Artificial Intelligence Concepts

Nicht jede Person, die mit KI arbeitet, muss Modelle trainieren oder Python-Code schreiben. Analysten, Projektleiter und Fachverantwortliche brauchen ein anderes Wissen: Sie müssen KI-Systeme einordnen, Risiken bewerten, mit Entwicklungsteams kommunizieren und Entscheidungen über KI-Projekte vorbereiten. Genau dieses Wissen vermittelt "Artificial Intelligence Concepts". Der Kurs ist bewusst konzeptionell ausgerichtet — ohne Programmierübungen, dafür mit fundiertem Einblick in Datenfundamente, Cloud-Dienste und die geschäftliche Perspektive auf KI, einschließlich generativer Verfahren.

Grundlagen der KI-Konzepte Der Einstieg klärt grundlegende Begriffe und Definitionen, ohne in technische Details abzudriften. Was ist maschinelles Lernen? Was unterscheidet regelbasierte Systeme von lernenden Modellen? Wie erkennt ein System Muster in Daten, ohne explizit programmiert zu werden? Anhand eines Mustererkennung-Praxisbeispiels auf Kundendaten werden diese abstrakten Konzepte konkret — und für Business-Fachkräfte greifbar.

• Grundlagen der KI: Definitionen und historische Entwicklung
• Unterschied zwischen regelbasierter Programmierung und maschinellem Lernen
• Typische KI-Anwendungsfelder nach Branche und Anwendungsfall
• Einführung in Klassifikation, Regression und Clustering als Grundaufgaben
• Praxisbeispiel: Mustererkennung in Kundendaten

Azure Data Fundamentals — DP-900 Daten sind die Grundlage jedes KI-Systems. Dieses Modul vermittelt, wie Daten in modernen Cloud-Umgebungen gespeichert, verwaltet und abgefragt werden. Teilnehmende lernen den Unterschied zwischen relationalen und nicht-relationalen Datenbanken kennen und verstehen, welche Datenhaltungsstrategien für unterschiedliche KI-Projekte geeignet sind. Das Praxisbeispiel zeigt, wie Daten in Azure SQL verwaltet und abgefragt werden.

• Relationale Datenbanken: Tabellen, Beziehungen, SQL-Grundlagen
• NoSQL-Datenbanken: Dokument-, Schlüssel-Wert- und Spaltendatenbanken
• Datenmanagement in Azure: Azure SQL, Cosmos DB, Azure Storage
• Grundlagen von Data Lakes und analytischen Datenspeichern
• Praxisbeispiel: Datenverwaltung in Azure SQL

KI im Business-Kontext — CertNexus AIBIZ Dieses Modul wechselt die Perspektive: Statt Modellen und Algorithmen stehen Entscheidungsprozesse und Organisationsstrukturen im Mittelpunkt. Wie werden KI-Projekte identifiziert, priorisiert und bewertet? Welche Governance-Strukturen braucht ein Unternehmen, das KI einsetzen will? Das Praxisbeispiel — eine Entscheidungsvorlage für ein KI-Pilotprojekt — simuliert einen realen Bewertungsprozess in Unternehmen.

• CertNexus AIBIZ: KI-Strategie und Projektbewertung im Unternehmenskontext
• Chancen und Risiken von KI-Einsatz: Effizienz, Qualität, Haftung
• Governance und Compliance: Regulatorische Anforderungen an KI-Systeme
• KI-Ethik: Fairness, Transparenz und gesellschaftliche Verantwortung
• Praxisbeispiel: Entscheidungsvorlage für ein KI-Pilotprojekt

Generative KI — CertNexus GENAIBIZ Generative KI-Systeme sind in vielen Unternehmen bereits im Einsatz — als Textassistenten, Bildgeneratoren oder Automatisierungswerkzeuge. Dieses Modul vermittelt, wie diese Systeme technisch funktionieren, wo ihre Grenzen liegen und welche konkreten Anwendungsfälle für Unternehmen geeignet sind. Das Praxisbeispiel — die automatische Erstellung eines Marktberichts mit generativer KI — macht deutlich, wo Automatisierungspotenzial realistisch einzuschätzen ist.

• CertNexus GENAIBIZ: Grundlagen generativer KI und Large Language Models
• Anwendungsfälle: Textgenerierung, Bildsynthese, Code-Assistenz
• Risiken und Grenzen: Halluzinationen, Datenschutz, Qualitätssicherung
• Integration generativer KI in Unternehmensworkflows
• Praxisbeispiel: Automatisch erstellter Marktbericht mit GenAI

Cloudbasierte KI-Grundlagen — Microsoft AI-900 Das letzte Modul führt in die Azure-KI-Landschaft ein. Teilnehmende lernen die wichtigsten Cloud-Dienste für KI kennen und verstehen, wie Azure Cognitive Services für konkrete Aufgaben wie Spracherkennung, Bildanalyse oder Textverarbeitung eingesetzt werden. Das Praxisbeispiel demonstriert, wie ein Spracherkennungsdienst in Azure konfiguriert und genutzt wird — ohne eigene Modellentwicklung.

• Microsoft AI-900: Überblick über Azure AI Services
• Cognitive Services: Sprache, Bild, Entscheidungsunterstützung, Suche
• Machine Learning in der Azure Cloud: AutoML, Designer, ML Workspaces
• Nutzung von vortrainierten Modellen über APIs
• Praxisbeispiel: Konfiguration und Nutzung von Spracherkennung in Azure

Praxisblock: Anwendungsorientierte Synthese Über die Module hinweg werden konzeptionelle Aufgaben bearbeitet, die reale Entscheidungssituationen simulieren —

• Bewertung eines KI-Projektvorschlags anhand von Chancen, Risiken und Governance-Anforderungen
• Auswahl geeigneter Azure-Dienste für drei unterschiedliche Unternehmensszenarien
• Erstellung einer Entscheidungsvorlage für ein generatives KI-Pilot-Vorhaben
• Analyse eines Kundendatensatzes auf Muster und Klassifikationsmerkmale
• Einschätzung der Datenhaltungsstrategie für ein KI-Projekt
• Konfiguration und Test eines Azure Cognitive Service im Hands-on-Lab
• Erarbeitung von Governance-Leitlinien für einen KI-Einsatz im Unternehmen
• Kommunikation von KI-Ergebnissen für nicht-technische Stakeholder
• Diskussion realer GenAI-Anwendungsfälle und deren Grenzen
• Identifikation von Compliance-Anforderungen für einen konkreten KI-Use-Case
• Analyse eines Marktberichts, der mit generativer KI erstellt wurde
• Erstellung einer Kurzpräsentation zu einem KI-Konzept für ein Business-Publikum

Diese praxisorientierte Synthese stellt sicher, dass Teilnehmende das Gelernte nicht nur theoretisch kennen, sondern auch für reale Fragen in ihrem Arbeitsumfeld anwenden können.

Der Kurs richtet sich bewusst an Personen, die KI verstehen und steuern, nicht notwendigerweise programmieren wollen.

• Einsteiger ohne Programmierkenntnisse, die KI konzeptionell durchdringen wollen
• Business Analysts, die KI-Projekte fachlich begleiten
• IT-Projektleiterinnen, die mit Entwicklungsteams kommunizieren müssen
• Data Stewards und Datenschutzverantwortliche, die KI-Governance-Fragen bearbeiten
• Fachkräfte, die im eigenen Unternehmen KI-Initiativen bewerten oder koordinieren

Das Kursformat kombiniert Online-Präsenzunterricht mit begleiteten Eigenarbeitsphasen. Im Unterschied zu technischen Programmierkursen liegt der Schwerpunkt auf Diskussion, Fallbeispielen und konzeptioneller Auseinandersetzung. Teilnehmende erarbeiten Praxisbeispiele oft in Gruppenformaten, um unterschiedliche Perspektiven aus Wirtschaft, IT und Projektmanagement einzubringen. Der Kurs ist deutschlandweit online verfügbar, teils auf Englisch.

Die Weiterbildung erstreckt sich in der Teilzeitvariante über rund zwei Monate, kann je nach Durchführungsformat auch im Vollzeitformat komprimiert absolviert werden. Die fünf Module sind inhaltlich aufeinander aufgebaut, aber thematisch abgeschlossen — einzelne Module können bei Bedarf priorisiert werden.

Teilnehmende erhalten ein trägerinternes Abschlusszertifikat und qualifizierte Teilnahmebescheinigungen für die einzelnen Module. Das Curriculum bereitet auf die externen Zertifizierungsprüfungen Microsoft DP-900 (Azure Data Fundamentals), Microsoft AI-900 (Azure AI Fundamentals), CertNexus AIBIZ (AI for Business Professionals) und CertNexus GENAIBIZ (Generative AI for Business) vor. Die Prüfungen werden bei akkreditierten Testzentren separat abgelegt.

In vielen Unternehmen entscheiden nicht Ingenieure, sondern Führungskräfte und Fachverantwortliche, ob und wie KI eingesetzt wird. Diese Personen brauchen kein Modelltraining — sie brauchen Urteilsvermögen. Dieser Kurs schafft genau das: die Grundlage, um KI-Projekte zu bewerten, mit Entwicklern zu sprechen und Risiken einzuschätzen, ohne selbst in den Code einzutauchen. Die Kombination aus konzeptionellen Grundlagen (KI-Konzepte), Datenfundamenten (DP-900), Business-Perspektive (AIBIZ, GENAIBIZ) und Cloud-Einführung (AI-900) bildet ein kohärentes Basiswissen ab, das direkt in Projektarbeit, Beratung und Entscheidungsvorbereitung einsetzbar ist. Wer nach dem Kurs tiefer einsteigen will — in Programmierung, Modellentwicklung oder Cloud-Architektur — hat mit "AI Concepts" eine solide Orientierungsgrundlage gelegt, die entscheidet, welcher Spezialisierungspfad am besten passt.