AI for Business with Red Hat Certified Engineer

Dieser Kurs verbindet AI for Business — die strategisch-organisatorische Einordnung von KI-Technologie — mit der Vorbereitung auf die Red Hat Certified Engineer-Prüfung (RHCE, EX294). Der RHCE ist eine vollständig praktische Zertifizierung, die Ansible-Automatisierung auf Red Hat Enterprise Linux in realen Prüfungsumgebungen testet. KI-Systeme laufen in der Praxis fast ausnahmslos auf Linux-Infrastruktur: Wer als Engineer verantwortlich für das Deployment und den Betrieb von ML-Workloads ist, braucht genau das Fundament, das dieser Kurs aufbaut. Dabei steht die Verbindung von Infrastruktur-Automatisierung und dem Verständnis dafür, welche Geschäftsziele KI-Deployments verfolgen sollen, im Mittelpunkt.

Modul 1: KI für Unternehmen — Infrastrukturperspektive KI-Projekte scheitern häufig nicht an fehlender Idee, sondern an mangelhafter Infrastruktur. Dieses Modul vermittelt das Geschäftsverständnis, das Engineers brauchen, um Infrastrukturentscheidungen mit Business-Anforderungen zu verknüpfen. Es richtet sich an technische Fachkräfte, die verstehen wollen, warum bestimmte KI-Systeme gebaut werden — und was das für Infrastruktur-Design und -Betrieb bedeutet.

• Typische KI-Anwendungsfälle in Unternehmen: Predictive Maintenance, NLP-Anwendungen, Bildverarbeitung, Empfehlungssysteme
• Infrastrukturanforderungen verschiedener KI-Workloads: GPU-Nutzung, Speicherbandbreite, Netzwerklatenzen
• On-Premises vs. Cloud vs. Hybrid für KI-Infrastruktur: Entscheidungskriterien
• Total Cost of Ownership für KI-Infrastruktur auf RHEL im Vergleich zu Cloud-Diensten
• Compliance-Anforderungen an KI-Infrastruktur: Datensouveränität, Zugriffsprotokollierung, Auditierbarkeit
• Kommunikation von Infrastrukturthemen an nicht-technische Stakeholder

Modul 2: Red Hat Enterprise Linux Administration für KI-Umgebungen Red Hat Enterprise Linux ist das Betriebssystem der Wahl für unternehmenskritische Workloads — und das gilt zunehmend auch für KI-Infrastruktur. Dieses Modul baut auf RHCSA-Kenntnissen auf und vertieft die Administrations- und Konfigurationsfähigkeiten, die für den Betrieb rechenintensiver KI-Systeme notwendig sind.

• Systemstart, Kernel-Parameter und GRUB-Konfiguration für KI-Workloads optimieren
• Speicherverwaltung: LVM, RAID, NFS und iSCSI für große Datensätze konfigurieren
• Netzwerkkonfiguration: Bonding, VLANs, Firewall-Regeln mit firewalld für KI-Cluster
• SELinux im Kontext von KI-Anwendungen: Policies verstehen, Fehlerbehebung, Anpassung
• Systemd-Dienste für ML-Services verwalten und automatisch starten
• Performance-Monitoring mit SAR, top, perf und eBPF für rechenintensive Prozesse

Modul 3: Ansible-Automatisierung — RHCE EX294 Der Kern der RHCE-Prüfung ist Ansible. EX294 testet ausschließlich praktische Fähigkeiten in einer Live-Red-Hat-Umgebung — Multiple-Choice gibt es nicht. Dieses Modul trainiert systematisch alle Prüfungsthemen und bereitet auf das Praxisformat vor. Übungsszenarien spiegeln typische RHCE-Prüfungsaufgaben wider.

• Ansible-Grundlagen: Inventories, Ad-hoc-Befehle, Playbook-Struktur, Module
• Variablen, Facts und Jinja2-Templating in Playbooks einsetzen
• Ansible Roles: Rollen-Struktur, Wiederverwendbarkeit, Galaxy-Rollen anpassen
• Ansible Vault: verschlüsselte Variablen für Passwörter, API-Keys und Zertifikate
• Fehlerbehandlung: ignore_errors, rescue, always, Handler-Konzept
• Loops, Conditionals und Register für komplexe Automatisierungsaufgaben
• Ansible Tower (AWX): Projekte, Inventories, Credentials, Workflows, Zeitplanung
• Praxisnahe Übungen im RHCE-Format: vollständige Automatisierungsszenarien unter Zeitdruck lösen

Modul 4: KI-Workload-Deployment mit Ansible und Container-Technologien Dieses Modul bringt RHEL-Administration und Ansible zusammen und richtet beides auf einen spezifischen Anwendungsfall aus: das Deployment und den Betrieb von KI-Systemen auf Enterprise-Linux. Von der Einrichtung einer Jupyter-Umgebung für Data Scientists bis zum automatisierten Rollout eines Model-Serving-Clusters werden reale Deployment-Szenarien durchgespielt.

• Ansible-Playbooks für die automatisierte Einrichtung von Python-ML-Umgebungen (virtualenv, conda)
• Container-Deployment mit Podman und Podman-Compose: ML-Services containerisieren
• OpenShift-Grundlagen: KI-Workloads auf einem Enterprise-Kubernetes-Cluster deployen
• Model-Serving mit RHEL: Triton Inference Server, REST-Endpunkte für Modelle bereitstellen
• GPU-Treiber und CUDA auf RHEL automatisiert installieren und konfigurieren
• Monitoring-Stack mit Prometheus und Grafana für KI-Infrastruktur automatisiert deployen
• Ansible-basiertes Patch-Management für produktive KI-Systeme ohne Ausfallzeiten

Dieser Kurs richtet sich an technische Fachkräfte, die Linux-Infrastruktur für KI-Workloads aufbauen, automatisieren und betreiben.

• Linux-Systemadministratoren mit RHCSA-Hintergrund, die sich auf RHCE vorbereiten
• DevOps Engineers, die zunehmend mit ML-Plattformen und KI-Infrastruktur arbeiten
• MLOps-Spezialistinnen und -Spezialisten, die ihre Linux-Automatisierungskompetenz vertiefen wollen
• IT-Infrastrukturverantwortliche in Unternehmen, die KI-Systeme On-Premises betreiben
• Platform Engineers, die KI-Workloads auf Red-Hat-basierten Clustern deployen

Der technische Anteil des Kurses ist stark übungsbasiert: Praktische Laboraufgaben in Red-Hat-Übungsumgebungen begleiten jeden Themenblock. Für die RHCE-Vorbereitung werden regelmäßig vollständige Prüfungsszenarien unter realistischen Bedingungen durchlaufen, damit Teilnehmende das Praxisformat der EX294 kennen und damit umgehen können. Der Business-Teil des Kurses wird durch Live-Diskussionen und Fallanalysen aus realen KI-Deployment-Projekten vermittelt. Das Combined-Learning-Format erlaubt es, technisch anspruchsvolle Inhalte in strukturierten Selbststudiumphasen nachzuarbeiten.

Die Vollzeitweiterbildung dauert mehr als einen Monat bis zu drei Monaten. Der Umfang spiegelt die Tiefe der RHCE-Vorbereitung wider — Ansible-Automatisierung auf Enterprise-Linux-Niveau braucht Zeit für echtes Üben, nicht nur theoretisches Lesen. Teilzeiteinstieg ist auf Anfrage möglich.

Teilnehmende erhalten nach Abschluss ein trägerinternes Zertifikat. Der Kurs bereitet gezielt auf die externe Prüfung Red Hat Certified Engineer (EX294) vor, die als vollständig praktische Prüfung bei Red Hat separat abgelegt werden muss. Das RHCE-Zertifikat ist ein offizielles Herstellerzertifikat von Red Hat (IBM) und läuft nach drei Jahren ab. Eine Verlängerung ist durch eine neuere Prüfungsversion oder den Erwerb einer höherwertigen Red-Hat-Zertifizierung möglich. Es besteht keine staatliche Anerkennung, aber das RHCE ist auf dem Linux-Infrastrukturmarkt eine der anerkanntesten Qualifikationen überhaupt.

Die Verbindung von KI-Business-Verständnis und Linux-Infrastruktur-Exzellenz adressiert eine Qualifikationslücke, die in der Praxis häufig anzutreffen ist: Infrastruktur-Engineers kennen ihre Systeme, verstehen aber oft nicht, warum bestimmte KI-Workloads so laufen, wie sie laufen — und welche Geschäftslogik dahintersteckt. Dieses Verständnis macht den Unterschied zwischen einem Engineer, der Tickets abarbeitet, und einem, der proaktiv Infrastruktur-Entscheidungen mitgestaltet. Die RHCE-Zertifizierung ist auf dem Arbeitsmarkt für Linux-Infrastruktur eine der verlässlichsten Qualifikationen, weil sie ausschließlich praktisch geprüft wird. Kein Multiple-Choice-Glück — wer EX294 besteht, kann Ansible. In Kombination mit dem wachsenden Bedarf an automatisierter KI-Infrastruktur auf Enterprise-Linux entsteht ein Profil, das sowohl in klassischen Systemhäusern als auch in modernen KI-getriebenen Unternehmen gefragt ist. Der Markt für MLOps und KI-Infrastruktur auf Linux wächst schnell: Unternehmen, die KI On-Premises oder in hybriden Umgebungen betreiben, suchen Engineers, die nicht nur Container deployen können, sondern die gesamte Automatisierungskette — von der Systembasisinstallation bis zum skalierbaren Model Serving — beherrschen. Dieser Kurs liefert genau diese Kombination.