dch iT Academy · AI-101 · Empfohlener Umfang: 2 Tage · Durchführung auf Anfrage

Die Schulung verbindet die Planung eigener IT-Plattformen mit unternehmensinternen KI-Anwendungen. Ausgehend von einem ausgewählten Anwendungsfall erarbeiten die Teilnehmenden ein Zielbild mit Datenquellen, Verantwortlichkeiten und überprüfbaren Ergebnissen. Die Auswahl eines Modells oder einer Hardwareplattform folgt den Anforderungen, nicht umgekehrt.

Zielgruppe und Voraussetzungen

IT-Architekten, Infrastrukturverantwortliche, technische Projektleiter und Betriebsteams. Grundkenntnisse in Virtualisierung, Netzwerken, Speichertechnik und Identitätsverwaltung werden vorausgesetzt. Programmiererfahrung ist nicht erforderlich. Die Veranstaltung bereitet auf die vertiefende RAG-Praxisschulung vor.

Lernziele

• Modelltraining, gezielte Modellanpassung, Modellausführung und Informationssuche unterscheiden.
• Eine RAG-Verarbeitungskette mit Datenquellen, Index, Informationsabruf und Antwortgenerierung skizzieren.
• Zugriffsrechte, Modelllizenzen, Datenverantwortung und Betriebsgrenzen dokumentieren.
• Messbare Kriterien für Antwortqualität, Quellenbezug und Antwortzeit formulieren.
• Herstellerneutrale Architekturentscheidungen von einer konkreten Produktimplementierung unterscheiden.

Tag 1: Anwendungsfall, Daten und Architektur

Wir ordnen große Sprachmodelle und RAG ein und vergleichen die Anreicherung von Antworten mit zusätzlichen Wissensquellen mit klassischer Suche und Modellanpassung. Es folgen Dateninventar, Aktualität, Klassifizierung, Vertrauensgrenzen und Auswahlkriterien für Rechenleistung, Speicher und Netzwerk. VMware Private AI Foundation with NVIDIA dient als mögliches Herstellerbeispiel; Lizenzen und produktive Einsatzbereitschaft werden dadurch nicht vorausgesetzt.

Tag 2: Betriebsmodell und Entscheidungsvorlage

Zugriffsprüfung vor der Informationsweitergabe, Trennung von Nutzungsbereichen und Quellen, Überwachung und Protokollierung sowie Modell- und Indexwechsel stehen im Mittelpunkt. Hinzu kommen Datensicherung, Wiederanlauf, Lastmessung, Zuständigkeiten und Kostenfaktoren. RAG kann zusätzliche Informationen für Antworten bereitstellen, garantiert aber weder deren Richtigkeit noch wirksame Zugriffskontrollen.

Geplante Praxisübungen

1. Einen Anwendungsfall mit Nutzen, Datenbestand und Ausschlusskriterien beschreiben.
2. Datenflüsse und Vertrauensgrenzen in einer Architekturskizze darstellen.
3. Eine Rollen- und Berechtigungsmatrix für drei Nutzergruppen entwickeln.
4. Abnahmekriterien mit Quellenbezug, Antwortzeit und Tests unzulässiger Zugriffe festlegen.

Arbeitsergebnisse und Lernkontrolle

Es entstehen ein Architekturentwurf, ein Entscheidungsregister und ein priorisierter Pilotplan. Zum Abschluss begründet jede Gruppe ihre Komponentenwahl und benennt offene Risiken. Eine automatisierte Zertifizierung ist nicht Bestandteil dieser Veranstaltung.

Labor und Trainer

Konzeptschulung mit synthetischen Beispieldaten. Eine optionale Vorführung wird erst nach Prüfung der verfügbaren Modelle, Hardware und Lizenzen bestätigt. Fachliche Leitung: Daniel Chroszcz. Die Unternehmensangaben zum Private-AI-TAP-Partnerstatus und zum RAG-System sind keine zusätzliche Akkreditierung der Academy.

Fachliche Quellen

Redaktioneller Quellenstand: 09.10.2026. Lewis und Mitautoren: Grundlagen wissensgestützter Antwortgenerierung; VMware: Private AI Foundation with NVIDIA auf VCF 9.0; OWASP: Risiken von Vektoren und Wissensindizes. Die Quellen ersetzen keine praktische Laborprüfung.

Organisation

Eigene Schulung der dch iT Academy, kein pauschal als autorisiert ausgewiesener Herstellerkurs. Unterricht auf Deutsch; Umfang, Laborzugang, Preis und Termin nach Vereinbarung. dch iT GmbH, Lothringer Straße 30D, 28211 Bremen; 0421 54 85 76 55; info@dch-it.de. Dieser Kursdatensatz ist noch nicht für eine direkte Buchung freigegeben.