iSAQB® SWARC4AI - Softwarearchitektur für KI-Systeme

Ein Modell, das im Notebook überzeugt, ist noch kein System, das im Betrieb hält. SWARC4AI nimmt sich genau diese Strecke vor, für klassisches Machine Learning ebenso wie für generative KI mit RAG und agentischen Workflows. Du wählst Hardware und Modellgrößen, rechnest Betriebskosten durch und beurteilst Angriffe wie Jailbreak oder Data Poisoning. Empfohlen sind Architekturerfahrung und Grundwissen in Python und gängigen ML-Bibliotheken.

iSAQB® Akkreditierter TrainingspartnerTeilnahmezertifikat4,8/5 bei ProvenExpert

Was dieses Modul leistet.

Die KI-Komponente zieht in ein bestehendes System ein und muss sich dort einfügen. SWARC4AI bei tecnovy arbeitet an dieser Nahtstelle, vom Datenfluss über das Serving-Muster bis zur Drift-Überwachung, und du ordnest jedes Vorhaben nach EU AI Act ein.

So läuft das Training

Methode: Fallstudien und Praxisprojekte an realen KI-Szenarien
Grundlage: Offizieller iSAQB Lehrplan 2024.1-rev1
Abschluss: 30 Credit Points: 10 methodisch, 20 technisch, keine Prüfung im Kurs

Termine & Buchung

Passenden Termin wählen

2 Termine

Termine mit diesem Symbol bieten bis zu 25 % Gruppenrabatt. Klicke auf „Details“, um mehr zu erfahren.

Nov 2026 1 Termin

10.–12. Nov 2026MEZ

Di–Do 09:00–17:00

Online-Training Garantiert

Zeitzone MEZ

Sprache Deutsch

Trainer Matthias Bohlen

Plätze Nur 1 frei

2.137 CHF

zzgl. MwSt.

Dez 2026 1 Termin

01.–03. Dez 2026MEZ

Di–Do 09:00–17:00

Schweiz Gruppenrabatt

Stadt Zürich

Sprache Deutsch

Trainer Wird noch veröffentlicht

Plätze 5+ frei

10% Earlybird Rabatt

~~2.850 CHF~~−285 CHF2.565 CHF

zzgl. MwSt.

Passung

Für wen das Modul gedacht ist

Typische Rollen

Du bringst ein trainiertes Modell in ein produktives System und verantwortest die Schnittstelle.
Du entscheidest, ob ein Modell als Service, als Abhängigkeit oder vorberechnet ausgeliefert wird.
Du musst belegen, in welche Risikoklasse des EU AI Act euer KI-System fällt.

Voraussetzungen

Keine Voraussetzungen

Du kannst direkt einsteigen. Hilfreich: Grundverständnis von Künstlicher Intelligenz, Machine Learning und Data Science, Grundwissen in Python und ein Überblick über scikit-learn, TensorFlow und PyTorch, Erfahrung mit Softwarearchitektur, DevOps und dem Entwurf von APIs.

Stattdessen geeignet FLEX Widmet 150 von 600 Unterrichtsminuten den Integrationsprotokollen und Resilienzmustern verteilter Systeme, die SWARC4AI nur als Serving-Muster berührt.

Lehrplan

CPSA® SWARC4AI Kurs im Detail

Der Lehrplan 2024.1 gliedert SWARC4AI in sieben Teile mit 1080 Unterrichtsminuten. Er beginnt bei der Einordnung von KI und den Regeln des EU AI Act, führt über Entwurf, Daten und Betrieb bis zu generativer KI und endet in Fallstudien. Jeder Teil endet bei einer Entscheidung, nicht bei einem Werkzeug.

01Einführung in softwarearchitekturrelevante Konzepte für Künstliche Intelligenz

Dieser Teil klärt, wann ein Problem überhaupt nach KI verlangt und wann klassische Software die bessere Antwort ist.

Abgrenzung von KI, Machine Learning, Deep Learning und generativer KI
Typische Anwendungsfälle und die Grenzen heutiger Modelle
Risiken im Einsatz: Halluzination, Bias und gesellschaftliche Folgen
Rollen im KI-Team: Data Scientist, ML Engineer, AI Architect, MLOps Engineer

02Compliance, Security, Alignment

Hier bekommt dein KI-System eine Rechtslage und eine Angriffsfläche.

Risikoklassen des EU AI Act und was aus jeder von ihnen folgt
Datenschutz, Urheberrecht und Lizenzen offener ML-Modelle
Angriffsarten: Jailbreak, Adversarial Attack, Data Poisoning, Model Inversion
Modelle und Datensätze für die Transparenzpflicht dokumentieren
AI Safety, AI Alignment, Ethikleitlinien und AI Governance für Unternehmen

03Entwurf und Entwicklung von KI-Systemen

Der längste Teil des Lehrplans: wie ein KI-System entworfen und an eine bestehende Architektur angeschlossen wird.

Vorgehensmodelle von CRISP-ML(Q) bis zum Life Cycle generativer KI
Eingabedaten als Tensoren, One-Hot-Encodings und Embeddings
Serving-Muster: Model-as-Service, Model-as-Dependency, Precompute, Hybrid-Serving
Qualitätsmerkmale von Latenz und Robustheit bis Erklärbarkeit und Bias

04Datenmanagement und Datenverarbeitung für KI-Systeme

Ohne tragfähigen Datenfluss bleibt jedes Modell ein Prototyp.

Datenakquise und Labeling, auch mit externen Werkzeugen
ETL-Pipelines sowie Bereinigung, Transformation und Augmentierung
Data Warehouse, Data Lake und Data Mesh im Vergleich
Data Contracts und Data Products als Verantwortungsgrenze

05Wichtige Qualitätsmerkmale für den Betrieb von KI-Systemen

Hier geht es um den Tag nach dem Deployment, an dem das Modell leise schlechter wird.

Hardware für Training und Inferenz, ihre Kosten und ihr Stromverbrauch
Quantisierung, Pruning, Destillierung und LoRA als Tauschgeschäfte
Drift erkennen, Ursachen trennen und Retraining auslösen
MLOps: CI/CD, Modellmanagement, Deployment-Strategien und Monitoring

06Systemarchitekturen und Plattformen für Generative KI-Systeme

Dieser Teil überträgt alles Vorherige auf große Sprachmodelle.

Integrationsebenen von der Anwendung bis zur ML-Infrastruktur
RAG-Anwendungsfälle und -Techniken, Embeddings und Vektordatenbanken
Arten von Prompt Engineering und agentische Workflows
Kostenmanagement und Auswahlkriterien für LLMs

07Fallstudien und Praxisprojekte

Der Abschluss ist reine Übung: der Lehrplan setzt für diesen Teil ebenso viele Übungs- wie Unterrichtsminuten an.

Die Konzepte der sechs Teile davor auf reale Szenarien anwenden
Art der Beispiele und Übungen lässt der Lehrplan bewusst offen
Die Fallstudien richten sich nach den Systemen der Gruppe im Raum

Offizieller Lehrplan

Ergebnis

Was du anschließend leisten kannst

01
Du entscheidest begründet, ob ein Problem mit KI oder mit klassischer Softwareentwicklung gelöst wird.
02
Du ordnest ein KI-System in die Risikoklassen des EU AI Act ein und leitest die Pflichten daraus ab.
03
Du sicherst Modelle gegen Jailbreaks, Adversarial Attacks und Data Poisoning ab.
04
Du wählst zwischen Model-as-Service, Model-as-Dependency, Precompute und Hybrid-Serving.
05
Du entwirfst Datenpipelines und begründest die Wahl zwischen Data Warehouse, Data Lake und Data Mesh.
06
Du erkennst Drift im Betrieb, trennst ihre Ursachen und planst Monitoring und Retraining dafür.
07
Du baust LLM-Anwendungen mit RAG, Prompt Engineering und agentischen Workflows auf.

Credit Points für CPSA-A

Methodische Kompetenz: 10
Technische Kompetenz: 20
Kommunikative Kompetenz: 0

30 von 70 Punkten für die CPSA-A Zulassung

Regeln zu Credit Points Leitfaden →

Teilnahmezertifikat

Das tecnovy Teilnahmezertifikat weist deine Teilnahme am SWARC4AI Training aus, keine bestandene Prüfung.

Certificate Showroom öffnen tecnovy →

≥80%Anwesenheit

Trainer:innen

Matthias Bohlen

iSAQB®

Warum tecnovy

Was du bei uns oben drauf bekommst

iSAQB® Akkreditierter Anbieter

Wir sind ein offiziell akkreditierter Schulungsanbieter des International Software Architecture Qualification Board.

Certificate Showroom

Hol dir dein Teilnahmezertifikat und verbinde es, falls vorhanden, mit deinem Prüfungszertifikat. Vollautomatisiert, schön gestaltet. Nur für dich, nur bei tecnovy.

No Slideshow, Hands-On!

Versprochen: keine PowerPoint-Schlacht. Wir arbeiten in Gruppen, verknüpfen Theorie mit Praxis, und du bekommst Praxisbeispiele unserer erfahrenen Trainer sowie den Austausch mit Gleichgesinnten.

Doppelt hält besser

Gerne darfst du innerhalb eines Jahres die Schulung nochmals online als Refresher besuchen.

Lerne von Experten

Wir garantieren dir stets den Einsatz von didaktisch und methodisch erstklassig qualifizierten Trainern, die ihr Wissen sowohl aus Trainingserfahrung als auch beruflicher Praxis- und Projekterfahrung beziehen.

Flexible Umbuchung

Falls du mal kurzfristig verhindert sein solltest, kannst du deine Schulung bis eine Woche vor Trainingsbeginn kostenlos umbuchen.

FAQs

Häufige Fragen

01Brauche ich CPSA-F, um am SWARC4AI Training teilzunehmen?

Nein. Der iSAQB Lehrplan zum Modul SWARC4AI führt CPSA-F unter dem hilfreichen Vorwissen, nicht unter den Voraussetzungen. Für die spätere CPSA-A Zertifizierung ist CPSA-F dagegen Pflicht.

02Gibt es eine SWARC4AI Prüfung?

Nein. Für das Modul SWARC4AI existiert keine eigene Prüfung. Das tecnovy SWARC4AI Training bringt dir 30 Credit Points und ein Teilnahmezertifikat; geprüft wird erst auf dem Weg zur CPSA-A Zertifizierung, und zwar modulübergreifend.

03Wie viele Credit Points bringt SWARC4AI?

Das tecnovy SWARC4AI Training bringt 30 Credit Points, 20 davon in der technischen und 10 in der methodischen Kompetenz. Kommunikative Punkte vergibt dieses Modul nicht, dafür brauchst du also ein weiteres: die CPSA-A Zulassung verlangt 70 Punkte insgesamt und mindestens 10 in jedem der drei Kompetenzbereiche. Der iSAQB kann die Punktevergabe alle 12 Monate neu bewerten; die Angaben hier haben den Stand August 2026.

04Wie läuft die CPSA-A Zertifizierung ab?

Die CPSA-A Zertifizierung besteht aus einer Hausarbeit. Zwei vom iSAQB anerkannte Prüfer:innen bewerten sie, danach verteidigst du sie im Gespräch. Ablegen kannst du auf Deutsch oder Englisch, und bei Fragen zum Ablauf hilft dir tecnovy gerne weiter.

05Wie lange dauert das SWARC4AI Training?

Das tecnovy SWARC4AI Training dauert drei Tage. Der iSAQB Lehrplan setzt als Minimum ebenfalls drei Tage und 1080 Unterrichtsminuten an, also 18 Zeitstunden auf sieben Teile verteilt. Der längste Teil, Entwurf und Entwicklung von KI-Systemen, nimmt davon allein 320 Minuten.

06Was unterscheidet SWARC4AI von FLEX?

SWARC4AI behandelt die KI-Komponente selbst, FLEX das verteilte System um sie herum. Der FLEX Lehrplan gibt allein 150 seiner 600 Unterrichtsminuten den Integrationsprotokollen, Konsistenzmodellen und Resilienzmustern, während SWARC4AI Integration als Serving-Muster, Datenpipeline und Drift-Überwachung behandelt. Beide bringen 30 Credit Points mit demselben Schlüssel, die Wahl entscheidet sich also allein am Thema.

07Welche Python-Kenntnisse setzt SWARC4AI voraus?

Der iSAQB Lehrplan empfiehlt Grundwissen in Python und einen Überblick über scikit-learn, TensorFlow und PyTorch, macht aber keines davon zur Bedingung für die Teilnahme. SWARC4AI ist ein Architekturmodul: im tecnovy Training entwirfst und bewertest du KI-Systeme, statt Modelle zu programmieren. Ohne dieses Vorwissen bleiben die Teile zu Entwurf und Betrieb anspruchsvoller, verschlossen sind sie nicht.

08Behandelt SWARC4AI auch generative KI und LLMs?

Ja, ein eigener Lehrplanteil mit 160 Unterrichtsminuten gehört der generativen KI. Das tecnovy SWARC4AI Training behandelt dort RAG, Embeddings und Vektordatenbanken, Arten von Prompt Engineering, agentische Workflows und das Kostenmanagement von LLM-Anwendungen. Klassisches Machine Learning verliert dadurch nichts: Daten, Training und Betrieb füllen die übrigen sechs Teile.

09Bekomme ich die Flipcharts aus dem SWARC4AI Training?

Ja. Die Flipcharts aus allen drei Tagen des tecnovy SWARC4AI Trainings bekommst du danach als Fotoprotokoll.

Wie sieht deine Schulung bei tecnovy aus?

SWARC4AISWARC4AI - Softwarearchitektur für KI-Systeme

Bereit für den nächsten Schritt?

Wähle einen öffentlichen Termin oder plane das Training für dein Team.