AI Developer Professional + CCSP Zertifizierung (ISC)²

Dieser Kurs kombiniert die Ausbildung zum AI Developer Professional mit der Vorbereitung auf die CCSP-Zertifizierung von (ISC)². Während der AI-Developer-Teil Sie befähigt, KI-Systeme zu entwerfen, zu trainieren und in produktive Systeme zu integrieren, legt der CCSP-Anteil die Sicherheitsarchitektur für genau diese Systeme in der Cloud. (ISC)² — die Organisation hinter CISSP — hat mit dem Certified Cloud Security Professional eine Zertifizierung geschaffen, die alle sechs wesentlichen Domänen der Cloud-Sicherheit abdeckt: von Datenklassifizierung und Verschlüsselung über Identitätsmanagement bis hin zu rechtlichen und regulatorischen Compliance-Anforderungen. Diese Kombination adressiert den wachsenden Bedarf an Fachkräften, die KI-Systeme nicht nur bauen, sondern in der Cloud auch sicher betreiben können.

Modul 1 — AI Developer Professional: Modelle entwerfen und trainieren Die KI-Entwicklungskomponente legt besonderen Wert auf die Verbindung zwischen Datensicherheit und Modellentwicklung — eine Verbindung, die in Cloud-KI-Kontexten essentiell ist. Sie erarbeiten, wie ML-Modelle in Datenflüssen eingebettet werden und an welchen Stellen Sicherheitsrisiken entstehen. Die Inhalte umfassen

• ML-Workflow: Datenerfassung, Vorverarbeitung, Modelltraining, Evaluation, Deployment
• Klassische Algorithmen: Entscheidungsbäume, Random Forests, Support Vector Machines
• Neuronale Netze: Aufbau, Training, Regularisierungsstrategien
• Privacy-Preserving ML: Differential Privacy, Federated Learning als Konzepte
• Adversarial Robustness: Angriffe auf ML-Modelle und Gegenstrategien
• Model-Deployment als API: Containerisierung, Versionierung, sichere Endpunkte

Modul 2 — AI Developer Professional: Cloud-native KI-Entwicklung Dieser Block behandelt KI-Entwicklung speziell im Cloud-Kontext. Teilnehmende lernen, wie ML-Workflows in Cloud-Architekturen integriert werden und welche Sicherheitsüberlegungen dabei von Beginn an miteinfließen sollten. Die Perspektive ist bewusst architekturisch. Konkrete Themen sind

• Managed ML-Dienste im Vergleich: SageMaker, Azure ML, Vertex AI — Gemeinsamkeiten und Unterschiede
• Serverless Inference: ML-Modelle in Lambda/Cloud Functions ausführen
• Datenverschlüsselung für Trainingsdaten in Object Storage
• Netzwerksicherheit für ML-Endpunkte: Private Endpoints, WAF, Rate Limiting
• Monitoring von KI-Systemen in Produktion: Datendrift, Sicherheitsanomalien
• Compliance-Anforderungen für KI in regulierten Sektoren (Finanz, Gesundheit)

Modul 3 — CCSP-Domänen 1–3: Architektur, Datensicherheit und Infrastruktur Die ersten drei CCSP-Domänen bilden das Fundament des Zertifizierungsprogramms. Sie behandeln Cloud-Konzepte aus Sicherheitsperspektive, beginnend mit Architekturprinzipien und endend mit konkreten Handlungsschritten für Daten und Infrastruktur. Im Einzelnen werden abgedeckt

• Cloud-Referenzarchitekturen: SaaS, PaaS, IaaS und ihre Sicherheitsimplikationen
• Shared-Responsibility-Modell: Was liegt beim Anbieter, was beim Kunden?
• Datensicherheit: Klassifizierung, Datenlebenszyklusmanagement, sichere Löschung in der Cloud
• Verschlüsselung at rest und in transit, Key Management Service (KMS) und HSM
• Cloud-Infrastruktur: virtuelle Netzwerke, Security Groups, Micro-Segmentation
• Penetration Testing in Cloud-Umgebungen: Genehmigungsrahmen, Scope-Einschränkungen

Modul 4 — CCSP-Domänen 4–6: Applikationssicherheit, Operations und Compliance Die letzten drei CCSP-Domänen decken den Anwendungslebenszyklus, den Betrieb und den regulatorischen Rahmen ab. Diese Inhalte sind für KI-Entwickler besonders relevant, da KI-Systeme als Anwendungen in regulierten Umgebungen betrieben werden. Kernthemen sind

• Sichere Softwareentwicklung in der Cloud: DevSecOps, SAST/DAST, OWASP Top 10
• Identity and Access Management: OAuth 2.0, OIDC, SAML, Federation
• Cloud Security Operations: SIEM, SOAR, Incident-Response-Prozesse in der Cloud
• Business Continuity und Disaster Recovery für Cloud-Dienste
• Rechtlicher und regulatorischer Rahmen: DSGVO, HIPAA, PCI DSS, CSA STAR
• CCSP-Prüfungsvorbereitung: Domänengewichtungen, Prüfungsformat, typische Fragetypen

Dieser Kurs richtet sich an IT-Fachleute, die beide Kompetenzfelder — KI-Entwicklung und Cloud-Sicherheit — in einer Qualifikation zusammenführen wollen. Typische Teilnehmende sind

• Cloud Engineers oder Architekten, die KI-Workloads verantworten und die Sicherheitsseite formal zertifizieren möchten
• KI-Entwickler, die in cloud-regulierten Umgebungen (Finanz, Gesundheit, öffentlicher Sektor) arbeiten oder arbeiten wollen
• IT-Sicherheitsberater, die KI-Projekte aus Sicherheitsperspektive begleiten
• Fachleute, die den CCSP als nächste Zertifizierung nach CISSP-Associate oder vergleichbarer Grundlage anstreben

Live-Unterrichtssitzungen im virtuellen Klassenzimmer bilden den Rahmen. KI-Übungen werden in Lab-Umgebungen durchgeführt, in denen Sie Modelle trainieren und in simulierten Cloud-Architekturen absichern. Der CCSP-Teil arbeitet stark mit Szenario-basiertem Lernen — (ISC)² gestaltet seine Prüfungsfragen als Situationsbeschreibungen, auf die Sie die richtige Sicherheitsentscheidung anwenden müssen. Übungsklausuren und Domänen-Reviews bereiten Sie systematisch auf dieses Format vor. An New-Horizons-Standorten steht ein Arbeitsplatz mit zwei Bildschirmen zur Verfügung.

Der Kurs dauert im Vollzeitformat mehr als einen Monat bis zu drei Monaten. Beide Themenblöcke — KI-Entwicklung und CCSP — haben substanziellen Umfang; das Vollzeitformat erlaubt eine Intensivierung, die für die Zertifizierungsvorbereitung sinnvoll ist. Die Gesamtdauer hängt von der individuellen Modulzusammenstellung ab.

Teilnehmende erhalten eine qualifizierte Teilnahmebescheinigung. Das CCSP-Zertifikat wird von (ISC)² nach bestandener Prüfung und Nachweis der Erfahrungsanforderungen ausgestellt. Das Zertifikat muss durch 30 CPE-Stunden jährlich (90 über drei Jahre) und eine jährliche Wartungsgebühr aktiv gehalten werden — eine Anforderung, die den professionellen Anspruch der (ISC)²-Zertifizierungen unterstreicht.

KI-Systeme in der Cloud sind keine isolierten Anwendungen — sie greifen auf große Datenmengen zu, treffen automatisierte Entscheidungen und sind über APIs mit anderen Systemen verbunden. Sicherheitslücken in solchen Systemen haben entsprechend breite Auswirkungen. Der CCSP befähigt dazu, diese Systeme von Anfang an mit der richtigen Sicherheitsarchitektur zu versehen statt Sicherheit nachträglich zu integrieren. Die Kombination aus KI-Entwicklung und CCSP ist am Markt noch selten. Cloud-Sicherheitsarchitekten gibt es viele; KI-Entwickler auch. Aber Fachkräfte, die beide Welten durchdringen, können Rollen übernehmen, die eine einzige Spezialisierung nicht ermöglicht: AI Security Engineer, Cloud-Architekt für regulierte KI-Anwendungen, technischer Berater in Compliance-Projekten mit KI-Beteiligung. Angesichts des EU-AI-Acts und verschärfter Cloud-Sicherheitsanforderungen in regulierten Branchen wird diese Kombination strukturell relevanter — nicht als Modeerscheinung, sondern weil regulatorischer Druck konkrete Kompetenzen verlangt, die bisher selten zertifiziert vorliegen.