# Customer Adoption and Innovation (CAI)

> Das Team Customer Adoption & Innovation der Business Unit KI von Red Hat — Initiativen, Demos, Plugins und wie Sie mit uns ins Gespräch kommen.

Wir setzen Red Hat AI in produktionsnahen Umgebungen ein, nutzen und erproben es dort — und teilen dann, was funktioniert, mit Kunden, Partnern und Kollegen, damit sie das volle Potenzial ausschöpfen.

## Customer Adoption and Innovation 

[Team kennenlernen](#team)

[Sehen Sie](#cards)

- **178** Repositories in rh-aiservices-bu ([GitHub-Organisation](https://github.com/rh-aiservices-bu))

- **70+** Vom Team erstellte Demos ([AI Quickstart](https://github.com/rh-ai-quickstart))

- **6** Dashboard-Plugins ([Community Plugins](https://github.com/rh-ai-community-plugins))

- **9** Teammitglieder ([Team kennenlernen](#team))

## Initiativen

- [**Red Hat AI GitHub-Organisation**](https://github.com/rh-aiservices-bu) — Für alle — unsere zentrale Organisation mit 178 Repositories voller KI-Projekte, Prototypen und Hilfsmitteln.

- [**Red Hat AI Community Plugins**](https://github.com/rh-ai-community-plugins) — Für RHAIE-Admins — Community-Plugins, die Red Hat OpenShift AI erweitern.

- [**AI Quickstarts**](https://github.com/rh-ai-quickstart) — Für Entwickler — ergebnisorientierte Beispiele, die zeigen, wie KI reale Geschäftsprobleme löst.

- [**AI on OpenShift**](https://ai-on-openshift.io/) — Für alle, die KI auf OpenShift lernen — Patterns, Demos, Tools und Anleitungen.

- [**AI500 MLOps Enablement**](https://github.com/rhoai-mlops) — Für Teams mit MLOps-Fokus — AI500, Labor mit Experimentierphase, automatisiertem Modelltraining und -auslieferung.

- [**AI501 GenAIOps Enablement**](https://github.com/rhoai-genaiops) — Für Teams, die GenAI produktiv betreiben — AI501, fünftägiger Workshop mit Laboranleitungen, Folien und Deployment-Werkzeugen.

- [**LiteMaaS**](https://github.com/rh-aiservices-bu/litemaas) — Für Plattform-Teams — Proof-of-Concept für LLM-Abos, API-Keys und Nutzungsverfolgung, integriert mit LiteLLM.

- [**Parasol-Workshop**](https://github.com/rh-aiservices-bu/parasol-demo-deployment) — Für Praxislernende — Deployment-Rezept für die Parasol-Insurance-Demo auf einem RHOAI-Cluster.

## Anleitungen

- [RHOAI-MaaS-Anleitung](https://github.com/rh-aiservices-bu/rhoai-maas-guide) — Modelle als Service in Red Hat OpenShift AI nutzen
- [RHOAI ohne Netzverbindung](https://github.com/rh-aiservices-bu/disconnected-rhoai) — Red Hat OpenShift AI in getrennten (air-gapped) Umgebungen betreiben
- [GPU-Partitionierungs-Anleitung](https://github.com/rh-aiservices-bu/gpu-partitioning-guide) — GPUs für KI-Workloads auf OpenShift partitionieren
- [Migrationsanleitung RHOAI 2.25 → 3.5](https://github.com/rh-aiservices-bu/rhoai-2.25-3.5-migration-guide) — Red Hat OpenShift AI von 2.25 auf 3.5 migrieren


## Mission

Mit Beratung, die auf Praxiserfahrung basiert, befähigen wir Kunden, Partner
und Kollegen, das volle Potenzial von Red Hat AI auszuschöpfen.

- Red-Hat-AI-Produkte so nutzen wie unsere Kunden
- Als internes „Customer Zero“ bei Red Hat agieren — unsere Produkte zuerst an uns selbst erproben, bevor Kunden es müssen
- Kunden bei komplexen KI-Themen unterstützen
- Wissen aus erster Hand weitergeben
- Das Beste aus Red Hat AI herausholen!


## Team

- **Erwan Granger** — [GitHub](https://github.com/erwangranger) · [LinkedIn](https://www.linkedin.com/in/erwangranger)

- **Guillaume Moutier** — [GitHub](https://github.com/guimou) · [LinkedIn](https://www.linkedin.com/in/guillaume-moutier-70aba762)

- **Robert Lundberg** — [GitHub](https://github.com/RHRolun) · [LinkedIn](https://www.linkedin.com/in/rolun)

- **Roberto Carratalá** — [GitHub](https://github.com/rcarrata) · [LinkedIn](https://www.linkedin.com/in/rcarrata)

- **Karl Eklund** — [GitHub](https://github.com/keklundrh) · [LinkedIn](https://www.linkedin.com/in/karl-eklund-a2180515)

- **Cansu Kavili Örnek** — [GitHub](https://github.com/ckavili) · [LinkedIn](https://www.linkedin.com/in/ckavili)

- **Philip Hayes** — [GitHub](https://github.com/deewhyweb) · [LinkedIn](https://www.linkedin.com/in/philip-hayes-0327532)

- **Sara Banderby** — [GitHub](https://github.com/sarabanderby) · [LinkedIn](https://www.linkedin.com/in/annelisarabanderby)

- **Will Parker** — [GitHub](https://github.com/willsparker) · [LinkedIn](https://www.linkedin.com/in/willsparker98)

## So starten Sie

Lernen Sie mit AI on OpenShift und holen Sie sich Hilfe, probieren Sie einsatzbereite Demos in AI Quickstart aus, bringen Sie Plugin-Ideen in Community Plugins ein — oder legen Sie in diesem Repository ein Issue an, um direkt mit dem Team zu arbeiten.

[Lernen bei AI on OpenShift](https://ai-on-openshift.io/)

[AI Quickstart Demos ausprobieren](https://github.com/rh-ai-quickstart)

[Community-Plugin vorschlagen](https://github.com/rh-ai-community-plugins)