Seminar IPCEI-CIS: Daten- und KI-Dienste im Cloud-Edge-Continuum

Cloud-Edge-Anwendungen verteilen Datenaufnahme, Verarbeitung und Auswertung auf mehrere Orte. Daraus entstehen besondere Anforderungen an Schnittstellen, Zustandsverwaltung und die Nachvollziehbarkeit fachlicher Resultate. Das Seminar zeigt, wie ein überschaubarer Datendienst mit KI-Inferenz so aufgebaut wird, dass diese Anforderungen gezielt geprüft werden können.

Die Übungen verwenden synthetische Sensordaten und ein vorbereitetes, ressourcensparendes Modell. Der Schwerpunkt liegt auf Integration, Bereitstellung und Bewertung. Ein vollständiges Modelltraining, produktives Federated Learning und der Aufbau einer komplexen KI-Plattform sind weiterführende Aufgaben und werden nur in ihrer architektonischen Bedeutung eingeordnet.

Lernziele

• Datenverträge und Verarbeitungsgrenzen für eine verteilte Beispielanwendung festlegen.
• Einen vorbereiteten Inferenzdienst integrieren, versionieren und reproduzierbar bereitstellen.
• Datenqualität, Latenz, Fehlerverhalten und den Umgang mit Verbindungsunterbrechungen systematisch testen.

Seminarinhalte

1. Anwendungsfall und Verarbeitungsaufteilung
2. Datenverträge und belastbare Datenwege
3. KI-Inferenz als austauschbarer Dienst
4. Bereitstellung und Artefaktverwaltung
5. Qualität, Schutzbedarf und Beobachtbarkeit
6. Durchgängiger Integrationstest

1. Anwendungsfall und Verarbeitungsaufteilung

Zerlegung einer Sensoranwendung in Datenerfassung, Vorverarbeitung, Inferenz und zentrale Auswertung. Auswahl geeigneter Ausführungsorte anhand von Latenz, Datenumfang, Verfügbarkeit und Ressourcen. Festlegung der benötigten Daten sowie des Verhaltens bei fehlender Verbindung und nicht verfügbaren zentralen Diensten.

2. Datenverträge und belastbare Datenwege

Definition eines versionierten Ereignisformats mit Zeitstempel, Kennung und Qualitätsmerkmalen. Validierung unvollständiger oder fehlerhafter Nachrichten und Behandlung von Duplikaten. Entwurf von Pufferung, Wiederholung und Verarbeitungskontrolle; Prüfung von Ereignisreihenfolge und nachvollziehbarer Fehlerablage anhand synthetischer Messreihen.

3. KI-Inferenz als austauschbarer Dienst

Einbindung des vorbereiteten Modells über eine definierte API. Zuordnung von Eingabeformat, Vorverarbeitung, Modellversion und Ausgabe. Messung von Antwortzeit und Ressourcenbedarf; fachliche Prüfung mit vorgegebenen Testfällen sowie Behandlung von unzulässigen Eingaben und nicht verfügbaren Modellartefakten.

4. Bereitstellung und Artefaktverwaltung

Paketierung von Dienst und Modell mit nachvollziehbaren Versionen. Trennung von Laufzeitkonfiguration und Artefakten sowie kontrollierte Bereitstellung an beiden Teststandorten. Durchführung einer Aktualisierung mit Funktionsprüfung und Rücknahme; Vergleich von zentraler und lokaler Ausführung anhand derselben Testdaten.

5. Qualität, Schutzbedarf und Beobachtbarkeit

Prüfung der Datenminimierung, Zugriffsrechte und aussagekräftiger Protokolle. Unterscheidung zwischen Betriebsmetriken und fachlicher Modellqualität. Beobachtung von auffälligen Eingabeverteilungen und Ausreißern; Festlegung der Fälle, in denen eine Verarbeitung verworfen, zwischengespeichert oder einer fachlichen Kontrolle zugeführt wird.

6. Durchgängiger Integrationstest

Verbindung aller Anwendungsteile zu einem vollständigen Datenfluss. Test mit Verzögerung, Duplikaten, Ausfall des zentralen Dienstes und erneuter Verbindung. Abgleich verarbeiteter Ereignisse mit der Eingangsmenge und Bewertung von Ressourcen, Verarbeitungsgüte und noch bestehenden Grenzen des entwickelten Demonstrators.

Praxisworkshop

1. Ein Ereignisschema und prüfbare Anforderungen an die Sensordaten festlegen.
2. Datenquelle, lokale Vorverarbeitung und vorbereiteten Inferenzdienst miteinander verbinden.
3. Den Dienst mit einer festgelegten Modellversion an beiden Teststandorten bereitstellen.
4. Verbindungsausfall und doppelte Ereignisse simulieren und die Verarbeitung kontrollieren.
5. Fachliche Qualität, Antwortzeiten und Ressourcenverbrauch im selben Testlauf dokumentieren.

Schulungsumgebung

Die Schulungsumgebung wird vom Kunden bereitgestellt. Vorbereitete Python- und Containerumgebung, zwei Teststandorte, lokale Artefaktablage, synthetischer Datengenerator und CPU-fähiges Inferenzmodell. Mindestens 8 vCPU, 16 GB RAM und 80 GB freier Speicher je Übungsgruppe; eine GPU ist für das vorgesehene Modell nicht erforderlich.

Die benötigten Softwarestände, Berechtigungen, Testdaten und Rücksetzmöglichkeiten werden vor Seminarbeginn abgestimmt und geprüft. Übungen erfolgen ausschließlich in freigegebenen Testumgebungen.