Training Module

DevOps ganzheitlich: KI-Governance & Skill-Kompass

Abschlussmodul des DevOps-Kurscluster, das zwei Fäden zusammenführt statt neue Tool-Tiefe aufzumachen: erstens KI-Governance – welche Datenschutz- und Lizenzrisiken beim Einsatz von KI-Werkzeugen im DevOps-Alltag real und offen sind, zweitens der Skill-Kompass – eine Landkarte, die zeigt, dass Fundamentals bleiben und Tools austauschbar sind. Die Enabler-Rolle des DevOps Engineers und das LLM-Grundprinzip sind bereits Thema in DevOps Grundlagen: Philosophie & Kultur (Modul 5 dort) – hier werden sie vorausgesetzt, nicht wiederholt. In diesem 105-Minuten-Modul ordnet ihr KI-Anwendungsfälle je Lifecycle-Phase ein, klärt die Begriffe DataOps/MLOps/AIOps und bewertet in der Hands-on-Übung ein KI-Code-Assistenz-Werkzeug für die fiktive, von der Academy zur Veranschaulichung erstellte BadCompany GmbH.

Academy Briefing vereinbaren

Oder sofort per Mail an kontakt@codecraft.academy

Format

105 Minuten, live (remote oder vor Ort), Input & Hands-on zur Risikobewertung

Teilnehmende

DevOps-Engineers, Teamleitungen und Entscheider:innen, die KI-Werkzeuge im DevOps-Umfeld governance-sicher einordnen und den eigenen Skill-Fokus schärfen wollen

Voraussetzungen

Keine Pflicht; DevOps Grundlagen: Philosophie & Kultur empfohlen (Enabler-Rolle und LLM-Grundprinzip dort, hier vorausgesetzt)

Warum dieses Training für deine Organisation wirkt

Governance statt Alarmismus oder Technikbegeisterung

Trainingsdaten-Rückfluss, IP/Lizenz-Grauzonen und Data-Residency-Fragen werden als das behandelt, was sie sind: teils offene Rechtsfragen, keine Vorsatz-Unterstellung gegen Modellbetreiber – und keine Ersatz-Rechtsberatung.

Fundamentals bleiben, Tools sind austauschbar

Der Skill-Kompass ordnet Linux, Netzwerke, Git, CI/CD, Container/Kubernetes, IaC und Monitoring konzeptionell ein und verweist auf die vertiefenden Kurse der Academy – als Landkarte, nicht als weitere Tool-Vorführung.

Hands-on Risikobewertung statt Bauchgefühl

In der Übung bewertet ihr für die fiktive BadCompany GmbH ein KI-Code-Assistenz-Werkzeug entlang Lifecycle-Nutzen, Datenschutz-Red-Flags und DataOps/MLOps/AIOps-Einordnung – Abgleich mit der Musterlösung inklusive.

Was Teilnehmende mitnehmen

  • Datenschutz- und Lizenzrisiken beim Einsatz von KI-Werkzeugen benennen: Trainingsdaten-Rückfluss, IP/Lizenz-Grauzonen als offene Rechtsfrage, SaaS als verbreitete Bereitstellungsform, Cloud-Act/Data-Residency-Fragen bei US-Anbietern – mit klarem Hinweis, dass dieses Modul keine Rechtsberatung ersetzt.
  • KI-Anwendungsfälle je DevOps-Lifecycle-Phase realistisch einordnen: CI/CD-Root-Cause-Analyse, PM/Onboarding-Assistenz, DevSecOps-CVE-Kontextualisierung – jeweils mit Review-Pflicht, nicht als Autopilot.
  • DataOps, MLOps und AIOps sauber unterscheiden statt als Synonyme zu behandeln.
  • Den Skill-Kompass anwenden: Linux/Netzwerke konzeptionell einordnen, die eigene Landkarte über Git, CI/CD, Container/Kubernetes, IaC und Monitoring mit den vertiefenden Kursen der Academy verknüpfen.
  • Die Kernthese einordnen und für die eigene Lernplanung nutzen: Fundamentals bleiben, Tools sind austauschbar.
  • In der Hands-on-Übung ein KI-Code-Assistenz-Werkzeug für ein fiktives Fallbeispiel bewerten: Lifecycle-Nutzen, mindestens zwei Datenschutz-Red-Flags, Einordnung als reine Codegen-Assistenz vs. DataOps/MLOps/AIOps-nah.

Für wen dieses Modul ideal ist

  • • DevOps-Engineers, die vor der Einführung eines KI-Werkzeugs eine begründete Risikoeinschätzung brauchen
  • • Teamleitungen, die KI-Governance-Fragen im eigenen Bereich einordnen müssen
  • • Entscheider:innen, die vor einer Freigabe- oder Beschaffungsentscheidung für KI-Coding-Werkzeuge stehen
  • • Voraussetzung: keine Pflicht; DevOps Grundlagen empfohlen, wiederholt aber nicht dessen Enabler-Rolle/LLM-Grundlagen

Rahmendaten

  • • Dauer: 105 Minuten live (remote oder vor Ort)
  • • Format: Input, Begriffsklärung und geführtes Hands-on zur Risikobewertung, keine Rechtsberatung
  • • Voraussetzungen: keine Pflicht, DevOps Grundlagen empfohlen

Modulaufbau & Agenda

  1. Kick-off & Abgrenzung (10 min): Format, Ablauf und explizite Abgrenzung – was hier nicht neu erklärt wird: Enabler-Rolle und LLM-Grundlagen (DevOps Grundlagen), Git im Detail (Git Foundations, DevOps Code-Kollaboration), Container/Kubernetes im Vergleich (Docker Grundlagen, Docker Fortgeschritten, Docker Sicherheit & Orchestrierung), CI/CD-Tool-Vergleich (CI: Continuous Integration & der Build-Prozess), Ansible/Terraform als Konzept (DevOps Betrieb), Kubernetes im Detail (Kubernetes verstehen), Prometheus/Grafana (DevOps Monitoring, Docker Betrieb), Go (Go-Grundlagen) und der IaC-Hands-on mit eigenem Code (Pulumi Grundlagen).

  2. KI-Governance: Datenschutz- und Lizenzrisiken (20 min): Trainingsdaten-Rückfluss, IP/Lizenz-Grauzonen als offene Rechtsfrage, SaaS-Bereitstellung, Cloud-Act & Data Residency – mit ausdrücklichem Hinweis, dass dieses Modul keine Rechtsberatung leistet.

  3. KI im DevOps-Lifecycle: Anwendungsfälle je Phase (20 min): CI/CD-Root-Cause-Analyse, PM/Onboarding-Assistenz, DevSecOps-CVE-Kontextualisierung – jeweils mit der Grenze, wo Review-Pflicht bleibt.

  4. Begriffsklärung DataOps/MLOps/AIOps (15 min): drei verwandte, aber unterschiedliche Anwendungen von DevOps-Prinzipien sauber auseinandergehalten.

  5. Der Skill-Kompass: Fundamentals vor Tools (15 min): Linux/Netzwerke konzeptionell (keine Hands-on-Tiefe), eine Landkarte mit Verweisen auf die vertiefenden Kurse der Academy, Kernthese Fundamentals vor Tools.

  6. Hands-on: KI-Werkzeug-Risikobewertung (20 min): für die fiktive BadCompany GmbH, Einheit Platform/Digital, ein KI-Code-Assistenz-SaaS bewerten – Lifecycle-Nutzen, Datenschutz-Red-Flags, DataOps/MLOps/AIOps-Einordnung, Abgleich mit der Musterlösung.

  7. Fazit (5 min): die beiden roten Fäden zusammenführen – Governance als Voraussetzung für verantwortlichen KI-Einsatz, Fundamentals als Kompass für die eigene Weiterbildung.

Dieses Modul ordnet KI-Werkzeuge governance-seitig ein, geht aber nicht in die technische Tiefe eines eigenen KI-Hands-on. Den praktischen Einstieg – ein eigener Ein-Datei-KI-Übersetzer mit dem Docker Model Runner, lokal auf reiner Linux-Docker-Engine ohne GPU-Zwang, plus eine konzeptionelle Einordnung des Docker-MCP-Katalogs – gibt es im Modul Docker Model Runner: KI-Modelle lokal betreiben, MCP im Überblick.

Hands-on Inhalte (Auszug)

KI-Governance-Risiken

  • Trainingsdaten-Rückfluss als Prompt-/Code-Risiko, anbieterabhängig
  • IP/Lizenz-Grauzonen als offene Rechtsfrage, keine Vorsatz-Unterstellung
  • Cloud-Act und Data Residency bei SaaS-KI-Diensten – kein Ersatz für Rechtsberatung

KI im Lifecycle & Begriffsklärung

  • CI/CD-Root-Cause-Analyse, PM/Onboarding-Assistenz, CVE-Kontextualisierung
  • DataOps, MLOps und AIOps trennscharf unterschieden
  • Review-Pflicht bleibt in jedem Anwendungsfall bestehen

Skill-Kompass

  • Linux/Netzwerke konzeptionell, Cloud-native Infrastruktur ganz überwiegend Linux-basiert
  • Landkarte über Git, CI/CD, Container/Kubernetes, IaC, Monitoring mit Kursverweisen
  • Kernthese: Fundamentals bleiben, Tools sind austauschbar

Hands-on: Risikobewertung BadCompany GmbH

  • Einheit Platform/Digital führt ein KI-Code-Assistenz-SaaS ein
  • Mindestens zwei Datenschutz-Red-Flags mit Blick auf die compliance-pflichtige Einheit Finance
  • Rollout-Empfehlung mit Governance-Auflagen, Abgleich mit der Musterlösung

Dieses Modul ist Teil unserer Pilotphase. Gemeinsam mit euch definieren wir passende Metriken (z. B. Trefferquote bei den identifizierten Datenschutz-Red-Flags, Tragfähigkeit der entworfenen Rollout-Empfehlung) und werten sie im Anschluss transparent aus. Ergebnisse veröffentlichen wir, sobald sie belastbar sind.

Bereit, das Modul zu buchen?

Wir passen die Governance-Risiken und die Hands-on-Übung auf eure tatsächliche KI-Werkzeuglandschaft an.

Academy Briefing anfragen