Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Grundlagen des KI-gestützten Release-Managements
- Verständnis von Feature Flags und progressiver Bereitstellung
- Kernkonzepte des Canary-Testings und der gestuften Freigabe
- Wo KI in Release-Workflows Mehrwert schafft
Methoden des maschinellen Lernens für Rollout-Entscheidungen
- Baseline-Modellierung des System- und Nutzerverhaltens
- Ansätze zur Anomalie-Erkennung für Frühwarnungen
- Erwägungen zu Trainingsdaten und Feedback-Schleifen
Gestaltung KI-gestützter Feature-Flag-Strategien
- Dynamische Flag-Regeln, gesteuert durch KI-Signale
- Freigabeschwellen und automatische Scoring-Schwellwerte
- Logik für adaptive Erhöhung, Pause oder Rollback
KI-gestützte Canary-Analyse
- Bewertung der Leistung von Canary gegenüber der Baseline
- Gewichtung von Metriken und Erstellung KI-basierter Risikopunkte
- Auslösung automatisierter Entscheidungspfade
Integration von KI-Modellen in Release-Pipelines
- Einbettung von KI-Prüfungen in CI/CD-Phasen
- Anbindung von Feature-Flag-Systemen an ML-Engines
- Verwaltung von Pipelines für hybride automatisierte/manuelle Workflows
Überwachung und Observability für KI-basierte Entscheidungsfindung
- Erforderliche Signale für zuverlässige KI-Inferenz
- Erfassung von Leistungs-, Crash- und Verhaltens-Telemetrie
- Verbindung der Schleife durch kontinuierliches Lernen
Risikomanagement und operative Governance
- Sicherstellung verantwortungsvoller Automatisierung bei Release-Entscheidungen
- Definition menschlicher Prüfbedingungen und Override-Punkte
- Audit KI-gestützter Rollout-Aktionen
Skalierung KI-basierter Rollout-Strategien über Produkte hinweg
- Governance-Rahmenwerke für Multi-Team-Umgebungen
- Wiederverwendbare ML-Komponenten und Modellstandardisierung
- Normalisierung der Telemetrie über Produkte hinweg
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von CI/CD-Workflows
- Erfahrung mit der Nutzung von Feature Flags oder Deployment-Pipelines
- Vertrautheit mit grundlegenden Konzepten der Statistik oder Leistungsüberwachung
Zielgruppe
- Produkt-Ingenieure
- DevOps-Fachkräfte
- Release-Ingenieure und technische Leiter
