KKC_0302 | MLOps Training in Air-Gapped Umgebungen

Air-Gapped Netzwerke sind kein Sonderfall mehr, sondern für viele Organisationen der Standard, sobald Schutzbedarf, Geheimhaltung oder regulatorische Vorgaben steigen. In diesem Seminar bauen Sie ein belastbares MLOps-Betriebsmodell für genau diese Realität auf. Sie starten mit einem sauberen Bedrohungsmodell und leiten daraus Architekturentscheidungen ab: Wie trennen Sie Dev, Build, Deploy und Run, wie definieren Sie Trust Boundaries, und wie gestalten Sie Datenflüsse so, dass sie auditierbar und kontrollierbar bleiben?

Anschließend setzen Sie den Schwerpunkt auf Supply-Chain Security für ML. Sie lernen, wie Abhängigkeiten, Container-Images und Modell-Artefakte in einer Offline-Welt verwaltet werden, wie Signierung und Verifikation (z. B.

mit Cosign) in Freigabeprozesse eingebunden werden und wie Policy-as-Code echte Gates zwischen Entwicklungs- und Produktionsumgebung schafft. Ein weiterer Block behandelt reproduzierbare, möglichst hermetische Builds, private Registries und Paket-Repositories sowie Artifact Promotion, damit zwischen Dev und Prod keine Drift entsteht. Für Daten- und Feature-Workflows entwickeln Sie Offline-Patterns für Import, Quarantäne, Validierung und Data Quality Checks.

Zum Abschluss planen Sie Deployment-Strategien wie Blue-Green, Canary und Shadow, definieren Rollback- und Notfallverfahren und etablieren Monitoring für Drift, Performance und Data Skew inklusive Logging und forensisch verwertbarer Nachweise. Sie gehen mit einem konkreten Vorgehen nach Hause, das Sie auf Ihr Sicherheitszone übertragen können.

• Besonderheiten von MLOps in Air-Gapped Netzwerken verstehen
• Bedrohungsmodelle, Trust Boundaries und kontrollierte Datenflüsse entwickeln
• Supply-Chain Security für Abhängigkeiten, Images und Modell-Artefakte planen
• Signierung, Verifikation und Policy-as-Code in Freigabeprozesse integrieren
• Reproduzierbare Builds, private Registries und Artifact Promotion nutzen
• Offline-Patterns für Datenimport, Quarantäne, Validierung und Qualität aufbauen
• Deployment, Rollback, Monitoring und forensisch verwertbares Logging einplanen

Das Seminar richtet sich an MLOps-Teams, Security-Verantwortliche, DevOps-Teams, Plattformteams und Organisationen mit hohem Schutzbedarf oder abgeschotteten Umgebungen.

Vorausgesetzt werden Kenntnisse in IT-Sicherheit, DevOps, ML-Betrieb oder Plattformarchitekturen. Erfahrung mit Containern, Registries oder CI/CD ist empfehlenswert.

• Air-Gap-Architekturen für MLOps
  • Bedrohungsmodell, Trust Boundaries, Datenflüsse
  • Design-Patterns: Offline-First, Mirror, Relay
  • Trennung von Dev, Build, Deploy und Run
  • Nachvollziehbarkeit: SBOM, Provenance, Audit-Trails
• Supply-Chain Security für ML
  • Abhängigkeiten, Container-Images, Model-Artefakte
  • Signieren und Verifizieren (z. B. Cosign)
  • Policy-as-Code und Freigabe-Gates
  • Vulnerability-Scanning mit Offline-Feeds
• Reproduzierbare Builds und Artefaktverwaltung
  • Hermetische Builds und Build-Cache-Strategien
  • Private Registries und Paket-Repositories
  • Artifact Promotion: Dev zu Prod ohne Drift
  • Modell-Registry: Versionierung, Metadaten, Lineage
• Offline-Daten- und Feature-Workflows
  • Datenimport, Quarantäne, Validierung
  • Feature Store Konzepte ohne Cloud-Abhängigkeit
  • Data Quality Checks und Schema-Drift
  • Datenschutz: Pseudonymisierung, Zugriffskontrollen
• Training, Testing und Deployment in sicheren Netzen
  • GPU/CPU-Planung, Ressourcenquoten, Scheduling
  • CI/CD ohne Internet: Runner, Mirrors, Artefakte
  • Deployment-Strategien: Blue-Green, Canary, Shadow
  • Rollback, Notfallverfahren, Change-Management
• Monitoring, Incident Response und Governance
  • Model Monitoring: Drift, Performance, Data Skew
  • Logging, Metriken, Tracing mit On-Prem-Stacks
  • Incident Playbooks und forensische Nachweise
  • Dokumentation für Audit und Compliance