CAS AI Solutions Engineering

In der Praxis zeigt sich immer wieder, dass zwischen der Idee eines KI-Anwendungsfalls und dessen produktiver Umsetzung eine kritische Engineering-Lücke besteht. Typische Herausforderungen sind dabei unklare technische Konzepte und fehlende Architekturentscheidungen, Integrationsprobleme bei der Zusammenführung verschiedener KI-Komponenten, eine unzureichende Berücksichtigung nicht-funktionaler Anforderungen sowie eine starke Abhängigkeit von isolierten Prototypen oder Einzelpersonen statt nachhaltiger, reproduzierbarer Systemlösungen.

Der CAS AI Solutions Engineering vermittelt die Kompetenzen, um AI-native Systeme auf Basis moderner Foundation Models zu entwerfen und strukturiert umzusetzen – architektonisch sauber und mit klarer Nähe zur praktischen Anwendung. Im Zentrum steht dabei die Übersetzung fachlicher und organisatorischer Anforderungen in konkrete AI-Systemarchitekturen.

Dabei werden Large Language Models als zentrale Systemkomponente behandelt sowie deren Erweiterung durch Retrieval-Augmented Generation (RAG), Agentensysteme und Tool-Integration. Darüber hinaus werden multimodale AI-Systeme betrachtet, die Text, Bild, Video, Sprache und Zeitreihen kombinieren, sowie deren Einbettung in reale Anwendungskontexte. Im Fokus steht die Orchestrierung unterschiedlicher Modelle und Datenquellen über einheitliche Schnittstellen und Kontextmechanismen zur Lösung komplexer Aufgaben.

Der CAS legt den Schwerpunkt auf die Konzeption integrierter, erweiterbarer und kontextabhängiger AI-Systeme. Dies umfasst die Definition von Komponenten, Schnittstellen und Datenflüssen sowie die systematische Reflexion von Architekturentscheidungen im Hinblick auf Robustheit und langfristige Nutzung. Der CAS konzentriert sich bewusst auf jene Phase, in der die entscheidenden technischen Weichen für den späteren Betrieb und die Weiterentwicklung von AI-Systemen gestellt werden.

Mit dieser Weiterbildung stärken Sie Ihre Positionierung als Fachperson an der Schnittstelle von Architektur, Umsetzung und Integration moderner AI-Systeme.

Dieser CAS adressiert die technische Entwicklung von KI-basierten Lösungen als integrierte Softwaresysteme. Der Fokus liegt auf robusten, erweiterbaren und wartbaren Lösungsarchitekturen, nicht auf isolierten Modell- oder Tool-Experimenten.

AI-Systemarchitekturen & Systemdesign

• Übersetzung fachlicher und organisatorischer Anforderungen in KI-Systemarchitekturen
• Systemdesign AI-native Anwendungen auf Basis von Foundation Models
• Integration von AI-Komponenten in bestehende Software- und Systemlandschaften
• Bewertung und Auswahl geeigneter Architekturansätze (z. B. RAG, Agenten, klassische servicebasierte Architekturen)

Foundation Models & Multimodale KI-Systeme

• Large Language Models als zentrale Systemkomponente
• Vision- und Speech-Modelle in multimodalen AI-Anwendungen
• Verarbeitung von Text-, Bild-, Sprach-, Video- und Zeitreihen-Workflows
• Kombination spezialisierter Modelle in integrierten Systemen

Context Engineering & Generative AI Patterns

• Context Engineering und Prompting-Strategien
• Reasoning-Konzepte und Test-Time-Compute
• Retrieval-Augmented Generation (RAG)
• Knowledge Graphs und hybride Wissensarchitekturen

Agentische Systeme & Orchestrierung

• Agentische Systeme und Multi-Agenten-Architekturen
• Tool Integration und Tool Calling
• MCP-orientierte Ansätze
• Agent-to-Agent-Kommunikation und Orchestrierungsstrategien

Systembewertung & Architekturentscheidungen

• Systematische Evaluation von AI-Architekturen
• Abhängigkeit von Use Case, Datenlage und nicht-funktionalen Anforderungen
• Trade-offs zwischen RAG, Agentensystemen und klassischen Architekturen
• Robustheit, Erweiterbarkeit und langfristige Systemnutzung
   

Dieser CAS setzt auf moderne, aktivierende Lehr- und Lernformen, die auf die Zielgruppe technischer Fachpersonen ausgerichtet sind:

• Projekt- und problemorientiertes Lernen anhand realitätsnaher Engineering-Szenarien
• Arbeit an konkreten System- und Architekturentwürfen
• Iteratives Vorgehen mit Feedback-Schleifen (Build – Test – Improve)
• Kombination aus Input-Sequenzen, Hands-on-Sessions und Reflexionsphasen
• Einbindung eigener beruflicher Fragestellungen der Teilnehmenden
• Förderung eines Engineering-Mindsets (Builder-Mentalität, Umgang mit Unsicherheit, iterative Lösungsfindung)
• Praktische Labs mit LLM-, RAG- und Agentensystemen
• Gruppenarbeiten zur Entwicklung von AI-Systemdesigns
• Fallstudien aus realen Anwendungsszenarien
• Projektarbeit zur Umsetzung vollständiger AI-Lösungen

Der Fokus liegt auf aktiver Kompetenzentwicklung statt reiner Wissensvermittlung.

Zielgruppe

Dieser CAS richtet sich an technische Fachpersonen, die bereits über fundierte Software- und Systemkompetenzen verfügen und diese gezielt im Bereich AI-basierter Anwendungen und Systemarchitekturen weiterentwickeln möchten. Angesprochen sind insbesondere:

• Informatik-Ingenieurinnen und -Ingenieure, Softwareentwicklerinnen und -entwickler sowie Systemarchitektinnen und -architekten
• Absolventinnen und Absolventen des BSc Informatik, des MSE Computer Science oder vergleichbarer Studiengänge,
• Teilnehmende aus weiterführenden Weiterbildungen wie dem MAS Software Engineering oder spezialisierten CAS (z.B. Frontend Engineering)
• Technische Fachpersonen, die in ihrer beruflichen Praxis zunehmend mit AI-Use-Cases, LLM-basierten Anwendungen oder komplexen AI-Systemen konfrontiert sind

Zulassung

Zugelassen sind Personen

• mit anerkanntem Tertiärabschluss (Universität, Fachhochschule, Höhere Fachschule oder vergleichbarer Abschluss)
• mit mehrjähriger qualifizierter Berufserfahrung
• mit einer Tätigkeit in einem Arbeitsfeld, in dem sie das Gelernte umsetzen können (Prinzip Transferorientierung);
• mit Programmiererfahrung (z.B. in Python oder Java)
• mit einem fundierten Verständnis für die Grundlagen der AI

Bewerberinnen und Bewerber, die über vergleichbare Abschlüsse und entsprechende Berufserfahrung verfügen, können auf Basis einer individuellen Prüfung des Dossiers aufgenommen werden. 

Nach Abschluss dieses Kurses

• übersetzen Sie fachliche, organisatorische und technische Anforderungen systematisch in konkrete AI-Systemarchitekturen und technische Konzepte;
• können  Sie integrierte AI-Lösungen entwerfen und realisieren, indem Sie verschiedene Komponenten zu funktionierenden Gesamtsystemen verbinden und in bestehende Systemlandschaften einbetten;
• berücksichtigen Sie nicht-funktionale Anforderungen wie Wartbarkeit, Erweiterbarkeit, Testbarkeit und Robustheit gezielt bei der Konzeption und Umsetzung;
• treffen Sie fundierte Architektur- und Designentscheidungen, wägen Alternativen ab und vertreten technische Lösungsansätze nachvollziehbar im Projektkontext;
• agieren Sie als technische Schlüsselperson an der Schnittstelle zwischen Fachbereichen, strategischen Rollen und Umsetzungsteams.