MAS AI Engineering

Im Rahmen des MAS AI Engineering erwerben Sie die Fähigkeit, AI-Engineering-Lösungen End-to-End zu denken und zu gestalten – von der Systemarchitektur über die Modellkomponenten bis hin zur Einbettung in einen stabilen Produktivbetrieb und zur kontinuierlichen Weiterentwicklung. Dies mit dem Ziel, KI-basierte Systeme ganzheitlich zu konzipieren, zu implementieren, produktiv zu betreiben und an sich verändernde Anforderungen anzupassen. 

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, Assistenzsysteme, agentische Anwendungen sowie Technologien wie Prompt Engineering, Context Engineering, RAG, Knowledge Graphs und hybride Architekturen. Ein weiterer Schwerpunkt ist der produktive Betrieb von KI-Systemen: Sie erwerben Kenntnisse zu Cloud-, On-Premises- und Hybrid-Infrastrukturen, Deployment, Skalierung sowie MLOps und LLMOps. Monitoring, Security, Governance, Compliance und Responsible AI. Darüber hinaus eignen Sie sich das Know-how an, um KI-Modelle hinsichtlich Qualität, Robustheit und Performance zu entwickeln, zu trainieren und zu optimieren. Behandelt werden ausserdem Modell- und Datenversionierung, Experiment-Tracking, Drift-Management sowie die kontinuierliche Weiterentwicklung produktiver Modelle.

Der Studiengang verbindet Architektur, Modelle, Softwareentwicklung und Betrieb zu einem ganzheitlichen Engineering-Ansatz und integriert kontinuierlich aktuelle Entwicklungen wie agentische KI-Systeme, Tool-basierte Agentenkommunikation, Threat Modeling sowie moderne Fine-Tuning- und Optimierungsverfahren. Damit bauen Sie ein integriertes, ganzheitliches Kompetenzprofil im AI Engineering auf und positionieren sich damit langfristig als AI Engineer, AI Solution Architect oder Fachperson mit technischer Verantwortung für produktionsreife KI-Lösungen.

Dieser MAS besteht aus folgenden Zertifikatskursen (CAS) sowie einer Masterarbeit.

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

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.