Fehlerdiagnose in Produktionssystemen widmet sich der spezifischen Anwendung von DevOps-Prinzipien und Cloud Computing-Technologien zur Identifikation, Analyse und Behebung technischer Störungen innerhalb moderner Fertigungsumgebungen. Ein besonderer Schwerpunkt liegt auf der Integration von AWS, Azure und Kubernetes zur Überwachung, Fehlerlokalisierung und Automatisierung von Problemlösungsprozessen in produktiven Produktionssystemen. Durch die konsequente Nutzung von Infrastructure as Code-Tools wie Terraform und Ansible erleben Sie den vollständigen Lebenszyklus der Fehlerdiagnose - von der Systemerfassung über Monitoring, Logging und Alerting mit Tools wie Jenkins, GitOps und Observability-Plattformen bis zum systematischen Incident Response. Durch realitätsnahe Laborübungen und Spezialmodule für Cloud Security, Continuous Integration und Continuous Deployment (CI/CD) vermittelt der Kurs eine strukturierte Herangehensweise an die Fehlererkennung und -behebung in industriellen Cloud Infrastructure-Umgebungen.
Grundlagen und Kernkonzepte- Präzise Einführung: DevOps, Cloud Computing und Fehlerdiagnose im Produktionskontext
- Systematische Unterschiede zwischen klassischen IT-Lösungen und modernen Cloud Infrastructure-Modellen
- Typische Störungsbilder in Kubernetes-, Docker- und Microservices-Architekturen
- Besondere Anforderungen beim Einsatz von Virtualization und Serverless-Anwendungen
- Überblick über Cloud Security sowie Anforderungen an Logging und SRE in Produktionssystemen
- Relevanz von Automation, Networking und Cloud Engineering für industrielle IT-Landschaften
Technische Implementierung und Praxis
- Konfiguration von CI/CD mit Jenkins, GitOps und Automation-Workflows
- Systematisches Troubleshooting in Linux-basierten Produktionsnetzwerken mithilfe von Python-Skripten
- Nutzung von Monitoring, Logging und Observability für frühzeitige Fehlererkennung
- Infrastructure as Code in der Praxis: Terraform-, Ansible- und Cloud Architecture-Einbindung
- Realisierung robuster Skalierungsstrategien für produktionskritische Microservices
- Workflow-Integration von Cloud Security, Backup und Incident Management auf AWS und Azure
Analyse, Interpretation und Validierung
- Fehleranalyse inkl. Ursachenforschung, Logging-Auswertung und Monitoring-Reports
- Integration von Cloud Infrastructure- und Automation-Daten zur Ergebnisvalidierung
- Best Practices für Dokumentation, Reporting und Compliance im Cloud Engineering
- Nutzung von Observability für Sicherheitsanalysen und Kapazitätsplanung
Praxisprojekte, Fallstudien und Vertiefung
- Umsetzung von Cloud Computing-Projekten mit echten Störfallszenarien
- Anwendung typischer DevOps- und Infrastructure as Code-Techniken in Produktionssystemen
- Entwicklung von Monitoring- und Automation-Strategien bei steigender Systemkomplexität
- Untersuchung aktueller Trends rund um Kubernetes, Microservices und Cloud Security