Betrieb statt Demo

Über das Buch

Genau dazwischen scheitern die meisten KI-Projekte: an stillen Datenänderungen, unkontrollierten Kosten, ungeprüfter Qualität und der Frage, wer nachts den Alarm bekommt. Dieses Buch zeigt, wie Sie KI-Systeme dauerhaft und verantwortbar betreiben – MLOps, LLMOps und Data Engineering als eine gemeinsame Plattform, erklärt am durchgehenden Praxisfall eines Versicherers mit zwei KI-Produkten.

Was dieses Buch Ihnen bringt

• Data Contracts, Lakehouse und Lineage als belastbares Datenfundament
• Feature Stores, Rollouts, Monitoring und Drift für klassische ML-Produkte
• Retrieval, Evaluation, Guardrails und Agenten-Betrieb für GenAI
• Serving, FinOps, Security und AI-Act-Pflichten im Plattformbetrieb
• Referenzarchitekturen, Postmortems und Vorlagen: Data-Contract-Skeleton, SLO-Sheet, Rollout-Plan, Eval-Set, Kostenmodell

Für Data und ML Engineers, Platform-Teams, Architekten und technische Produktverantwortliche im DACH-Raum. Kein Cloud-Provider-Handbuch, kein Prompting-Ratgeber – Werkzeuge werden als austauschbare Implementierung eines stabilen Architekturmodells behandelt.