Seminar Sovereign AI Platform Engineer – Infrastruktur und Betrieb intensiv

Das Intensivformat richtet sich an erfahrene technische Rollen, die eine souveräne AI-Plattform als Infrastrukturprodukt aufbauen und betreiben. Die Inhalte verdichten die Architektur-, Kubernetes-, Beschleuniger-, Automatisierungs-, Sicherheits- und Betriebsseminare zu einer durchgängigen Arbeitswoche.

Im Mittelpunkt steht ein Capstone-Cluster, der schrittweise provisioniert, gehärtet, mit Beschleunigerressourcen ausgestattet, über GitOps verwaltet, überwacht und in Fehler- sowie Wiederherstellungsszenarien geprüft wird.

Einordnung und Nutzen

Fünf Tage sind die maximal sinnvolle Dauer und zugleich notwendig, um die zusammengefassten Infrastrukturthemen nicht auf Vortragsniveau zu reduzieren. Vertiefte Spezialübungen der Einzelmodule werden zugunsten eines vollständigen End-to-End-Aufbaus verdichtet.

Zielgruppe

• Erfahrene Kubernetes- und Linux-Administration
• Platform Engineering, DevSecOps und SRE
• Technische Architekten und AI-Infrastrukturverantwortliche

Voraussetzungen

• Sichere Linux-, Netzwerk- und Containerkenntnisse
• Praktische Kubernetes-Grundkenntnisse
• Erfahrung mit Git, YAML und Kommandozeile

Lernziele

• Eine souveräne AI-Infrastruktur als Plattformprodukt entwerfen
• Kubernetes und Beschleuniger reproduzierbar bereitstellen
• GitOps-, Zero-Trust- und Lieferkettenkontrollen integrieren
• Plattformbetrieb anhand von SLO, Kosten und Wiederanlauf steuern

Seminarinhalte

Tag 1: Architektur und Kubernetes-Baseline

• Souveränitätsanforderungen, Zonen und Zieltopologie
• Clusterbasis, Netzwerk, Storage, Identität und Mandanten
• Minimaler interner AI-Dienst als Plattformtest

Tag 2: Beschleuniger und Ressourcen

• Device Plugins, DRA und Hardwareinventar
• Kueue, faire Quoten, Prioritäten, Sharing und Topology-Aware Scheduling
• Leistungs- und Kapazitätsmessung

Tag 3: Automatisierung, Security und Air Gap

• OpenTofu, Ansible, Helm, Kustomize und Argo CD
• Zero Trust, Secrets, CEL-basierte Policies, Signaturen, Attestierungen und SBOM
• Registry, Offline-Bundles und kontrollierte Aktualisierung

Tag 4: Observability, SRE und FinOps

• Metriken, Logs, Traces und SLO
• GPU-, Modellserver- und Plattformkapazität
• Kostenstellen, Effizienzregeln, Alarmierung und Runbooks

Tag 5: Hochverfügbarkeit und Capstone

• Velero, CSI-Snapshots, Restore, RTO, RPO und Wiederanlaufreihenfolge
• Fehler-, Failover- und Rollbackszenarien
• Abnahme des Plattformzustands und Betriebsübergabe

Durchgängige Betriebsorganisation

• Rollen, Änderungspfade und Wartungsfenster
• Evidenz, Runbooks und technische Freigabepunkte
• Reifegrad und Ausbaubacklog

Praktische Übungen

• Provisionierung und GitOps-Bootstrap des Capstone-Clusters
• Einbindung und Scheduling von Beschleunigerressourcen
• Härtung mit Identität, Netzwerk, Policy und signierter Lieferkette
• Aufbau von SLO-Dashboards und Kapazitätsregeln
• Durchführung eines kombinierten Ausfall-, Restore- und Rollbackszenarios

Methodik

Das Labor zieht sich durch alle fünf Tage. Fachliche Vertiefung, Konfiguration, Messung und Störung werden an derselben Plattform durchgeführt, damit Wechselwirkungen sichtbar bleiben.