Kursbeschreibung
Wenn Du Legacy-Systeme betreibst oder weiterentwickelst, kennst Du die typischen Grenzen: begrenzte Schnittstellen, sensible Daten, lange Release-Zyklen und hohe Ausfallkosten. Dieses Seminar zeigt Dir, wie Du trotzdem KI-Funktionen integrierst, die im Alltag messbar helfen und sich sauber betreiben lassen. Du arbeitest entlang eines realistischen Modernisierungspfads, der von der Idee bis zur produktiven Einführung führt. Zuerst identifizierst Du sinnvolle Einstiegspunkte: Wo kann KI Assistenz leisten, ohne Kernlogik zu destabilisieren? Beispiele sind Copilot-Funktionen in Masken, intelligente Suche, Zusammenfassungen von Vorgängen, Entwurfsunterstützung oder Automatisierung von Standardentscheidungen mit klaren Freigaberegeln. Du lernst, wie Du daraus einen belastbaren Business Case ableitest und welche KPIs Du zur Steuerung brauchst. Danach geht es um Architektur und Integration: Du setzt auf Muster wie Facades, Adapter und Anti-Corruption Layer, ergänzt das System über Sidecar-Services und nutzt Events oder Message Broker, wenn direkte Kopplung zu riskant ist. Für RAG entwickelst Du eine Wissensbasis aus Dokumenten, Tickets, Logs oder Code, inklusive Metadaten, Zugriffskontrollen und nachvollziehbaren Antworten. Du behandelst Risiken wie Prompt-Injection, Halluzinationen und Qualitätsdrift mit konkreten Gegenmaßnahmen: Eval-Sets, Golden Prompts, Regressionstests und Observability für Qualität, Kosten und Latenz. Zum Abschluss planst Du Governance, Datenschutz und Betriebsprozesse, damit KI-Features nicht nur funktionieren, sondern auch auditierbar, wartbar und langfristig erweiterbar sind.
Zielgruppe
- Softwarearchitektinnen und Softwarearchitekten in gewachsenen Systemlandschaften
- Entwicklerinnen und Entwickler, die Legacy-Systeme erweitern und betreiben
- IT-Leiterinnen und IT-Leiter sowie Technical Product Owner
- DevOps- und Plattform-Teams mit Verantwortung für Betrieb und Compliance
- Für alle, die KI-Funktionen in Legacy-Software integrieren wollen, ohne ein riskantes Rebuild zu starten
Voraussetzung für die Schulung
- Grundverständnis von Softwarearchitektur, APIs und Deployment-Prozessen.
- Erfahrung mit mindestens einem bestehenden Anwendungssystem (Monolith, Client-Server oder verteilte Services).
Kursinhalte
- Legacy-Analyse und KI-Eignung
- Systemlandkarte, Abhängigkeiten, Datenflüsse
- Hotspots: manuelle Prozesse, Wissensinseln, Tickets
- KI-Use-Cases priorisieren mit Impact/Risiko
- Build vs. Buy vs. Wrap: Entscheidungslogik
- Architekturmuster für KI-Integration
- Strangler Pattern, Anti-Corruption Layer, Facades
- Sidecar-Services und eventgetriebene Erweiterungen
- API-First, Adapter, Message Broker
- Fallback-Strategien und Degradationsmodi
- Daten, Kontext und RAG in Unternehmenssystemen
- Dokumente, Tickets, Logs, Code als Wissensquellen
- Chunking, Metadaten, Zugriffskontrolle
- Embedding-Strategien und Vektorsuche
- RAG-Qualität: Relevanz, Grounding, Zitation
- LLM-Integration in Prozesse und UI
- Copilot-Features: Suche, Zusammenfassung, Entwürfe
- Workflow-Automation mit Human-in-the-Loop
- Prompt-Patterns für robuste Ergebnisse
- Fehlerbilder: Halluzination, Drift, Prompt-Injection
- Security, Datenschutz und Governance
- Threat Modeling für KI-Features
- PII-Handling, Datenminimierung, Retention
- Policy-as-Code: Freigaben, Rollen, Audit
- Modelle: Cloud, On-Prem, Private Endpoints
- Testing, Observability und Betrieb
- Eval-Sets, Golden Prompts, Regressionstests
- Telemetry: Kosten, Latenz, Qualität, Abbrüche
- Release-Strategien: Canary, Feature Flags
- Runbooks, Incident Handling, Rate Limits
- Roadmap und Business Case
- PoC zu Pilot zu Produkt: klare Gates
- KPI-Design: Durchlaufzeit, Qualität, Kosten
- Make-or-Buy für Vektor-DB, Orchestrierung
- Change Management für Fachbereiche
