KI-Apps containerisieren mit Podman, Docker & Kubernetes
Vom Container zur skalierbaren Inferenz: Images, Deployments, GPU, Security und Betrieb im Cluster
- Images für Inferenz bauen
- GPU-Container betreiben
- Kubernetes-Deployments umsetzen
- 3 Tage
- Grundlagen
- Online
- Zufriedenheitsgarantie Risikofrei für dich
- Online Live per Videokonferenz
- max. 8 Teilnehmerinnen und Teilnehmer pro Gruppe
- Keine Vorkasse Rechnung nach dem Seminar
Das nimmst du mit
- Images für Inferenz bauen
- GPU-Container betreiben
- Kubernetes-Deployments umsetzen
- Canary- und Blue-Green-Releases
- Secrets, SBOM und Image-Scanning
- Metriken, Logs und Rollbacks
Passt das zu dir?
Damit du den Tag wirklich mitnimmst, lohnt sich ein kurzer Abgleich.
Richtig für dich, wenn
- ML Engineers und Data Scientists mit Verantwortung für Deployment und Betrieb von KI-Services
- DevOps Engineers und Platform Engineers, die KI-Workloads in Container-Plattformen integrieren
- Softwareentwicklerinnen und Softwareentwickler, die Inferenz-APIs containerisiert bereitstellen
- IT-Architektinnen und IT-Architekten, die Standards für KI-Deployment, Security und Betrieb definieren
Das bringst du mit
- Grundkenntnisse in Linux, CLI und Container-Konzepten, zum Beispiel aus der Schulung Einführung in Container mit Podman
- Erste Berührung mit Kubernetes, Cloud-Networking oder Orchestrierung, zum Beispiel durch Container Management und Orchestrierung
- Grundverständnis für Python-basierte KI-Services oder REST-APIs
Dein Lernweg
Tag 1: Container-Images für KI-Services
Der erste Tag behandelt den Aufbau reproduzierbarer Container-Images für KI-Inferenz-Anwendungen. Im Mittelpunkt stehen Base-Images, Layering, Caching, Python-Abhängigkeiten, Lockfiles, Modellartefakte, Mounts, Volumes, Object-Storage-Patterns sowie Konfiguration über Environment-Variablen.
- Image-Aufbau für Inferenz und Training
- Dependency-Strategien für Python-Services
- Artefakt-Handling für Modelle und Daten
- Healthchecks, Logging und Konfiguration
Tag 2: GPU, Performance und Kubernetes-Deployment
Der zweite Tag verbindet GPU-Betrieb mit Kubernetes-Grundlagen für KI-Services. Behandelt werden NVIDIA Container Toolkit / Runtime, CUDA- und Treiber-Kompatibilität, Warmup, Batching, Concurrency, Ressourcensteuerung sowie Deployments, Services, Ingress, ConfigMaps, Secrets und Probes.
- GPU-Container und Treiber-Kompatibilität
- Performance-Muster für Inferenz-APIs
- Deployments, Services und Ingress
- Readiness, Liveness und HPA-Grundlagen
Tag 3: Release, Security und Betrieb
Der dritte Tag konzentriert sich auf kontrollierte Modellwechsel, abgesicherte Deployments und den laufenden Betrieb. Themen sind Blue-Green- und Canary-Releases, Versionierung, Registry-Strategien, Least Privilege, Rootless-Betrieb, SBOM, Image-Scanning, Netzwerk-Policies, Observability, Rollbacks und Incident-Playbooks.
- Canary- und Blue-Green-Releases
- Modellversionierung und Registry-Strategien
- Secrets, SBOM und Image-Scanning
- Metriken, Logs, Rollbacks und Betrieb
Klarheit von Anfang an
Format, Ablauf und alles, was schon enthalten ist. Keine Überraschungen, nur Fokus auf dein Ergebnis.
- Live-OnlineInteraktiv per Videokonferenz, von überall
3 Tage
Kompakt aufgebaut, damit du schnell ins Tun kommst.
max. 8
Kleine Gruppe, damit genug Raum für deine Fragen bleibt.
- Kurze Theorieblöcke mit klaren Entscheidungsregeln
- Geführte Hands-on-Übungen in bereitgestellten Umgebungen
- Praxisnahe Checklisten für Build, Security, Rollout und Betrieb
- Gemeinsame Auswertung typischer Fehlerbilder
Das ist immer dabei
- Ausführliche Schulungsunterlagen und Praxisbeispiele
- Teilnahmezertifikat
- Übungsumgebungen und Beispieldaten
- Nachbetreuung per E-Mail nach dem Seminar
Sichere dir deinen Platz
Wähle den Termin, der zu dir passt. Online live dabei oder vor Ort, ganz wie es für dich passt.
- Erfahrene IT-Trainer aus der Praxis
- Keine Vorkasse, Rechnung nach dem Seminar
- Kostenfreie Umbuchung bis 14 Tage vor Start
Lieber das ganze Team?
Bring dieses Seminar zu euch ins Haus oder lass uns ein Programm bauen, das genau auf euer Unternehmen passt.
Inhouse-Schulung
Wir kommen zu dir und schulen dein Team genau auf eure Praxis.
- Komplett auf eure Use-Cases und Tools zugeschnitten
- Termin und Ort bestimmst du, vor Ort oder Live-Online
- Ein fester Pauschalpreis statt Preis pro Person
Firmen-Seminar
Ein individuelles Programm, das wir auf eure Ziele zuschneiden.
- Frei kombinierbare Module aus unserem Themenkatalog
- Skalierbar von der Kleingruppe bis zur ganzen Belegschaft
- Begleitung über mehrere Termine hinweg möglich
Deine IT-Schulungen München-Expertinnen und -Experten
Du hast Fragen zu Inhalten, Terminen oder einer passenden Lösung für dein Team? Wir beraten dich gern, bevor du buchst. Direkt, ohne Umwege.
Antwort in der Regel am selben Werktag
Dein cmt-Team München
Beratung zu IT-Weiterbildung
Fragen und Antworten zu KI-Apps containerisieren mit Podman, Docker & Kubernetes
Brauche ich eigene Hardware oder Lizenzen?
Nein. Geräte, VMs und Software werden dir, falls erforderlich, zur Verfügung gestellt. Die Übungen sind so angelegt, dass Build, Deployment, Security und Betrieb nachvollziehbar trainiert werden.
Ist die Schulung eher für Data Science oder DevOps gedacht?
Die Schulung verbindet beide Perspektiven. Du arbeitest an der Schnittstelle zwischen KI-Service, Container-Image, Kubernetes-Deployment und Betrieb. Für eine stärkere Cloud- und MLOps-Perspektive passt ergänzend MLOps Engineering on AWS.
Behandelt das Seminar auch Modelltraining im Cluster?
Trainings-Container und Job-Workloads werden eingeordnet, der Schwerpunkt liegt jedoch auf Inferenz, reproduzierbaren Images und produktionsnahen Deployments im Kubernetes-Cluster.
Geht es um bestimmte Frameworks wie PyTorch oder TensorFlow?
Die Schulung ist frameworkbezogen, aber nicht auf ein einzelnes Framework festgelegt. Die Muster gelten für typische Python-basierte KI-Services, Inferenz-APIs und Container-Deployments.
Welche Rolle spielen CI/CD und Registries?
CI/CD wird im Zusammenhang mit Image-Builds, Tags, Registry-Strategien, Rollouts und Rollbacks behandelt. Wer Pipelines gezielt vertiefen möchte, findet in Source Code Management und CI / CD eine passende Ergänzung.
Ist Kubernetes-Vorwissen zwingend erforderlich?
Grundkenntnisse sind hilfreich, aber nicht zwingend. Die relevanten Kubernetes-Bausteine werden auf den Betrieb von KI-Services bezogen erklärt: Deployments, Services, Ingress, ConfigMaps, Secrets, Probes und HPA.
Passende Schulungen
KI-Apps containerisieren mit Podman, Docker &...
Nächster Termin: 07. Dezember 2026 · Online
ab1.950 €netto