DevOps und KI-Grundlagen

Passt der Kurs zu dir?

1. 1
   Motivation und Lernbereitschaft
2. 2
   Zuverlässigkeit im jeweiligen Arbeitsfeld
3. 3
   Konkrete Zulassung des gewählten Weges prüfen

Das lernst du

1. 1
   Diese Weiterbildung kombiniert DevOps mit Artificial Intelligence (KI) Grundlagen und vermittelt grundlegendes Wissen zu DevOps-Prinzipien und -Praktiken sowie zu künstlicher Intelligenz. Behandelt werden die Ursprünge und Definition von DevOps, zentrale Konzepte wie Value Stream, Deployment Pipeline und Versionskontrolle sowie deren Anwendung in Organisationen, ergänzt um zentrale KI-Konzepte wie maschinelles Lernen, Datenqualität und generative KI. Zusätzlich werden kulturelle und organisatorische Veränderungsaspekte von DevOps sowie KI-Ethik, Datenschutz und der Business Case für KI beleuchtet. Die Inhalte verbinden moderne Softwareentwicklungspraktiken mit technologischem KI-Verständnis.
2. 2
   DevOps Foundation
3. 3
   o Ursprünge, Definition und Beweggründe für den Einsatz von DevOps sowie gängige Missverständnisse
4. 4
   o Zentrale DevOps-Prinzipien: Value Stream, Deployment Pipeline, Versionskontrolle und Configuration Management
5. 5
   o DevOps-Praktiken im Vergleich zu traditionellen Vorgehensweisen
6. 6
   o Einführung in praktische Anwendung von DevOps: Einsatzmöglichkeiten, Grenzen und Nutzung von Standardsoftware (COTS)
7. 7
   o Weiterentwicklung von Architekturen und Organisationsmodellen
8. 8
   o Zusammenspiel von Agile, Lean und IT Service Management (ITSM) in DevOps
9. 9
   o Prüfungsvorbereitung und Zertifizierung: DevOps Foundation
10. 10
    EXIN BCS Artificial Intelligence Foundation
11. 11
    o Grundlagen der Künstlichen Intelligenz (KI)
12. 12
    o Fachbegriffe, Geschichte und Arten der KI sowie ihre gesellschaftliche Bedeutung und nachhaltige KI
13. 13
    o KI-Ethik, Bias, Datenschutz, ethische Grundprinzipien, Regulierung und Risikomanagement für KI
14. 14
    o Anwendungsbeispiele, Robotik, Grundlagen des Maschinellen Lernens sowie überwachtes, unüberwachtes und semi-überwachtes Lernen
15. 15
    o Datenqualität, Datenrisiken, Daten-Governance, Big Data, Datenvisualisierung, Large Language Models, generative KI und KI-Training
16. 16
    o Business Case für KI, Stakeholder, Projektmanagementansätze, Risiken, Kosten, Nutzen sowie KI-Governance und Implementierung
17. 17
    o Berufliche Chancen, Praxisbeispiele, zukünftige Auswirkungen von KI sowie KI-Bewusstsein und ethische Fragestellungen
18. 18
    o Prüfungsvorbereitung und Zertifizierung: EXIN BCS Artificial Intelligence Foundation
19. 19

    Nächster Schritt

    Unverbindliche Beratung zur individuellen Kurszusammenstellung und flexiblem Starttermin anfragen.
    Diese Weiterbildung kann mit weiteren Kursen aus unserem Angebot im Bereich IT- und Projektmanagement (PRINCE2®, ITIL®, Kanban, Scrum) sowie Microsoft® Office kombiniert werden.
    Über das Qualifizierungschancengesetz ist ein Absolvieren der Weiterbildung ebenfalls berufsbegleitend möglich.

1. 1

   Bremen

   26.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · 1.000–5.000 €

2. 2

   Nürnberg

   26.10.2026 · Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

3. 3

   Hannover

   26.10.2026 · Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

4. 4

   Hamburg

   26.10.2026 · Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

5. 5

   München

   26.10.2026 · Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   KI auf echte Arbeitsaufgaben anwenden

   Deine Branchenkenntnis bleibt wertvoll, wenn du einen Prozess mit KI unterstützt und das Ergebnis prüfst. Gute Praxis beschreibt Ausgangslage, Daten, menschliche Kontrolle und eine überprüfbare Verbesserung, ohne Automatisierung pauschal zu versprechen. Beispiel: Bearbeite einen kleinen Prozess aus deinem bisherigen Beruf und vergleiche Zeitbedarf und Qualität vorher und nachher.

2. 2

   Fachwissen mit neuen Werkzeugen verbinden

   Branchenkenntnis, Kommunikation und Qualitätskontrolle bleiben wichtig. Gerade im Quereinstieg ergänzt du vorhandene Erfahrung durch ein Projekt mit Quellenprüfung, Versionierung, Freigabe und dokumentierten Grenzen. Beispiel: Ein Bewerbungsbeispiel beschreibt Aufgabe, verwendete Werkzeuge, Prüfung der Ergebnisse und Grenzen des Ansatzes.

3. 3

   Verantwortung schrittweise aufbauen

   Projektkoordination, Schulung und Prozessgestaltung verlangen mehr als Toolbedienung. Achte auf Inhalte zu Use-Case-Auswahl, Datenqualität, Prüfung, Dokumentation und Zusammenarbeit. Vergleiche die Kursaufgaben mit den Zielstellen, die du erreichen möchtest. Beispiel: Vergleiche einen Grundlagenkurs mit einem Projektkurs und entscheide nach deinem aktuellen Kenntnisstand.

Themen

Arbeitsmarkt

KI & Machine Learning bundesweit in Zahlen