Artificial Intelligence 2.0

KI-Lösungen zu verstehen ist gut. KI-Lösungen in Azure zu entwerfen, zu implementieren und produktiv zu betreiben ist das Ziel dieses Lernpfads. Die Weiterbildung „Artificial Intelligence 2.0" kombiniert das konzeptionelle KI-Fundament (AI-900), die Business-Perspektive (AIBIZ) und die analytische Basis (CDSP) mit dem technisch anspruchsvollsten Baustein des Programms: dem Microsoft AI-102 „Designing and Implementing an Azure AI Solution". Wer AI-102 beherrscht, kann vollständige End-to-End-KI-Pipelines in Azure architektieren und in Betrieb nehmen — von der Datenverarbeitung über Modell-Deployment bis zu Monitoring und Produktionshärtung. Ergänzt wird das Portfolio durch GENAIBIZ (generative KI) und ETBIZ-110 (Emerging Technologies). Alle Module schließen mit einer Microsoft- oder CertNexus-Zertifizierung ab.

Modul 1 — Microsoft AI-900: Azure AI Fundamentals: Der Lernpfad beginnt mit einem breiten Überblick über KI-Konzepte und die Azure KI-Dienstelandschaft. Dieses Modul stellt sicher, dass alle Teilnehmenden mit denselben Grundbegriffen in die tieferen Module einsteigen.

• Machine Learning, Deep Learning und neuronale Netze im Überblick
• Azure Cognitive Services: Computer Vision, Natural Language Processing, Speech, Decision
• Azure Machine Learning Studio: erste Orientierung und Einstiegsworkflow
• Responsible AI: die sechs Microsoft-Prinzipien und ihre praktische Bedeutung
• Praxisbeispiel: Chatbot im Kundenservice — Architektur und Azure-Diensteauswahl
• Prüfungsvorbereitung AI-900

Modul 2 — CertNexus AIBIZ: KI im Unternehmenskontext: Bevor KI-Lösungen gebaut werden, müssen sie begründet sein. Dieses Modul schult die Business-Bewertung von KI-Projekten und bereitet darauf vor, technische Konzepte gegenüber Fachbereichen und Entscheidungsträgern zu vertreten.

• Entwicklung von KI-Business-Cases: Nutzen, Risiken, Zeitplan
• Governance-Anforderungen für KI-Systeme im Enterprise-Kontext
• Datenstrategie und Datenqualitätsanforderungen für KI-Projekte
• Praxisbeispiel: Entscheidungsvorlage für ein KI-Pilotprojekt erstellen
• Strategische Auswahl: Make vs. Buy vs. Partner für KI-Infrastruktur
• Einführungsplanung für KI-Lösungen in Fachbereichen

Modul 3 — CertNexus CDSP: Certified Data Science Practitioner: Das analytische Fundament des Lernpfads. Ohne Datenverständnis ist kein KI-Architekt vollständig. Dieses Modul vermittelt die Methoden, mit denen Daten für ML-Modelle vorbereitet, untersucht und interpretiert werden.

• Explorative Datenanalyse: Verteilungsanalysen, Korrelationen, Ausreißerbehandlung
• Feature Engineering und Preprocessing-Strategien
• Überwachte Lernverfahren: Regression, Klassifikation, Ensemble-Methoden
• Unüberwachte Verfahren: Clustering, Dimensionsreduktion
• Modell-Evaluation und Kreuzvalidierung
• Praxisbeispiel: A/B-Analyse für eine Marketingkampagne durchführen und dokumentieren

Modul 4 — Microsoft AI-102: Designing and Implementing an Azure AI Solution: Der technisch anspruchsvollste Baustein des Lernpfads. AI-102 ist die offizielle Microsoft-Zertifizierung für KI-Entwickler, die Azure KI-Dienste nicht nur nutzen, sondern vollständige Produktionslösungen damit entwickeln.

• Azure Cognitive Services in Anwendungen integrieren: Sprache, Vision, Suche, Entscheidung
• Azure Machine Learning: Pipelines erstellen, Modelle registrieren, Endpoints deployen
• Azure OpenAI Service: LLM-Integration in eigene Lösungen
• Monitoring von KI-Lösungen mit Azure Monitor und Application Insights
• Sicherheit und Datenschutz in Azure KI-Architekturen
• Praxisbeispiel: End-to-End-Pipeline für automatische Textanalyse aufbauen und deployen

Modul 5 — CertNexus GENAIBIZ: Generative AI für Unternehmen: Generative KI ist das Thema, das Führungsetagen, IT-Abteilungen und Endanwender gleichzeitig beschäftigt. Dieser Baustein schult den informierten, strategischen Umgang — jenseits von Hype und blinder Ablehnung.

• Grundprinzipien generativer Modelle: Transformer-Architektur, Large Language Models
• Prompt Engineering: Techniken für reproduzierbare, kontrollierte Outputs
• Chancen generativer KI: Texterstellung, Code-Generierung, Wissensmanagement
• Risiken: Halluzinationen, Bias, Datenschutz, Urheberrechtsfragen
• GenAI-Governance: Leitplanken und Nutzungsrichtlinien im Unternehmenseinsatz
• Praxisbeispiel: GenAI-Assistent für internen Support pilotieren und evaluieren

Modul 6 — CertNexus ETBIZ-110: Emerging Technologies: KI-Lösungsarchitekten müssen wissen, was nach der heutigen Cloud-KI kommt. Dieses abschließende Modul beleuchtet Edge Computing, IoT und Blockchain als Ergänzung und Erweiterung klassischer Azure-KI-Architekturen.

• Edge Computing: KI-Inferenz ohne permanente Cloud-Verbindung, Latenz-Optimierung
• IoT und KI: Sensordaten als Trainings- und Inferenzquelle
• Blockchain für KI-Datenprovenienz und Audit-Trails in regulierten Branchen
• Technologiekonvergenz: Wo treffen Edge, 5G und Azure KI aufeinander?
• Praxisbeispiel: Edge-KI in einer Fertigungsumgebung konzipieren
• Strategische Roadmap: Emerging Tech in die eigene KI-Architektur einplanen

Praxis-Block — Azure KI-Lösungen bauen und betreiben

• AI-900-Prüfungssimulation und Auswertung typischer Aufgabenformate
• Business-Case-Struktur für ein KI-Vorhaben im eigenen Berufskontext erarbeiten
• Explorative Datenanalyse an einem Beispieldatensatz durchführen und Ergebnisse präsentieren
• Azure Cognitive Service (z. B. Text Analytics) über REST-API aufrufen und testen
• Azure Machine Learning Pipeline: Datensatz laden, Modell trainieren, Endpoint registrieren
• Azure OpenAI Service: eigenes LLM-Szenario konfigurieren und Prompt-Kette testen
• End-to-End-Pipeline für Textklassifikation deployen und mit Azure Monitor überwachen
• Responsible-AI-Checkliste für ein konzipiertes KI-Projekt erstellen und präsentieren
• GenAI-Assistent mit Governance-Regeln für Unternehmens-Support konfigurieren
• Edge-KI-Konzept entwickeln: Welche Modelle laufen lokal, welche in Azure?
• Prüfungsvorbereitungssimulationen für AI-102, CDSP und GENAIBIZ
• Portfolio-Abschluss: vollständige KI-Lösungsarchitektur dokumentieren und argumentieren

Lernende verlassen diesen Kurs mit dem Wissen und den Zertifikaten, um KI-Projekte in Azure von der Planung bis zur Produktion zu verantworten.

Dieser Lernpfad richtet sich an IT-Fachkräfte, Entwickler und Data Scientists, die nicht nur KI anwenden, sondern vollständige KI-Lösungen in Azure entwickeln, deployen und betreiben möchten.

• IT-Fachkräfte und Entwickler, die Azure-KI-Lösungen implementieren und betreiben möchten
• Data Scientists, die den Schritt zur Cloud-basierten ML-Produktion machen wollen
• Softwareentwickler mit Azure-Erfahrung, die KI-Kompetenz systematisch aufbauen wollen
• Projektleiterinnen und Projektleiter für KI-Vorhaben mit technischem Hintergrund
• Quereinsteiger mit IT- und Datenanalysekenntnissen, die eine umfassende KI-Qualifizierung anstreben

Der Lernpfad wird im Combined-Learning-Format durchgeführt: strukturierte Online- und Präsenzphasen werden mit intensiven Praxisblöcken in Azure-Sandbox-Umgebungen kombiniert. Für AI-102 stehen hands-on Labs zur Verfügung, in denen Teilnehmende vollständige Azure-KI-Pipelines eigenständig aufbauen. Trainer mit Azure-Zertifizierungserfahrung begleiten den gesamten Lernpfad. Prüfungssimulationen für jede Zertifizierung sind integraler Bestandteil.

In Vollzeit beträgt die Gesamtdauer des Lernpfads mehrere Monate, abhängig von Vorkenntnissen und der Vertiefungstiefe im AI-102-Modul. Die Einzelmodule können auch zeitlich versetzt absolviert werden. Vollzeit-Optionen ermöglichen einen konzentrierten Durchgang. Teilzeit-Varianten verteilen die Inhalte über einen längeren Zeitraum.

Nach bestandenen Prüfungen erwerben Absolventen folgende international anerkannte Herstellerzertifikate: Microsoft Certified: Azure AI Fundamentals (AI-900), CertNexus AIBIZ, CertNexus CDSP (Certified Data Science Practitioner), Microsoft Certified: Azure AI Engineer Associate (AI-102), CertNexus GENAIBIZ (Generative AI for Business) sowie CertNexus ETBIZ-110 (Emerging Technology for the Business Professional). Ergänzend wird ein Lehrgangszertifikat ausgestellt.

Das AI-102-Zertifikat ist das Herzstück dieses Lernpfads — und das, was ihn von einem allgemeinen KI-Überblickskurs fundamental unterscheidet. Microsoft Certified: Azure AI Engineer Associate ist eine der anspruchsvollsten und marktwirksamsten KI-Zertifizierungen auf dem Markt. Sie belegt, dass Absolventen nicht nur wissen, was ein Large Language Model ist, sondern in Azure KI-Lösungen produktionstauglich implementieren können. Das ist eine Fähigkeit, die Arbeitgeber in Cloud-Infrastrukturen aktiv suchen. Die Kombination aus AI-102 mit CDSP ist dabei besonders stark: Wer Daten analysieren und aufbereiten kann und gleichzeitig vollständige Azure-KI-Pipelines implementiert, kann KI-Projekte von Anfang bis Ende eigenständig steuern. Diese Vollständigkeit ist selten und führt zu einer deutlich stärkeren Positionierung auf dem Arbeitsmarkt als Einzelzertifizierungen. Der Lernpfad ist als langfristiges Kompetenzprofil konzipiert. Alle sechs Zertifizierungen sind branchenübergreifend anerkannt — von Finanzdienstleistungen über Gesundheitswesen bis Industrie und Handel — und bilden die Grundlage für eine Karriere als KI-Ingenieur, KI-Architekt oder KI-Berater in Cloud-geprägten Unternehmensumgebungen.