DevOps Professional – CI/CD, Kubernetes & Terraform – Kurs

Wer DevOps auf Foundation-Niveau verstanden hat, kennt die Sprache und die Prinzipien. Der Professional-Kurs übersetzt dieses konzeptionelle Fundament in operative Handlungskompetenz: Pipelines werden gebaut, nicht nur beschrieben; Container werden orchestriert, nicht nur erklärt; Infrastruktur wird als Code verwaltet, nicht manuell gepflegt. Dieser Kurs ist der nächste Schritt für IT-Fachkräfte, die DevOps-Verantwortung auf technischer Ebene übernehmen wollen — als DevOps Engineer, Cloud Engineer oder Site Reliability Engineer. Im Mittelpunkt stehen CI/CD-Pipeline-Design, Container-Orchestrierung mit Kubernetes, Infrastructure as Code mit Terraform, Git-basierte Workflows sowie die Integration von Sicherheit in den Delivery-Prozess (DevSecOps). Abschluss ist eine Professional-Level-Zertifizierung, die den technischen Kompetenznachweis für anspruchsvolle DevOps-Rollen liefert.

Modul 1 — CI/CD-Pipeline-Design und Umsetzung: Eine gut konzipierte Deployment-Pipeline ist das Kernwerkzeug der DevOps-Praxis. Dieser Block geht über das Foundation-Wissen hinaus und behandelt konkrete Designentscheidungen: Welche Stages braucht eine Pipeline? Wann lohnt sich ein manuelles Approval-Gate? Wie vermeidet man Flaky Tests, die das Vertrauen in die Pipeline untergraben? Reale Pipeline-Strukturen werden analysiert, diskutiert und in Übungsumgebungen nachgebaut.

• Phasen einer Production-Pipeline: Build, Unit-Test, Integration-Test, Staging, Deployment
• Artefakt-Verwaltung und Versionierungsstrategien (Semantic Versioning, Commit-basiert)
• Branch-Strategien: Trunk-Based Development vs. GitFlow — Vor- und Nachteile im Kontext
• Parallele vs. sequentielle Stages: wann welches Pattern sinnvoll ist
• Approval-Gates und manuelle Interventionspunkte korrekt einsetzen
• Flaky-Test-Erkennung und Gegenstrategien in der Pipeline

Modul 2 — Containerisierung mit Docker und Orchestrierung mit Kubernetes: Docker ist die Grundlage, Kubernetes die Plattform. Dieser Block beginnt beim Dockerfile und endet bei produktionsreifen Kubernetes-Deployments. Dabei werden nicht nur die Kommandos behandelt, sondern die Designprinzipien dahinter: warum Immutabilität, warum Deklarativität, warum Orchestrierung statt manueller Verwaltung.

• Docker-Images aufbauen: mehrstufige Builds, Layer-Caching, minimale Base Images
• Container-Netzwerke und Volumes: Isolierung und Persistenz verstehen
• Kubernetes-Architektur: Control Plane, Worker Nodes, etcd und API Server aus Nutzerperspektive
• Deployments, ReplicaSets und StatefulSets für unterschiedliche Anwendungstypen
• ConfigMaps und Secrets: Konfiguration von Code trennen
• Ingress-Ressourcen, Services und interne DNS-Auflösung im Cluster
• Horizontale Auto-Skalierung und Ressourcen-Limits

Modul 3 — Infrastructure as Code mit Terraform und GitOps: Infrastruktur als Code zu verwalten bedeutet: jede Änderung ist nachvollziehbar, jeder Zustand reproduzierbar, kein manueller Klick ohne Dokumentation. Terraform ist das meistgenutzte IaC-Werkzeug im Cloud-Umfeld. GitOps erweitert das Prinzip auf Kubernetes-Deployments — der Git-Zustand ist die einzige Quelle der Wahrheit für den Cluster.

• Terraform-Grundstruktur: Provider, Ressourcen, Variablen, Outputs
• State-Management: lokaler State, Remote Backend, State Locking
• Modular aufgebaute Terraform-Konfigurationen: Wiederverwendbarkeit und Wartbarkeit
• Plan-Apply-Zyklus und Drift-Erkennung im Betrieb
• GitOps-Konzept: Reconciliation Loops, Desired State vs. Actual State
• ArgoCD oder Flux als GitOps-Operatoren: Grundprinzipien und Einsatzszenarien

Modul 4 — Observability, DevSecOps und DORA-Steuerung: Wer DevOps professionell betreibt, misst kontinuierlich. Observability geht über klassisches Monitoring hinaus: Metriken zeigen den Systemzustand, Logs liefern den Kontext, Traces machen verteilte Abläufe sichtbar. DevSecOps integriert Sicherheit als permanente Pipeline-Dimension, nicht als nachgelagerte Prüfung. DORA-Metriken machen Delivery-Performance objektiv vergleichbar und steuerbar.

• Prometheus und Grafana: Metriken sammeln, visualisieren und alertieren
• Log-Aggregation und strukturiertes Logging: Konzepte und Werkzeuge
• Distributed Tracing: OpenTelemetry als Standard, Trace-IDs durch Systemgrenzen verfolgen
• SAST-Tools in die Pipeline integrieren: Ergebnisse interpretieren und priorisieren
• Dependency-Scanning und Container-Image-Scanning: CVE-Workflows
• Secret-Management: Vaults, Umgebungsvariablen und sichere Übergabe in Pipelines
• DORA-Metriken messen: Deployment Frequency, Lead Time, MTTR, Change Failure Rate als Dashboard
• SLO/SLA/SLI-Konzepte: Error Budgets als technische Entscheidungsgrundlage

Praxis-Block — Pipeline-Projekte, Infrastruktur-Setups und Troubleshooting-Szenarien

• End-to-End-Pipeline von Code-Commit bis Kubernetes-Deployment durchkonfigurieren
• Docker-Image mit mehrstufigem Build erstellen und in eine Registry pushen
• Kubernetes-Deployment mit ConfigMap, Service und Ingress aufsetzen
• Terraform-Konfiguration für eine einfache Cloud-Infrastruktur schreiben und anwenden
• Observability-Stack aufsetzen: Prometheus-Scraping, Grafana-Dashboard, Alert-Rule
• DevSecOps-Pipeline: SAST-Tool und Dependency-Scanner in eine bestehende Pipeline einbinden
• DORA-Metrik-Szenario: aus Deployment-Logs Frequency und Lead Time berechnen
• Troubleshooting-Übungen: kaputte Kubernetes-Pods, fehlerhafte Terraform-States, Pipeline-Fehler diagnostizieren
• GitOps-Workflow: Cluster-Zustand per Git-Commit ändern und Reconciliation beobachten
• Release-Strategie entwerfen: Blue/Green-Deployment für eine Webapplikation skizzieren und begründen
• Incident-Szenario: Alert tritt auf, Runbook ausführen, MTTR dokumentieren
• Abschluss-Übung: vollständige DevOps-Umgebung mit Pipeline, Container, IaC und Observability präsentieren

Die Praxisblöcke sind bewusst komplex gehalten: Reale DevOps-Arbeit ist selten das ruhige Durcharbeiten von Tutorials, sondern das Umgehen mit unvollständiger Dokumentation, Fehlermeldungen und Systemzuständen, die nicht dem Soll entsprechen. Troubleshooting-Kompetenz ist daher ein explizites Lernziel dieses Kurses. Zwischen den Modulen steht die Verbindung der Themen im Vordergrund: Eine Pipeline, die keinen Observability-Output produziert, ist unvollständig. Infrastructure as Code ohne Secret-Management ist unsicher. Kubernetes ohne Ressourcen-Limits ist im Produktivbetrieb problematisch. Die integrierende Perspektive unterscheidet professionelle DevOps-Arbeit von bloßem Toolbetrieb.

Dieser Professional-Kurs richtet sich an IT-Fachkräfte mit Entwicklungs- oder Betriebshintergrund, die bereits grundlegende DevOps-Kenntnisse mitbringen oder einen Foundation-Kurs abgeschlossen haben. Auch erfahrene Entwickler oder System-Admins, die den Übergang in eine DevOps-Rolle vollziehen wollen, sind die ideale Zielgruppe.

• Softwareentwicklerinnen und -entwickler, die eigene Deployments betreiben und optimieren wollen
• IT-Admins und Cloud-Engineers, die Infrastruktur automatisiert verwalten möchten
• DevOps Engineers, die bestehende Kenntnisse systematisch vertiefen und zertifizieren wollen
• Site Reliability Engineers in der Weiterbildung
• Technische Leads, die DevOps-Entscheidungen in Teams fachlich fundiert treffen wollen

Der Kurs arbeitet stark hands-on: Konzepte werden eingeführt, direkt in der Übungsumgebung ausprobiert und anschließend vertieft. Dem Verständnis von Fehlermeldungen wird ebenso viel Raum gegeben wie dem Erlernen von Best Practices — wer DevOps professionell betreiben will, muss Fehler diagnostizieren können. Synchrone Live-Unterrichtseinheiten im virtuellen Klassenzimmer werden mit betreuten Laborphasen kombiniert. Teilnehmende erhalten Zugang zu Übungsumgebungen, in denen sie Kubernetes-Cluster, CI/CD-Pipelines und Terraform-Konfigurationen eigenständig aufbauen und testen können.

Der Professional-Kurs ist umfangreicher als der Foundation-Einstieg. Er ist für Vollzeit- und Teilzeitteilnahme ausgelegt; im Vollzeitmodus ist eine kompaktere Durchführung möglich, im Teilzeitmodell lässt er sich mit laufender Berufstätigkeit kombinieren. Synchrone Unterrichtsstunden, betreute Lab-Zeit und eigenständigen Übungsphasen teilen sich den Zeitaufwand. Konkrete Stundenplan-Details werden vor Kursbeginn abgestimmt.

Teilnehmende erhalten nach Kursabschluss eine trägerinterne Teilnahmebescheinigung. Der Kurs bereitet gezielt auf eine anerkannte DevOps-Professional-Zertifizierung vor; die Prüfung wird bei einem akkreditierten Prüfungszentrum abgelegt und ist nicht in der Kursgebühr enthalten. Das Professional-Zertifikat signalisiert auf dem Arbeitsmarkt, dass der Inhaber nicht nur Konzepte kennt, sondern DevOps-Werkzeuge und -Prozesse operativ beherrscht.

DevOps-Professional-Kenntnisse markieren den Unterschied zwischen jemandem, der über DevOps reden kann, und jemandem, der DevOps-Umgebungen tatsächlich aufbaut und betreibt. In einem Markt, in dem Unternehmen händeringend nach technischem DevOps-Personal suchen, ist dieses Kompetenzprofil — Pipelines, Container, IaC, Observability, Security — direkt verwertbar. Wer den Kurs abschließt, bringt das Portfolio an konkreten Fähigkeiten mit, das moderne Cloud- und Produktteams von DevOps Engineers erwarten. Gleichzeitig ist der Professional-Kurs der logische Abschluss eines Lernpfads. Foundation gibt Orientierung, Professional gibt Handlungsfähigkeit. Zusammen bilden sie ein vollständiges DevOps-Qualifikationsprofil, das sowohl technische Tiefe als auch strategisches Verständnis abdeckt — und das durch zwei separate Zertifikate nachgewiesen werden kann. Darüber hinaus hat dieser Kurs eine praktische Dimension, die ihn von reinen Konzeptkursen unterscheidet: Teilnehmende arbeiten mit echten Werkzeugen (Terraform, Kubernetes, Prometheus) in einer Übungsumgebung, die der Produktionsrealität nahekommen soll. Diese Handlungserfahrung ist etwas anderes als das Lesen von Dokumentation — sie ist der Übergang vom Verstehen zum Können, der am Ende über Berufserfolg entscheidet.