- Tag 1 - Moderne Analytics-Plattformen & Data Stacks
- Grenzen klassischer DWH- & Big-Data-Architekturen
- Modern Data Stack - Überblick
- ELT & Transformation als Code
- Versionierung, Testing & Deployment von Datenpipelines
- Lakehouse-Konzepte
- Domänengetriebene Analytics (Data Mesh - Einordnung)
- Tag 2 - Advanced Analytics, AI & Governance
- Data Science in produktiven Analytics-Architekturen
- Anforderungen an Datenplattformen für ML & AI
- AI-Architekturen im Analytics-Kontext
- Retrieval-Augmented Generation (RAG):
- Einordnung
- Abgrenzung zu DWH & BI
- Governance, Sicherheit & Compliance
- Architektur-Patterns & Best Practices
LernzieleNach Abschluss des Advanced-Seminars sind die Teilnehmenden in der Lage, moderne Analytics- und AI-Architekturen gezielt zu entwerfen, weiterzuentwickeln und kritisch zu bewerten. Sie verstehen, welche architektonischen Voraussetzungen für skalierende BI-, Analytics- und AI-Anwendungen erforderlich sind.
Dies ermöglicht insbesondere:
- Bewertung moderner Analytics- und Data-Plattformen
- Architekturentscheidungen für Advanced-Analytics- und AI-Use-Cases
- Integration von AI- und RAG-Architekturen in bestehende Systeme
- Berücksichtigung von Governance- und Sicherheitsanforderungen
- Gestaltung zukunftsfähiger Analytics-Lösungen
ZielgruppenDieses Advanced-Seminar richtet sich an BI-Entwickler, Data Engineers, Analytics- und IT-Architekten sowie Projektleiter, die bestehende BI- und DWH-Architekturen modernisieren oder weiterentwickeln. Ebenso profitieren Data Scientists, Plattformverantwortliche und technische Berater, die Analytics- und AI-Lösungen konzipieren oder in produktive Umgebungen integrieren. Auch Entscheidungsträger mit technischer Verantwortung, die Architektur- und Technologieentscheidungen im BI- und Analytics-Umfeld treffen, erhalten wertvolle Orientierung und Entscheidungsgrundlagen.
