physar / Track
AI-Grundlagen für den IT-Betrieb
Der belastbare Einstieg für IT-Praktiker: Modelle einordnen, Verhalten und Grenzen verstehen, Wissen und Werkzeuge kontrolliert anbinden und Qualität, Sicherheit, Kosten sowie Einführung als Systementscheidungen behandeln.
Track Boss · Abschlusslage
Capstone — die Achsen zusammen anwenden
Eine verdichtete Lage mit interaktiver Mission. Spiele sie zum Abschluss oder früh als anspruchsvollen Realitätscheck.
Dein Weg durch „AI-Grundlagen für den IT-Betrieb“
Erste Session
KI-Landkarte & Modelllebenszyklus
~25 Min
Erste Woche (Richtwert ~45 Min)
Summe: ~25 Min
Das erste Modul wird immer vollständig eingeplant; deshalb kann die Summe über dem Richtwert liegen.
Zwischenziele
Praktisches Ergebnis
Danach kannst du regelbasierte, diskriminative und generative Systeme unterscheiden. · Du ordnest Pretraining, Post-Training, Fine-Tuning und Laufzeitkontext dem richtigen Problem zu. · Du erkennst, wann Verlässlichkeit im umgebenden System statt im Modell entstehen muss. · Danach kannst du Token-, Zeichen- und Kontextbudgets auseinanderhalten. · Du erklärst Nichtdeterminismus und wählst Sampling-Parameter passend zur Aufgabe. · Du baust Struktur- und Wissensanforderungen als Systemkontrollen statt als Hoffnung in den Prompt. · Danach kannst du Code, Klassifikator, Extraktionsmodell und LLM gegeneinander abgrenzen. · Du leitest den Automatisierungsgrad aus Fehlerkosten und Reversibilität ab. · Du zerlegst multimodale Aufgaben in spezialisierte und generative Schritte. · Danach kannst du zentrale LLM-Fehlermodi anhand beobachtbarer Symptome unterscheiden. · Du wählst externe Berechnung, Constraints, Grounding oder Kalibrierung passend zur Ursache. · Du behandelst Selbstsicherheit und Judge-Scores nicht als ungeprüfte Konfidenz. · Danach kannst du Embedding-Ähnlichkeit von Wahrheit und Konfidenz unterscheiden. · Du wählst lexikalisches, semantisches oder hybrides Retrieval anhand der Query-Verteilung. · Du diagnostizierst Retrieval und Generierung getrennt und erzwingst nachvollziehbaren Quellenvorrang. · Danach kannst du Modellentscheidung, Tool-Aufruf und reale Ausführung auseinanderhalten. · Du unterscheidest feste Workflows von agentischen Schleifen. · Du begrenzt schreibende Werkzeuge durch Schema, Berechtigung, Bestätigung und Idempotenz. · Danach kannst du ein präzisiertes Eval-Set und messbare Akzeptanzgrenzen entwerfen. · Du kombinierst Offline-Evaluation, Produktionsstichproben und Regressionsgates. · Du dimensionierst menschliche Kontrolle nach Risiko, Kapazität und Automatisierungs-Bias. · Danach kannst du Daten vor der Übermittlung minimieren und Aufbewahrung bewusst festlegen. · Du erkennst direkte und indirekte Prompt Injection sowie unsichere Ausgabeverarbeitung. · Du setzt Trust Boundaries, Least Privilege und Geheimnisverwaltung außerhalb des Modellkontexts um. · Danach kannst du Kosten- und Latenztreiber entlang von Prefill und Decode messen. · Du wählst Modelle und Routing anhand eines eigenen Qualitätsgates. · Du vergleichst API und Eigenbetrieb inklusive Auslastung, Exit-Fähigkeit und Betriebsarbeit. · Danach kannst du Nutzen als Nettoeffekt nach Prüf- und Fehleraufwand berechnen. · Du schneidest einen Pilot mit Baseline, Schattenbetrieb und Abbruchkriterium zu. · Du dokumentierst Anwendungsfälle, Risiko, Verantwortliche und Transparenzpflichten proportional. · Danach kannst du eine KI-Anfrage entlang aller Grundlagenachsen triagieren. · Du diagnostizierst schlechte Ergebnisse in einer belastbaren Reihenfolge. · Du entwirfst einen kontrollierten Rollout mit messbaren Gates und klaren Trust Boundaries.
Voraussetzungen
Der Katalog weist keine formalen Voraussetzungen aus — beim ersten sichtbaren Modul starten.
Pausieren & Fortsetzen
Nach jedem Modul kannst du pausieren und später fortsetzen. Ohne Konto hängt der gespeicherte Stand von den Browserdaten ab; mit Konto wird er geräteübergreifend synchronisiert.