Seminar GADS – Intensivseminar Gesamtüberblick und Umsetzung

Beschreibung

Dieses Intensivseminar fasst das vollständige GADS-Seminarportfolio in einem fünftägigen, rollenübergreifenden Format zusammen. Es ersetzt keine mehrwöchige Spezialisierung, schafft jedoch ein gemeinsames Arbeitsmodell für Programmleitung, Architektur, Engineering, Datenmanagement, Betrieb und Sicherheit. Alle Themen werden anhand eines zusammenhängenden Einführungsszenarios verdichtet.

Seminarziel

Ein GADS-Vorhaben soll von der Nutzenhypothese über Zielarchitektur, Daten- und Integrationsdesign, Governance, Sicherheit und Betrieb bis zur Pilot- und Migrationsplanung ganzheitlich strukturiert werden können.

Lernziele

• Den Themenbereich „Strategie, Use Cases und Programmrahmen“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.
• Den Themenbereich „Architektur, Edge-Core-Cloud und Multi-Site“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.
• Den Themenbereich „Storage, Lebenszyklus und globale Datenbewegung“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.
• Den Themenbereich „Katalog, Semantik, Qualität und Lineage“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.
• Den Themenbereich „CAx, CAE, Prüfstände und Fachintegration“ fachlich einordnen, strukturiert planen und kontrolliert umsetzen.

Inhaltsübersicht

1. 1. Strategie, Use Cases und Programmrahmen
2. 2. Architektur, Edge-Core-Cloud und Multi-Site
3. 3. Storage, Lebenszyklus und globale Datenbewegung
4. 4. Katalog, Semantik, Qualität und Lineage
5. 5. CAx, CAE, Prüfstände und Fachintegration
6. 6. APIs, Ereignisse, Workflows und DevOps
7. 7. Zugriff, Sicherheit, Compliance und Datenaustausch
8. 8. Betrieb, Monitoring, Backup und Performance
9. 9. Analytics, KI und digitale Zwillinge
10. 10. Einführung, Migration und Gesamtplanung

Zielgruppe

Projektteams, Lösungsarchitekten, technische Leiter, Data Owner, Betriebs- und Security-Verantwortliche mit breitem Aufgabenzuschnitt

Voraussetzungen

Solide IT-Grundkenntnisse und Verständnis von Automotive-Entwicklungsprozessen; bereichsübergreifende Teilnahme empfohlen

Seminarinhalte

1. Strategie, Use Cases und Programmrahmen

Kapitelinhaltsverzeichnis: Geschäfts- und Engineering-Ziele; Use-Case-Canvas und Priorisierung; Datenprodukte und Owner; Nutzenkennzahlen und Risiken; Governance-Leitplanken; Pilotumfang und Entscheidungspunkte

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Geschäfts- und Engineering-Ziele erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Use-Case-Canvas und Priorisierung festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Datenprodukte und Owner entwerfen.
4. Nutzenkennzahlen und Risiken schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Governance-Leitplanken prüfen.
6. Ergebnis anhand von Pilotumfang und Entscheidungspunkte verifizieren und nachvollziehbar dokumentieren.

Praxis: Ein priorisiertes Use-Case-Portfolio mit Pilotauftrag erstellen.

2. Architektur, Edge-Core-Cloud und Multi-Site

Kapitelinhaltsverzeichnis: logische Komponenten; Steuerungs- und Datenebene; Standorte und Netzgrenzen; Datenlokalität und Orchestrierung; Resilienz und Ausfall; Zielbild und Architekturentscheidungen

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für logische Komponenten erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Steuerungs- und Datenebene festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Standorte und Netzgrenzen entwerfen.
4. Datenlokalität und Orchestrierung schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Resilienz und Ausfall prüfen.
6. Ergebnis anhand von Zielbild und Architekturentscheidungen verifizieren und nachvollziehbar dokumentieren.

Praxis: Eine belastbare Zielarchitektur für drei Standorte und Cloud-Ressourcen entwickeln.

3. Storage, Lebenszyklus und globale Datenbewegung

Kapitelinhaltsverzeichnis: Datenklassen und Speicherprofile; Aufnahme und Streaming; Tiering und Caching; Retention und Archiv; Transferprioritäten und Bandbreite; Kapazität und Kosten

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Datenklassen und Speicherprofile erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Aufnahme und Streaming festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Tiering und Caching entwerfen.
4. Retention und Archiv schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Transferprioritäten und Bandbreite prüfen.
6. Ergebnis anhand von Kapazität und Kosten verifizieren und nachvollziehbar dokumentieren.

Praxis: Datenplatzierungs- und Lebenszyklusregeln für mehrere Datenklassen formulieren.

4. Katalog, Semantik, Qualität und Lineage

Kapitelinhaltsverzeichnis: Metadatenklassen und Pflichtfelder; Taxonomie und semantische Beziehungen; Qualitätsregeln und Schwellen; Lineage und Digital Thread; Integrität und Freigabe; Suche und Wiederverwendung

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Metadatenklassen und Pflichtfelder erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Taxonomie und semantische Beziehungen festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Qualitätsregeln und Schwellen entwerfen.
4. Lineage und Digital Thread schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Integrität und Freigabe prüfen.
6. Ergebnis anhand von Suche und Wiederverwendung verifizieren und nachvollziehbar dokumentieren.

Praxis: Ein Datenprodukt mit Metadaten-, Qualitäts- und Traceability-Nachweis modellieren.

5. CAx, CAE, Prüfstände und Fachintegration

Kapitelinhaltsverzeichnis: Engineering-Werkzeuge und Formate; große Dateien und Laufdaten; Konnektoren und Extraktion; Simulation und Ergebnisbezug; Policy-Orchestrierung; Reproduzierbarkeit und Abnahme

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Engineering-Werkzeuge und Formate erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für große Dateien und Laufdaten festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Konnektoren und Extraktion entwerfen.
4. Simulation und Ergebnisbezug schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Policy-Orchestrierung prüfen.
6. Ergebnis anhand von Reproduzierbarkeit und Abnahme verifizieren und nachvollziehbar dokumentieren.

Praxis: Eine Engineering-Datenkette vom Prüfstand bis zum freigegebenen Ergebnis skizzieren.

6. APIs, Ereignisse, Workflows und DevOps

Kapitelinhaltsverzeichnis: API- und Ereignisverträge; Serviceidentitäten und Berechtigungen; Idempotenz und Fehlerpfade; langlebige Workflows; IaC und CI/CD; Tests, Rollout und Rollback

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für API- und Ereignisverträge erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Serviceidentitäten und Berechtigungen festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Idempotenz und Fehlerpfade entwerfen.
4. langlebige Workflows schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für IaC und CI/CD prüfen.
6. Ergebnis anhand von Tests, Rollout und Rollback verifizieren und nachvollziehbar dokumentieren.

Praxis: Eine automatisierte Integrations- und Deploymentkette mit Qualitätsgates entwerfen.

7. Zugriff, Sicherheit, Compliance und Datenaustausch

Kapitelinhaltsverzeichnis: Rollen und Attribute; Authentifizierung und Secrets; Schutz- und Vertrauenszonen; Zweckbindung und Partnerfreigabe; Audit und Rezertifizierung; Incident und Beweissicherung

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Rollen und Attribute erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Authentifizierung und Secrets festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Schutz- und Vertrauenszonen entwerfen.
4. Zweckbindung und Partnerfreigabe schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Audit und Rezertifizierung prüfen.
6. Ergebnis anhand von Incident und Beweissicherung verifizieren und nachvollziehbar dokumentieren.

Praxis: Ein Sicherheits- und Austauschmodell für interne und externe Datennutzung erstellen.

8. Betrieb, Monitoring, Backup und Performance

Kapitelinhaltsverzeichnis: Service-Level und Betriebsrollen; Metriken, Logs und Traces; Alarmierung und Runbooks; Backup, Restore und Standortausfall; Last, Engpass und Skalierung; Kapazitäts- und Kostenbericht

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Service-Level und Betriebsrollen erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Metriken, Logs und Traces festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Alarmierung und Runbooks entwerfen.
4. Backup, Restore und Standortausfall schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Last, Engpass und Skalierung prüfen.
6. Ergebnis anhand von Kapazitäts- und Kostenbericht verifizieren und nachvollziehbar dokumentieren.

Praxis: Ein Betriebshandbuch-Entwurf mit Dashboard, Recovery und Kapazitätsmodell erstellen.

9. Analytics, KI und digitale Zwillinge

Kapitelinhaltsverzeichnis: Analyse- und KI-Ziele; Datenbereitstellung und Version; Feature- und Trainingsdaten; Modell- und Ergebnislineage; digitaler Zwilling; Qualität, Freigabe und Überwachung

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Analyse- und KI-Ziele erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Datenbereitstellung und Version festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Feature- und Trainingsdaten entwerfen.
4. Modell- und Ergebnislineage schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für digitaler Zwilling prüfen.
6. Ergebnis anhand von Qualität, Freigabe und Überwachung verifizieren und nachvollziehbar dokumentieren.

Praxis: Einen KI-Use-Case mit nachvollziehbarer Daten- und Modellkette einordnen.

10. Einführung, Migration und Gesamtplanung

Kapitelinhaltsverzeichnis: Ist-Analyse und Dateninventar; Migrationswellen und Parallelbetrieb; Test, Last und Abnahme; Betriebsübergabe und Schulung; Risiken und Rückfall; 90-Tage-Roadmap

1. Ausgangslage, Datenquellen und Verantwortlichkeiten für Ist-Analyse und Dateninventar erfassen.
2. Anforderungen, Abhängigkeiten und Qualitätskriterien für Migrationswellen und Parallelbetrieb festlegen.
3. Zielmodell, Regeln und technische Umsetzung für Test, Last und Abnahme entwerfen.
4. Betriebsübergabe und Schulung schrittweise konfigurieren oder anhand eines Referenzablaufs modellieren.
5. Normalbetrieb, Fehlerfälle und Grenzbedingungen für Risiken und Rückfall prüfen.
6. Ergebnis anhand von 90-Tage-Roadmap verifizieren und nachvollziehbar dokumentieren.

Praxis: Alle Teilergebnisse zu einer konsistenten Einführungs- und Entscheidungsvorlage zusammenführen.

Praxisanteile

Die Übungen bauen auf einem konsistenten Automotive-Datenszenario auf. Konfigurationen, Architekturentscheidungen, Prüfprotokolle und Betriebsmaßnahmen werden so dokumentiert, dass sie in ein eigenes Einführungs- oder Betriebskonzept übertragen werden können.