Ziel

Der Kurs "Data Engineer Grundlagenwissen" zeigt, wie Data Engineers ihre Expertise in der KI-gestützten Softwareentwicklung einsetzen und wie Datenpipelines, Vektordatenbanken und KI-Dateninfrastrukturen für moderne AI-Produkte aufgebaut werden. Diese Weiterbildung vermittelt Data Engineers alle Kompetenzen, die für den Aufbau und Betrieb von KI-tauglichen Datenarchitekturen notwendig sind. Der Kurs richtet sich an Data Engineers, die ihre Rolle im AI Software Engineering ausbauen möchten. Im Seminar entwickeln Teilnehmende eigene KI-Datenpipelines. Diese Schulung ist die praxisnahe Fortbildung für Data Engineers im AI Software Engineering.

Inhalte (Auswahl)
  • KI-Dateninfrastruktur für Data Engineers: Vektordatenbanken, Embeddings und RAG

  • Datenpipelines für AI Software Engineering: ETL, Streaming und Batch-Verarbeitung

  • Feature Engineering für KI-Modelle: Daten für LLMs und ML-Modelle aufbereiten

  • Vektordatenbanken: Pinecone, Weaviate und pgvector im AI Software Engineering

  • LLM-Integration für Data Engineers: APIs, Fine-Tuning und RAG-Architekturen

  • Data Quality im KI-Kontext: saubere Daten für zuverlässige KI-Systeme

  • Monitoring von KI-Datenpipelines: Observability und Drift-Erkennung

  • Agentic AI und Datenzugriff: MCP und Tool-Integration für Data Engineers

Arbeitsweise

Diese Fortbildung kombiniert Data-Engineering-Expertise mit KI-spezifischen Erweiterungen in praxisnahen Übungen. Trainer mit KI-Engineering- und Datenerfahrung aus der Industrie begleiten die Schulung.

Kompetenzen (Ergebnis)
  • KI-taugliche Datenpipelines als Data Engineer aufbauen und betreiben

  • Vektordatenbanken für RAG-Systeme konfigurieren und betreiben

  • LLM-Integrationen datenseitig als Data Engineer unterstützen

  • Data Quality und Monitoring für KI-Systeme sicherstellen

  • Agentic-AI-Datenzugriff mit MCP und Tool-Integration umsetzen

Berufsperspektiven und praktische Anwendung

Data Engineers mit KI-Kompetenz sind in der gesamten Technologiebranche gefragt. Absolventen können sich für entsprechende Stellen als Rollen als AI Data Engineer, ML Engineer oder KI-Datenarchitekt.

Zusammenfassung

Dieser Kurs vermittelt KI-Data-Engineering praxisnah. Von Vektordatenbanken bis Agentic-AI-Datenzugriff werden alle relevanten Technologien und Methoden direkt anwendbar erarbeitet.

Tools (Beispiele)

Pinecone, Weaviate, LangChain, Airflow, dbt, Python, FastAPI, GitHub Copilot