KI in Jenkins-Pipelines. Was heute funktioniert, was Hype ist.
Self-Healing Pipelines, KI-gestützte Testauswahl, automatische Log-Analyse. Der Hype ist groß, aber was davon funktioniert im Jenkins-Alltag wirklich? Kann ein LLM brauchbare Jenkinsfiles generieren? Lohnt sich automatische Fehleranalyse, oder liefert sie nur Rauschen? In diesem Training sortieren Sie Hype von Nutzen mit Hands-on-Übungen an echten Jenkins-Setups. Sie bauen einen Self-Healing-Prototyp und bewerten Pipeline-Reviews durch LLMs kritisch. Am Ende wissen Sie, welche KI-Anwendungs- fälle sich für Ihre Umgebung tatsächlich lohnen.
Zielgruppe
- Jenkins-Nutzer, die KI-Tools in ihre CI/CD-Workflows integrieren wollen
- DevOps Engineers, die nach Möglichkeiten suchen, Pipeline-Wartung zu reduzieren
- CI/CD-Verantwortliche, die KI-Trends bewerten und einordnen müssen
- Entwickler, die KI-gestützte Teststrategien ausprobieren möchten
Voraussetzungen
- Solide Jenkins-Erfahrung mit Declarative Pipelines
- Grundverständnis von CI/CD-Konzepten und -Workflows
- Erste Erfahrung mit KI-Tools (z.B. ChatGPT, GitHub Copilot) ist hilfreich
- Git-Kenntnisse
Curriculum
KI im CI/CD-Kontext -- Standortbestimmung
- Was können LLMs im CI/CD-Bereich leisten?
- Überblick: Tools und Ansätze (Copilot, lokale LLMs, API-basiert)
- Grenzen und Risiken von KI in der Build-Automatisierung
- Datenschutz und Compliance bei KI-Nutzung in Pipelines
Pipeline-Generierung und -Optimierung mit KI
- Jenkinsfiles mit LLMs generieren und refactoren
- Prompt Engineering für Pipeline-Code
- Code-Reviews von Pipelines durch KI
- Automatische Erkennung von Anti-Patterns
- Grenzen der Pipeline-Generierung: Was manuell bleiben sollte
Intelligente Testauswahl und Analyse
- Test Impact Analysis mit KI-Unterstützung
- Priorisierung von Tests basierend auf Code-Änderungen
- Automatische Testerstellung mit LLMs (Unit Tests, Integration Tests)
- Flaky-Test-Erkennung und -Analyse
Self-Healing Pipelines
- Was bedeutet Self-Healing im Pipeline-Kontext?
- Automatische Fehleranalyse von Build-Fehlern
- LLM-basierte Log-Analyse und Ursachenfindung
- Automatische Fix-Vorschläge und kontrollierte Selbstheilung
- Feedback-Loops: Lernen aus Pipeline-Fehlern
Lokale LLMs für Jenkins
- Warum lokale LLMs? Datenschutz und Kosten
- Ollama und Open-Source-Modelle im Überblick
- LLM-Integration in Jenkins-Pipelines (API-Aufrufe)
- Performance und Hardware-Anforderungen
- Vergleich: Lokal vs. Cloud-basiert
Praxis-Roadmap und Ausblick
- Bewertungsrahmen: Welche KI-Anwendungsfälle lohnen sich?
- Schrittweise Einführung im eigenen Team
- Governance und Richtlinien für KI im CI/CD
- Trends und Entwicklungen: Agents, autonome Pipelines
Das nehmen Sie mit
Teilnahmegebühr
Pro Teilnehmer bei öffentlichen Terminen
799 EUR
zzgl. MwSt.
Sie möchten ein Inhouse-Training für Ihr gesamtes Team? Kontaktieren Sie uns für ein individuelles Angebot.
Nächste Termine
| Datum | Ort | Status |
|---|---|---|
| 10. August 2026 | Online | verfügbar |
| 09. November 2026 | München | verfügbar |
Das sagen unsere Teilnehmer
“Endlich mal ein KI-Training, das nicht nur Hype verkauft. Wir haben ehrlich besprochen, was funktioniert und was noch nicht reif ist. Die Self-Healing-Ansätze waren besonders spannend.”
Jan P.
“Der Praxis-Teil mit lokalen LLMs hat mich überzeugt. Wir testen jetzt Ollama für die automatische Log-Analyse unserer Nightly Builds.”
Claudia R.
Durchführungsformate
Ob öffentlicher Kurs, firmeninternes Training oder persönliches Coaching – wir passen uns an.
Öffentliche Trainings
Feste Termine, kleine Gruppen mit maximal 7 Teilnehmern und die Möglichkeit, sich mit Fachleuten aus anderen Unternehmen auszutauschen.
Inhouse Trainings
Maßgeschneidert für Ihr Team, an Ihrem Standort oder remote. Sie bestimmen Inhalte, Tempo und Termin.
Coaching & Beratung
Individuelle Begleitung bei konkreten Herausforderungen. Wir helfen direkt dort, wo es gerade klemmt.
CI/CD mit Jenkins und KI-Unterstützung
Sichern Sie sich jetzt einen Platz oder lassen Sie sich ein maßgeschneidertes Inhouse-Angebot erstellen.
Training anfragen