In vielen Unternehmen ist die Bereitstellung Daten-getriebener Proof-of-Concept Anwendung in der Cloud immer noch frustrierend langsam und manuell. Frühes Nutzerfeedback hängt oft von umständlichen Bildschirmfreigaben oder statischen Screenshots ab. In diesem Vortrag zeigen wir, wie wir diesen Prozess umgestaltet haben, indem wir alles - von der Bereitstellung der Infrastruktur bis zur Bereitstellung der Webanwendung - mithilfe eines Systems aus Pipeline-, Bicep- und Python-Vorlagen automatisiert haben. Das Ergebnis? Die Stakeholder können innerhalb weniger Minuten mit einer funktionierenden Streamlit-Anwendung interagieren, ohne dass weitere manuelle Einstellungen erforderlich sind.
Wir nehmen Sie mit auf unsere Reise von den mühsamen Anfängen zu einem eleganten, Vorlagen-basierten Setup, bei dem alle Schritte des Konfigurations- und Bereitstellungsprozesses automatisiert sind. Alle Azure-Ressourcen werden ohne manuelle Schritte erstellt. Und es dauert nur eine Kaffeepause lang bis der Geschäftsanwender eine Änderung im Code live testen kann. Auf dem Weg dorthin werden wir Best Practices und Fallstricke, sowie die Struktur unserer Templates und Repositories sowohl für die Web-Anwendung, als auch für die Deployment-Pipeline teilen. Am Ende werden wir gemeinsam eine neue Webanwendung bereitstellen und sehen, wie das System live funktioniert.
Auch wenn das Konzept auf andere Anbieter übertragbar ist, müssen Sie nicht unbedingt Azure verwenden, um von diesem Vortrag zu profitieren - alle Cloud-Plattformen haben ähnliche Werkzeuge und Herausforderungen.

Gliederung
---
1. Motivation
- Warum es schwierig ist, frühzeitig Nutzerfeedback zu erhalten und warum dies problematisch ist
- Warum es schwierig ist, eine echte Anwendung frühzeitig zum Laufen zu bringen
- Was wäre, wenn wir die Anwendungsbereitstellung und -konfiguration automatisieren könnten, oder, wie das NKD Data Science Team von 🙈 zu 🚀 wurde

2. Der Prozess der Erstellung, Bereitstellung und Konfiguration von Anwendungen
- Schwierigkeiten und Best Practices
- Tools zur Automatisierung und Vereinheitlichung
- Umgang mit virtuellen Umgebungen auf Entwicklungssystemen und in der Cloud
- Repositories und Vorlagen für Webanwendungen und Pipelines

3. Die Pipeline
- Aufbau der Phasen
- Minimierung der manuellen Konfiguration mit einheitlichen Konfigurationsdateien und Bicep
- Abgleich von Branch und Zielumgebung
- Automatisierte Erstellung von Azure-Ressourcen mit Azure CLI
- Konfiguration der App-Autorisierung und -Authentifizierung mit Azure CLI
- Endlich: das Deployment

4. Demo
- Wie das Setup aussieht, wenn es vollständig eingerichtet ist
- Live-Bereitstellung einer Anwendung

Wichtigste Erkenntnisse:
- Wie Sie die Zeit für die App-Bereitstellung mithilfe automatisierter Vorlagen von Tagen auf Minuten reduzieren können
- Bessere Zusammenarbeit für kleine und mittlere Datenteams
- Best Practices zur Strukturierung von Pipelines und Webanwendungen für Konsistenz, Sicherheit und Skalierbarkeit
- Was man nicht tun sollte: die wichtigsten Fallstricke, auf die wir gestoßen sind, und wie wir sie behoben haben

Zielpublikum:
Data oder Machine Learning Scientists oder Engineers im Bereich Daten oder maschinelles Lernen in kleinen oder mittelgroßen Teams, die Webanwendungen schneller und einheitlicher bereitstellen möchten. Die Teilnehmer sollten mit Python vertraut sein und grundlegende Kenntnisse über Webanwendungen oder DevOps-Prinzipien haben. Obwohl Azure-Nutzer am meisten profitieren, sind keine tiefgreifenden Kenntnisse erforderlich - die Konzepte werden im Laufe des Vortrags erklärt.