MAS AI Engineering

Im Rahmen dieses MAS erwerben Sie die Fähigkeit, AI-Engineering-Lösungen ganzheitlich zu denken und umzusetzen – von der Systemarchitektur über die Entwicklung von Modellen bis hin zum produktiven Betrieb und zur kontinuierlichen Weiterentwicklung. Ziel ist es, KI-basierte Systeme zu konzipieren, zu implementieren, zuverlässig zu betreiben und an sich verändernde Anforderungen anzupassen.

Architektur und KI-Anwendungen

Sie lernen, fachliche und organisatorische Anforderungen in tragfähige KI-Systemarchitekturen zu übersetzen und moderne KI-Anwendungen auf Basis grosser Sprachmodelle zu entwickeln. Dazu gehören:

• Chatbots und Assistenzsysteme
• Agentische Anwendungen
• Prompt Engineering und Context Engineering
• Retrieval-Augmented Generation (RAG)
• Knowledge Graphs
• Hybride KI-Architekturen

Betrieb produktiver KI-Systeme

Ein weiterer Schwerpunkt liegt auf dem produktiven Betrieb von KI-Systemen. Sie erwerben Kenntnisse zu:

• Cloud-, On-Premises- und Hybrid-Infrastrukturen
• Deployment und Skalierung
• MLOps und LLMOps
• Monitoring und Security
• Governance, Compliance und Responsible AI

Entwicklung und Optimierung von Modellen

Darüber hinaus erwerben Sie das Know-how, KI-Modelle hinsichtlich Qualität, Robustheit und Performance zu entwickeln, zu trainieren und zu optimieren. Behandelt werden unter anderem:

• Modell- und Datenversionierung
• Experiment-Tracking
• Drift-Management
• Kontinuierliche Weiterentwicklung produktiver Modelle
• Fine-Tuning- und Optimierungsverfahren

Ein ganzheitlicher Engineering-Ansatz

Der Studiengang verbindet Architektur, Modelle, Softwareentwicklung und Betrieb zu einem integrierten Engineering-Ansatz. Aktuelle Entwicklungen wie agentische KI-Systeme, Tool-basierte Agentenkommunikation und Threat Modeling werden kontinuierlich in das Curriculum integriert.

Damit bauen Sie ein umfassendes Kompetenzprofil im AI Engineering auf und positionieren sich langfristig als AI Engineer, AI Solution Architect oder als Fachperson mit technischer Verantwortung für produktionsreife KI-Lösungen.

Nach Bewilligung durch die Studienleitung kann einer der oben genannten CAS durch einen anderen, von der OST angebotenen CAS mit AI-Bezug ersetzt werden. 

Dieser Weiterbildungsmaster setzt auf moderne, aktivierende Lehr- und Lernformen, die gezielt 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
• Förderung eines Engineering-Mindsets (Builder-Mentalität, Umgang mit Unsicherheit, iterative Lösungsfindung)

Der Fokus liegt auf aktiver Kompetenzentwicklung statt reiner Wissensvermittlung.

Zielgruppe

Dieser MAS richtet sich primär an erfahrene technische Fachpersonen, die Künstliche Intelligenz nicht nur entwickeln oder anwenden, sondern die technische Gesamtverantwortung für KI-basierte Systeme über deren gesamten Lebenszyklus hinweg übernehmen wollen. Angesprochen sind:

• Erfahrene Software Engineers und Senior Software Engineers
• Technical Leads und Solution Architects
• Erfahrene Data Scientists mit starkem System- und Engineering-Fokus
• Technische Fachpersonen an der Schnittstelle von Software Engineering, Data Science und IT-Betrieb

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 KI

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

Nach Abschluss dieses Studienprogramms können Sie

• fachliche, organisatorische und technische Anforderungen analysieren und in robuste sowie skalierbare AI-Engineering-Lösungen überführen;
• KI-Anwendungen auf Basis moderner Modelle und Frameworks konzipieren, entwickeln und in bestehende Software- und Systemlandschaften integrieren;
• leistungsfähige KI-Systemarchitekturen unter Berücksichtigung von Modularität, Wartbarkeit, Erweiterbarkeit und Wirtschaftlichkeit entwerfen;
• LLM-basierte Anwendungen, Retrieval-Augmented-Generation-(RAG)-Lösungen, agentische Systeme sowie hybride KI-Architekturen entwickeln und orchestrieren;
• Methoden des Context Engineering, Prompt Engineering, Reasoning sowie weitere moderne AI-Engineering-Konzepte zielgerichtet anwenden;
• KI-Modelle entwickeln, trainieren, evaluieren und optimieren sowie deren Qualität, Robustheit und Leistungsfähigkeit sicherstellen;
• Verfahren zur Modell- und Datenversionierung, zum Experiment-Tracking sowie zur kontinuierlichen Verbesserung produktiver Modelle anwenden;
• produktionsreife KI-Infrastrukturen planen, implementieren und betreiben sowie Deployment-, Skalierungs-, MLOps- und LLMOps-Konzepte sicher einsetzen;
• den Betrieb von KI-Systemen mithilfe geeigneter Monitoring-, Observability- und Incident-Management-Verfahren überwachen und deren Zuverlässigkeit sowie Verfügbarkeit gewährleisten;
• Security-, Governance-, Compliance- und Responsible-AI-Anforderungen über den gesamten Lebenszyklus von KI-Systemen berücksichtigen;
• technische, wirtschaftliche und organisatorische Risiken sowie Architektur- und Betriebsentscheidungen bewerten und geeignete Engineering-Massnahmen ableiten;
• den gesamten Lebenszyklus moderner KI-Systeme – von der Konzeption über die Entwicklung und den Produktivbetrieb bis zur kontinuierlichen Weiterentwicklung – nach aktuellen AI-Engineering-Prinzipien gestalten.