Dieses Modul baut auf der Infrastrukturebene auf und befasst sich mit den spezifischen Risiken, die bei Build- und Deployment-Workflows im Bereich des maschinellen Lernens auftreten. Pipelines für kontinuierliche Integration und kontinuierliches Deployment (CI/CD) beschleunigen Innovationen, bieten Angreifern jedoch auch Möglichkeiten, bösartige Abhängigkeiten, manipulierte Daten oder beschädigte Artefakte einzuschleusen. Die Teilnehmer lernen den Aufbau von Angriffen auf die ML-Lieferkette kennen und entdecken praktische Strategien zu deren Abwehr, wie beispielsweise das Scannen von Abhängigkeiten, die Codesignierung und reproduzierbare Builds. Die Kombination aus Theorie, Fallstudien aus der Praxis und einer praktischen Demo veranschaulicht den Teilnehmern, wie unsichere Workflows ganze KI-Systeme gefährden können. Am Ende dieses Moduls sind die Teilnehmer in der Lage, CI/CD-Pipelines zu entwerfen und zu implementieren, die Sicherheit in jede Phase der Modellentwicklung und -bereitstellung integrieren.

Dieses Modul vereint Infrastruktur- und Workflow-Sicherheit zu einem zukunftsorientierten Schwerpunkt auf Resilienz. Keine Pipeline ist immun gegen Angriffe oder Fehler, doch resiliente Pipelines sind so konzipiert, dass sie Probleme schnell erkennen, reibungslos wiederherstellen und auch unter Belastung ihre Zuverlässigkeit bewahren. Die Teilnehmer befassen sich mit häufigen Angriffsvektoren in ML-Systemen, von adversarialen Eingaben bis hin zur Modelldrift, und setzen sich anschließend mit Resilienzstrategien wie Rollback, Redundanz und Drift-Überwachung auseinander. Die Demo veranschaulicht, wie bereits ein einfacher Rollback die Geschäftskontinuität sichern kann, wenn sich ein Modell im Produktivbetrieb fehlerhaft verhält. Der szenariobasierte Dialog fordert die Teilnehmer dazu heraus, kritisch über den Spagat zwischen Geschwindigkeit, Zuverlässigkeit und Sicherheit in realen ML-Abläufen nachzudenken. Am Ende dieses Moduls werden die Teilnehmer verstehen, wie sie Resilienz in ML-Pipelines integrieren können, sodass Ausfälle und Angriffe zu beherrschbaren Ereignissen werden und nicht zu katastrophalen Störungen führen.