Seminar KI in CI/CD und im DevOps-Workflow

KI kann die Analyse fehlgeschlagener Builds, die Pflege kleiner Pipelineabschnitte und die Vorbereitung von Änderungen unterstützen. Das Seminar ordnet diese Aufgaben in einen nachvollziehbaren DevOps-Prozess ein. Im Mittelpunkt stehen überprüfbare Vorschläge, reproduzierbare Ausführung und die Begrenzung von Zugriffen auf Quelltext, Geheimnisse und Zielsysteme.

Die praktische Arbeit erfolgt an einer vorbereiteten Pipeline einer vereinbarten Plattform, beispielsweise GitLab CI oder GitHub Actions. Ein konkreter Ablauf wird vollständig bearbeitet; weitere Plattformen werden nur methodisch eingeordnet. Automatisierte Agentenjobs erhalten definierte Eingaben, begrenzte Laufzeiten und klar erkennbare Fehlerzustände. Die Freigabe einer Änderung wird anhand unabhängiger Tests vorgenommen.

Seminarinhalte

Geeignete Aufgaben auswählen

• Deterministische Prüfungen von Aufgaben mit unklarer Diagnose oder wechselndem Kontext unterscheiden.
• KI-Unterstützung für Logauswertung, Testpflege und Änderungsvorbereitung passend begrenzen.
• Erfolg, maximalen Aufwand und Abbruchbedingungen eines automatisierten Auftrags definieren.

Pipelinefehler analysieren

• Build- und Testfehler reproduzieren und relevante Ausschnitte aus Protokollen auswählen.
• Geheimnisse und unbeteiligte Daten vor der Verwendung als KI-Kontext entfernen.
• Vorgeschlagene Ursachen mit dem tatsächlichen Runner- und Repository-Zustand abgleichen.

Pipelineänderungen entwickeln

• Einen kleinen Pipelineabschnitt mit klaren Eingaben, Artefakten und Fehlerbedingungen überarbeiten.
• Generierte Konfigurationen syntaktisch und durch einen kontrollierten Probelauf prüfen.
• Versionierte Abhängigkeiten und reproduzierbare Umgebungsvorgaben beibehalten.

Agentenjobs kontrolliert ausführen

• Repository-Rechte, zugängliche Geheimnisse und ausgehende Verbindungen passend zur Aufgabe beschränken.
• Zeitlimits, maximale Versuche und ein definiertes Verhalten bei fehlerhaften Antworten festlegen.
• Beiträge aus nicht vertrauenswürdigen Branches oder Forks von Jobs mit erhöhten Rechten trennen.

Review und Freigabe verbinden

• KI-Vorschläge als überprüfbare Änderungen in einem Branch beziehungsweise Merge Request bereitstellen.
• Pflichtprüfungen und Freigaben so anordnen, dass sie unabhängig vom Agentenauftrag wirksam bleiben.
• Verhindern, dass eine generierte Korrektur Prüfungen lediglich abschaltet oder Fehlermeldungen verdeckt.

Betrieb und Fehlerbehandlung

• Aufgabenstatus, Aufrufkosten und manuelle Nacharbeit erfassen, ohne sensible Inhalte unnötig zu protokollieren.
• Wiederholte Aufrufe, partielle Änderungen und Abbrüche nachvollziehbar behandeln.
• Einen Rückfall auf den regulären Entwicklungsprozess bei Ausfall des KI-Dienstes praktisch prüfen.

Praxisaufgabe

1. Einen vorbereiteten Pipelinefehler reproduzieren und einen bereinigten Diagnosekontext zusammenstellen.
2. Die vorgeschlagene Ursache prüfen und eine begrenzte Konfigurationsänderung in einem Branch umsetzen.
3. Einen Agentenjob mit eingeschränkten Rechten und klaren Laufzeitgrenzen erproben.
4. Eine fehlerhafte Antwort und einen Dienstausfall im Schulungsaufbau behandeln.
5. Die Korrektur durch unabhängige Pflichtprüfungen laufen lassen und den Merge Request zur Freigabe vorbereiten.

Zielgruppe

DevOps Engineers, Softwareentwickler, Build- und Releaseverantwortliche sowie Betreiber interner Entwicklungsplattformen.

Voraussetzungen

Git, Terminal, Grundlagen von CI/CD, Containern und automatisierten Tests; eine einfache Pipeline lesen und Fehler darin eingrenzen können.

Schulungsumgebung

Ein vorbereiteter CI-Runner, ein Schulungsrepository, eine vereinbarte CI-Plattform und ein freigegebener KI-Zugang. Testzugänge und Geheimnisse sind vom Produktivbetrieb getrennt. Der Kunde stellt die Schulungsumgebung.