Azure OpenAI Service: KI-Lösungen entwickeln – Kurs

Der Kurs AI-050T00 vermittelt eine fundierte, praxisorientierte Einführung in die Entwicklung generativer KI-Lösungen auf Basis des Azure OpenAI Service. Teilnehmende lernen, wie sie leistungsstarke KI-Modelle erstellen, konfigurieren und in bestehende Anwendungen integrieren können. Der Kurs deckt die gesamte Bandbreite von den theoretischen Grundlagen generativer KI über die praktische Nutzung der Azure OpenAI APIs bis hin zu Modelltraining, Feinabstimmung und realen Anwendungsszenarien ab. Ziel ist es, praxisrelevante Kenntnisse zu vermitteln, die Entwicklerinnen und Entwickler, Architekten und KI-Fachkräfte unmittelbar in Projekten einsetzen können. Der Kurs ist als anerkannte Microsoft-Weiterbildung positioniert und adressiert den wachsenden Bedarf an praktischem Know-how im Bereich generativer KI in der Cloud.

Das erste Modul legt die konzeptionellen Grundlagen generativer KI. Teilnehmende lernen, wie Sprachmodelle funktionieren, was Large Language Models (LLMs) von traditionellen Modellen unterscheidet und wie Azure als Plattform für KI-Entwicklung positioniert ist. Der Azure OpenAI Service und seine Kernfunktionalitäten werden vorgestellt.

• Grundlagen generativer KI und Large Language Models (LLMs)
• Architekturprinzipien von Transformer-Modellen verstehen
• Azure OpenAI Service einrichten und Ressourcen bereitstellen
• Verfügbare Modelle und Modellvarianten im Azure OpenAI Service kennenlernen
• Sicherheits- und Zugangsverwaltung im Azure Portal konfigurieren
• Unterschiede zwischen Completion, Chat Completion und Embedding-APIs

Das zweite Modul behandelt die praktische Nutzung der Azure OpenAI APIs und Prompt Engineering. Hier erlernen Teilnehmende, wie sie API-Anfragen strukturieren, Parameter sinnvoll wählen und Prompts so formulieren, dass die Modellausgaben präzise und nutzbar werden. Typische Anwendungsszenarien werden anhand von Praxisbeispielen durchgearbeitet.

• Azure OpenAI REST API und SDK nutzen
• Prompt Engineering: Grundtechniken für zuverlässige Ausgaben
• Systemrollen und Few-Shot-Learning in Chat-Completion-Anfragen einsetzen
• Temperatur, Top-P und andere Generierungsparameter sinnvoll steuern
• Ausgaben filtern und mit Content-Filtering-Mechanismen arbeiten
• Tokenisierung und Kontextlänge in der API-Nutzung berücksichtigen

Das dritte Modul widmet sich der Modellanpassung und Weiterentwicklung. Teilnehmende lernen, wie Fine-Tuning durchgeführt wird, um Modelle auf spezifische Aufgaben oder Domänen zu spezialisieren. Embedding-Modelle und semantische Suche eröffnen weitere Anwendungsmöglichkeiten für Unternehmensanwendungen.

• Fine-Tuning eines Azure OpenAI Modells mit eigenen Trainingsdaten
• Daten für das Fine-Tuning aufbereiten und validieren
• Embedding-Modelle für semantische Suche und Ähnlichkeitsbewertung einsetzen
• Vektordatenbanken als Ergänzung zu Azure OpenAI verstehen
• Retrieval-Augmented Generation (RAG) als Architekturmuster implementieren
• Evaluationsmetriken für KI-generierte Ausgaben definieren und messen

Das vierte Modul verbindet alle Kompetenzen in der Integration generativer KI in reale Anwendungen. Teilnehmende entwickeln Chatbots, automatisieren Workflows und lernen, KI-Funktionen sicher in bestehende Unternehmensarchitekturen einzubetten. Governance und verantwortungsvoller KI-Einsatz werden als Querschnittsthema behandelt.

• Integration des Azure OpenAI Service in Webanwendungen und APIs
• Entwicklung eines Chatbot-Prototyps mit Azure OpenAI Chat Completion
• Automatisierung von Aufgaben wie Textzusammenfassung und Klassifikation
• Sicherheitsaspekte und Governance beim Einsatz von KI in Unternehmen
• Kostenmanagement und Nutzungsgrenzen des Azure OpenAI Service
• Deployment und Monitoring generativer KI-Lösungen in Azure

Im hands-on Laborteil setzen Teilnehmende alle Konzepte in eigenen Azure-Umgebungen um und entwickeln einen funktionsfähigen Prototyp.

• Einrichten des Azure OpenAI Service in einer persönlichen Azure-Ressourcengruppe
• Erste API-Anfragen an GPT-Modelle über die REST API und das SDK stellen
• Prompt-Engineering-Übung: qualitative Ausgaben durch gezielte Prompts erzeugen
• Entwicklung eines einfachen Chatbots mit Chat-Completion-API
• Fine-Tuning eines Modells auf einem kleinen domänenspezifischen Datensatz
• Implementierung einer semantischen Suche mit Embedding-Modellen
• Aufbau eines RAG-Prototyps mit externer Wissensbasis
• Integration einer OpenAI-Funktion in eine Beispiel-Webanwendung
• Nutzung von Content-Filtering-Mechanismen und Konfiguration von Sicherheitsfiltern
• Automatisierung einer Zusammenfassungsaufgabe mit mehreren Dokument-Inputs
• Kostenanalyse einer geplanten KI-Lösung anhand von Token-Verbrauchsszenarien
• Abschlussprojekt: Konzeption und Prototyp einer eigenen generativen KI-Anwendung

Der Kurs richtet sich an Entwicklerinnen und Entwickler, KI-Ingenieure, Cloud-Architekten und technische Fachkräfte, die generative KI-Lösungen auf Basis von Azure entwickeln und implementieren möchten. Grundlegende Programmierkenntnisse und erste Erfahrungen mit der Azure-Plattform sind empfehlenswert.

• Softwareentwickler und Backend-Entwickler, die KI-Funktionen in Anwendungen integrieren möchten
• Azure-Cloudarchitekten und Solution Architects mit Interesse an KI-Workloads
• KI-Ingenieure und Machine-Learning-Fachkräfte, die auf generative Modelle spezialisieren wollen
• Technische Führungskräfte und Teamleads, die fundiertes Verständnis für generative KI benötigen
• Berufseinsteigerinnen und -einsteiger mit technischem Hintergrund, die sich auf KI-Entwicklung spezialisieren

Der Kurs wird als Combined Learning angeboten, das Online-eigenständige Übungsphasen mit betreuten Unterrichtseinheiten kombiniert. Zusätzliche reine Online-Seminarformate sind verfügbar. Das Lernformat setzt auf einen starken Praxisanteil mit Laborübungen, Projekten und realen Anwendungsszenarien. Theoretische Inhalte werden direkt mit praktischen Übungen verknüpft. Vollzeit- und Teilzeitvarianten werden angeboten.

Die Dauer des Kurses beträgt überwiegend mehr als eine Woche bis zu einem Monat; in manchen Varianten auch bis zu drei Monate. Die genaue Laufzeit hängt vom gewählten Format und dem Umfang der Laborprojekte ab. Vollzeit und Teilzeit sind verfügbar; individuelle Starttermine können abgestimmt werden.

Nach erfolgreichem Abschluss erhalten Teilnehmende ein international anerkanntes Herstellerzertifikat sowie ein trägerinternes Lehrgangszertifikat des Kursanbieters. Der Kurs kann als Vorbereitung auf weiterführende Microsoft Azure AI-Zertifizierungen wie die Azure AI Engineer Associate-Prüfung (AI-102) genutzt werden.

Generative KI ist eine der transformativsten Technologien der aktuellen Dekade. Fachkräfte, die praktische Erfahrung in der Entwicklung von KI-Lösungen mit Azure OpenAI mitbringen, sind auf dem Arbeitsmarkt sehr gefragt. Der Kurs vermittelt nicht nur theoretisches Grundlagenwissen, sondern konkrete Implementierungskompetenzen, die direkt in Projekten eingesetzt werden können. Der Azure OpenAI Service ist ein leistungsstarkes, skalierbar in der Microsoft Azure-Cloud betriebenes Angebot, das die Nutzung von GPT-Modellen, Codex und anderen generativen Modellen in Unternehmensanwendungen ermöglicht. Wer die Plattform beherrscht, kann innovative Lösungen schneller entwickeln und gleichzeitig von der Skalierbarkeit, Sicherheit und Compliance-Konformität der Azure-Cloud profitieren.