum | Ort | Preis (netto) |
|---|---|---|
| 11.01. - 13.01.2027 | München oder Live-Online | 1.950 € |
| 22.02. - 24.02.2027 | München oder Live-Online | 1.950 € |
| 26.04. - 28.04.2027 | München oder Live-Online | 1.950 € |
| 14.06. - 16.06.2027 | München oder Live-Online | 1.950 € |
| 13.09. - 15.09.2027 | München oder Live-Online | 1.950 € |
Alle Preise zuzüglich gesetzlicher Mehrwertsteuer. Freie Plätze und weitere Termine findest du unter www.cmt.de/seminare/full-stack-ki.
Firmenschulung und Inhouse
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine stimmen wir mit euch ab.
Dein Kontakt bei cmt
Yves Hoppe
Telefon 0800 71 20000
yves.hoppe@cmt.de
Termine & Buchung
Vor Ort
Online
Nicht der passende Termin dabei?
Wir finden eine Lösung: anderer Termin, mehrere Teilnehmer, Inhouse-Schulung oder individuelle Beratung.
Lieber gleich das ganze Team schulen?
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine nach Maß.
Wie die Planung abläuft, was ein Zuschnitt kostet und welche Themen wir abdecken, steht auf unserer Seite zu Inhouse Schulungen im Bereich KI-Entwicklung.
Inhouse-Schulung
Wir kommen zu euch: diese Schulung maßgeschneidert in euren Räumen, für Unternehmen und Behörden.
- Inhalte exakt auf euch zugeschnitten
- Termine nach euren Bedürfnissen
- Günstiger ab mehreren Teilnehmern
- Vertraute Umgebung, kein Reiseaufwand
Firmen-Seminar
Exklusiv für dein Team an einem unserer Standorte oder Live-Online, individuell angepasst.
- Geschlossene Gruppe aus eurem Haus
- Individuelle Terminplanung
- An unseren Standorten oder Live-Online
- Angepasste Inhalte
Fragen und Antworten zu KI-Entwicklung: Full-Stack KI End-to-End Projekt
Ist diese Full-Stack KI Schulung eher für Data Scientists oder Software-Engineers gedacht?
Das Seminar verbindet beide Perspektiven. Data Scientists lernen, Modelle über reproduzierbare Pipelines, APIs, Deployment und Monitoring in den Betrieb zu bringen. Software-Engineers vertiefen die Besonderheiten von KI-Services, Inference, Model Registry, Drift und modellbezogener Evaluation.
Welche Vorkenntnisse sind für das End-to-End-Projekt notwendig?
Du solltest sicher mit Python arbeiten und bereits mindestens ein Machine-Learning-Projekt umgesetzt haben. Grundkenntnisse in REST-APIs, Docker und Git erleichtern den Einstieg deutlich. Falls du diese Grundlagen vorher auffrischen willst, eignen sich Machine Learning mit Python und der Docker-Grundkurs.
Welche Tools nutzt ihr im Training konkret?
Du arbeitest an einem Setup rund um Python, Docker und FastAPI. Für Experiment-Tracking, Daten- und Modellversionierung werden gängige Ansätze wie MLflow und/oder DVC behandelt, abhängig vom Projektszenario. Zusätzlich geht es um CI/CD, Model Registry, strukturierte Logs, Monitoring und Rollout-Konzepte.
Ist das Seminar ein LLM- oder RAG-Kurs?
LLM-Integration ist ein optionaler Baustein, nicht der alleinige Schwerpunkt. Im Zentrum stehen Produktisierung, MLOps, Deployment, API-Design und Betrieb eines KI-Systems. Wenn LLM-Komponenten fachlich passen, werden RAG, Guardrails sowie Retrieval- und Antwort-Evaluation messbar umgesetzt. Für eine vertiefte Spezialisierung passt anschließend LLM-Evaluation.
Was unterscheidet dieses Seminar von einem klassischen Machine-Learning-Kurs?
Klassische Machine-Learning-Trainings konzentrieren sich häufig auf Modellierung und Evaluation. Dieses Advanced-Seminar geht weiter: Es behandelt den gesamten Weg vom Use Case über Datenversionierung, Modelltraining, API, CI/CD und Deployment bis zu Monitoring, Drift-Erkennung, Retraining und Incident-Prozessen.
Brauche ich eigene Hardware oder Lizenzen?
Nein. Geräte, VMs und Software werden dir, falls erforderlich, zur Verfügung gestellt. Du musst kein eigenes Notebook und keine zusätzlichen Lizenzen mitbringen.
Kann das Projekt auf Cloud-MLOps übertragen werden?
Ja. Die im Seminar behandelten Prinzipien wie reproduzierbare Pipelines, Model Registry, CI/CD, Rollouts und Monitoring sind auf Cloud-Umgebungen übertragbar. Für eine plattformspezifische Vertiefung bieten sich anschließend MLOps Engineering on AWS oder MLOps auf Azure an.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs.
Passende Schulungen nach dem Kurs
Ähnliche Kurse
Mit VibeCoding zum MVP in Rekordzeit
Machine Learning mit Python Grundkurs (Für Python Einsteiger)
Frontend-Entwicklung für KI-Apps: Advanced Patterns und Design
OpenCode Grundkurs: die smarte Claude-Alternative
A2A-Protokoll-Schulung: KI-Agenten verbinden
Unser Qualitätsversprechen: Wissen, das in der Praxis funktioniert
Aus der Praxis für die Praxis
Schluss mit theoretischem Ballast. Wir trainieren dich für reale IT-Herausforderungen, nicht für Multiple-Choice-Tests. Unsere Trainer vermitteln dir genau das Wissen, das am nächsten Montagmorgen im Job wirklich funktioniert.
Individuell statt "Schema F"
Deine Fragen passen nicht ins Standard-Skript? Bei uns schon. Wir verzichten auf starre Lehrpläne und geben deinen konkreten Projekt-Fragen Raum. Unsere Trainer passen die Inhalte flexibel an das an, was dich und dein Team aktuell weiterbringt.
Maximale Freiheit: Remote oder vor Ort
Lerne so, wie es in deinen Alltag passt - ohne Reise-Stress und Zeitverlust. Egal ob remote, hybrid oder präsent vor Ort: Wir garantieren dir ein nahtloses und effektives Lernerlebnis, egal von wo du dich zuschaltest.
Mit Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt - und wollen, dass du es auch bist. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Über 20.000 Unternehmen und Behörden vertrauen auf uns
