Serverless AI Training
KI-Features event-driven entwickeln, mit RAG, Evals und CI/CD sicher in Produktion bringen
Die wichtigsten Themen
Event-driven Serverless AI Design
RAG mit Retrieval und Re-Ranking
Tool-Calling produktionsreif nutzen
Evals und Tests in CI/CD
Security, Guardrails und Policies
Blueprint für den Betrieb
Überblick In diesem Serverless AI Training entwickelst du KI-Features so, dass sie in agilen Produktteams zuverlässig geplant, umgesetzt und betrieben werden: event-driven, kostenbewusst, testbar und mit sauberer Übergabe in...
In diesem Serverless AI Training entwickelst du KI-Features so, dass sie in agilen Produktteams zuverlässig geplant, umgesetzt und betrieben werden: event-driven, kostenbewusst, testbar und mit sauberer Übergabe in den Betrieb. Das Seminar verbindet Serverless-Architektur, LLM-Integration, RAG-Workflows, Tool-Calling, Security, Observability und CI/CD zu einem durchgängigen Engineering-Ansatz für produktionsreife GenAI-Services.
Statt isolierter Demo-Skripte arbeitest du an realistischen Architekturentscheidungen: Trigger, Queues, Streams, Functions, Container, Jobs, Cold Starts, Concurrency, Timeouts, Rate Limits, Secrets, Guardrails und automatisierte Evals. Du lernst, wie Prompts, Templates, Konfigurationen und Modellzugriffe versioniert, getestet und über Pipelines kontrolliert ausgerollt werden. Für Teams mit AWS-Bezug bietet sich ergänzend das Seminar Developing Serverless Solutions on AWS an, während Advanced Generative AI Development on AWS vertiefend auf GenAI-Entwicklung auf AWS eingeht. Wer Azure AI Services produktiv einsetzen möchte, findet mit AI-102: Entwurf und Implementieren einer Azure AI Lösung eine passende plattformspezifische Ergänzung.
Am Ende verfügst du über ein praxiserprobtes Blueprint für einen Serverless AI Service inklusive Ingest, Retrieval, Generierung, asynchroner Verarbeitung, Qualitätssicherung, Security-Maßnahmen, Runbooks und Definition of Done. Damit werden KI-Funktionen nicht nur entwickelt, sondern kontrolliert ausgeliefert, überwacht und weiterentwickelt.
Die Themen Architekturprinzipien für Serverless AI Services in produktnahen Umgebungen · Event-driven Design mit Triggern, Queues, Streams und asynchronen Workflows...
Serverless AI Architektur und event-driven Design
- Architekturprinzipien für Serverless AI Services in produktnahen Umgebungen
- Event-driven Design mit Triggern, Queues, Streams und asynchronen Workflows
- Auswahl geeigneter Compute-Modelle wie Functions, Container und Jobs
- Umgang mit Cold Starts, Concurrency, Timeouts und Retry-Verhalten
- Entscheidungskriterien für synchrone und asynchrone Verarbeitung
- Kostenmodelle für Pay-per-use, Latenz und Lastspitzen kalkulieren
LLM-Integration als modulare Services
- API-Gateways, Authentifizierung und Zugriffskontrolle für LLM-basierte Services
- Rate Limits, Quotas und Backpressure für stabile Integrationen
- Prompt- und Template-Strategien für wiederverwendbare Team-Standards
- Versionierung von Prompts, Konfigurationen und Modellparametern
- Tool-Calling und Funktionsaufrufe robust entwerfen und absichern
- Fehlerfälle, Fallbacks und kontrolliertes Verhalten bei externen API-Abhängigkeiten
RAG-Workflows und Unternehmenswissen
- RAG-Bausteine von Ingest über Retrieval bis Generierung
- Embeddings, Indexierung, Chunking und Re-Ranking als Architekturentscheidungen
- Datenaktualität, Datenabgrenzung und Mandantenfähigkeit in Retrieval-Prozessen
- Qualitäts- und Kostenaspekte bei Retrieval-Strategien
- End-to-End Flow für Ingest, Retrieve und Generate als nachvollziehbarer Service
Sicherheit, Governance und Compliance-nahe Anforderungen
- PII-Handling, Token-Handling und Schutz sensibler Daten
- Secrets, Key-Management und kontrollierte Konfigurationen
- Mandantenfähigkeit und saubere Trennung von Datenbeständen
- Audit-Logs, Nachvollziehbarkeit und Policy-Checks
- Threat Modeling für GenAI-Workloads und Serverless-Komponenten
- Guardrails mit Output-Filtern, Policy-Prüfungen und kontrollierten Übergaben
Qualitätssicherung, Evals und Observability
- Automatisierte Evals mit Goldens, Rubrics und Regressionstests
- Prompt-Unit-Tests und Contract-Tests für stabile Schnittstellen
- Integration von Evals und Tests in CI/CD-Pipelines
- Tracing, Metrics und Log-Korrelation für LLM- und Serverless-Komponenten
- Messbare Qualitätskriterien für Änderungen an Prompts, Configs und Services
- Analyse von Latenz, Kosten, Fehlerquoten und Modellverhalten im Betrieb
Delivery, Betrieb und Übergabe in agile Teams
- Definition of Done für KI-Features mit Architektur-, Test- und Betriebsanforderungen
- CI/CD für Prompts, Konfigurationen, Services und Modellzugriffe
- Feature Flags, Canary Releases und Rollback-Strategien
- Runbooks, Incident Response und SLOs für produktive GenAI-Services
- Übergabe an Betrieb und Plattform-Teams mit nachvollziehbaren Artefakten
- Praxis-Lab mit Serverless AI Service als wiederverwendbarem Blueprint
Wer hier richtig ist
- Softwareentwicklerinnen und Softwareentwickler in Produktteams, die KI-Features als APIs, Worker oder event-driven Services umsetzen
- Tech Leads, Solution Architects, Engineering Managerinnen und Engineering Manager mit Verantwortung für GenAI-Architektur und Delivery
- Cloud Engineers, Plattform-Teams, DevOps Engineers und SRE-nahe Rollen, die Serverless AI Workloads betreiben und absichern
- Backend- und API-Teams, die RAG, Tool-Calling, Evals, Observability und CI/CD in bestehende Lieferprozesse integrieren
Das lernst du
- Serverless AI Architekturen mit API, asynchroner Verarbeitung, RAG, Generierung und Betriebskomponenten strukturiert entwerfen
- LLM-Integration, Tool-Calling und Prompt-Strategien als modulare, versionierbare Services umsetzen
- Qualitätssicherung mit Evals, Prompt-Unit-Tests, Contract-Tests und Observability in CI/CD verankern
- Sicherheits- und Governance-Maßnahmen für PII, Secrets, Mandantenfähigkeit, Auditierbarkeit und Policies anwenden
- KI-Features mit Feature Flags, Canary Releases, Rollbacks, Runbooks und SLOs produktionsreif ausrollen
So arbeiten wir
- Kurze fachliche Impulse zu Architekturentscheidungen, Delivery-Mustern und Betriebsanforderungen
- Geführte Hands-on-Übungen mit Review-Schleifen im Team-Setup
- Praxis-Lab zum Aufbau eines Serverless AI Service als wiederverwendbarer Blueprint
- Arbeit mit Checklisten und Templates für Definition of Done, Evals, Guardrails und Runbooks
- Diskussion typischer Fehlerbilder aus Entwicklung, Betrieb, Security und Kostensteuerung
Empfohlene Vorkenntnisse
- Solide Erfahrung in der Entwicklung von Web-APIs, Backend-Services oder cloudnahen Anwendungen
- Grundverständnis von Cloud-Konzepten wie API-Gateways, Functions, Queues, IAM und Deployment-Pipelines
- Grundkenntnisse zu LLMs, Prompts oder RAG sind hilfreich, aber nicht zwingend erforderlich
- Für vertiefende AWS-Betriebsthemen eignen sich ergänzend DevOps Engineering on AWS und Security Engineering on AWS
Dein Fahrplan
Der erste Tag legt die technische Basis für produktionsreife Serverless AI Services. Behandelt werden event-driven Design, Trigger, Queues, Streams, Functions, Container, Jobs, Cold Starts, Concurrency, Timeouts und Kostenmodelle. Anschließend folgt die modulare Integration von LLMs über API-Gateways, Authentifizierung, Rate Limits, Prompt- und Template-Strategien sowie robuste Tool-Calling Patterns.
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
9:00-16:00 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 - praxisnah 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 & 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.
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 Serverless AI Training
Ist das Serverless AI Training eher Architektur oder Coding?
Beides, mit Schwerpunkt auf umsetzbaren Engineering-Entscheidungen. Du arbeitest nicht nur an Konzepten, sondern an einem durchgängigen Blueprint für einen Serverless AI Service mit API, Queue/Worker, RAG, Generierung, Evals, Guardrails, Observability und CI/CD.
Welche Cloud-Plattform wird im Seminar verwendet?
Die vermittelten Muster sind cloud-agnostisch. Begriffe wie Functions, Queues, Streams, API-Gateways, Secrets, Observability und Deployment-Pipelines werden so behandelt, dass du sie auf AWS, Azure, Google Cloud oder interne Plattformen übertragen kannst. Plattformspezifische Vertiefungen sind über ergänzende Trainings möglich.
Geht es im Training auch um RAG und Unternehmenswissen?
Ja. RAG ist ein zentraler Bestandteil des Seminars. Behandelt werden Retrieval, Embeddings, Indexierung, Re-Ranking, Datenaktualität, Mandantenfähigkeit, Kostenaspekte und typische Fehlerquellen bei der Einbindung von Unternehmenswissen in LLM-basierte Services.
Wie werden LLM-Ausgaben zuverlässig getestet?
Das Training zeigt, wie Qualität über automatisierte Evals, Goldens, Rubrics, Regressionstests, Prompt-Unit-Tests und Contract-Tests messbar gemacht wird. Zusätzlich werden Guardrails, Tracing, Metrics und Log-Korrelation behandelt, damit Änderungen nachvollziehbar und rückrollbar bleiben.
Welche Rolle spielen Security und Governance bei Serverless AI?
Security und Governance werden von Beginn an einbezogen. Dazu gehören PII-Handling, Secrets, Key-Management, Token-Handling, Mandantenfähigkeit, Audit-Logs, Policy-Checks und Threat Modeling für GenAI-Workloads. Ziel ist ein KI-Service, der nicht nur funktional, sondern auch betreibbar und kontrollierbar ist.
Eignet sich das Seminar für agile Entwicklungsteams?
Ja. Das Seminar ist auf agile Produkt- und Plattformteams ausgerichtet. Es verbindet User Stories, Definition of Done, CI/CD, Feature Flags, Canary Releases, Rollback-Strategien, Runbooks und SLOs zu einem praxistauglichen Liefermodell für KI-Features.
Muss ich ein eigenes Notebook oder eigene Lizenzen mitbringen?
Nein. Geräte, VMs und Software werden dir, falls erforderlich, zur Verfügung gestellt. Eigene Notebooks oder Lizenzen sind für die Teilnahme nicht notwendig.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs .
Ähnliche Kurse
Machine Learning mit Mathematik: Grundkurs
Large Language Models Aufbaukurs: RAG, Anpassung und Training
LangGraph-Training: KI-Agenten-Workflows bauen
MCP-Training: Server sicher entwickeln und betreiben
Large Language Models Advanced: Eigene LLMs und Tuning
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
