AI Developer + EU AI Act – Kurs mit Compliance-Modul

Mit der Anwendung des EU AI Act ab 2024 steht die KI-Entwicklung vor einer neuen Realität: Technische Kompetenz allein reicht nicht mehr aus — wer KI-Systeme baut oder betreibt, muss verstehen, welche Risikoklasse sie haben, welche Dokumentationspflichten gelten und welche Systeme unter verschärfte Aufsicht fallen. Dieser Kurs verbindet beides: eine vollständige technische KI-Ausbildung mit Python, Azure und CertNexus-Zertifizierungen sowie ein dediziertes Modul zum EU AI Act. Damit ist er der einzige in dieser Reihe, der Entwicklung und Compliance gemeinsam adressiert.

Python Grundlagen für KI-Entwicklung Der Kurs beginnt mit den programmiertechnischen Grundlagen — Python-Syntax, Datenstrukturen, Kontrollstrukturen, Funktionen und Module — und stellt von Beginn an den Bezug zu typischen KI-Aufgaben her. Das erste Praxisprojekt ist ein Datenbereinigungsskript: Rohdaten werden eingelesen, gefiltert, transformiert und in ein strukturiertes Format überführt. Das ist keine Spielaufgabe — Datenbereinigung ist in der Praxis die häufigste und zeitaufwendigste Vorarbeit vor jedem Modelltraining.

• Python-Syntax: Variablen, Typen, Operatoren
• Datenstrukturen: Listen, Dictionaries, Sets, Tupel
• Kontrollflüsse: Schleifen, Bedingungen, Ausnahmebehandlung
• Funktionen und Module: Aufbau wiederverwendbarer Bausteine
• Praxisprojekt: Datenbereinigungsskript für einen strukturierten Datensatz

Machine Learning mit Python Mit scikit-learn werden in diesem Modul die zentralen ML-Paradigmen implementiert: Klassifikation für kategoriale Zielvariablen, Regression für numerische Vorhersagen und Clustering für unstrukturierte Datensätze. Teilnehmende lernen nicht nur, wie Modelle trainiert werden, sondern auch, wie sie evaluiert, verglichen und für den Einsatz vorbereitet werden. Das Praxisprojekt — Vorhersage der Kundenabwanderung — zeigt, wie Churn Prediction in Produktionsumgebungen eingesetzt wird.

• scikit-learn: Pipeline-Architektur, Preprocessor, Modell-API
• Klassifikation: Logistische Regression, Random Forest, Gradient Boosting
• Regression: Lineare Modelle, Regularisierung, Kreuzvalidierung
• Clustering: K-Means, hierarchisches Clustering, Silhouettenanalyse
• Praxisprojekt: Churn-Prediction-Modell mit Evaluationsmetriken

Deep Learning und neuronale Netze TensorFlow und Keras bilden die technische Grundlage dieses Moduls. Teilnehmende verstehen, wie mehrschichtige neuronale Netze aufgebaut und trainiert werden, warum CNN-Architekturen für Bilddaten besonders geeignet sind und wie RNN-Modelle zeitliche Abhängigkeiten in Sequenzdaten erfassen. Das Bildklassifikations-Praxisprojekt führt von der Datenaufbereitung über das Netzwerkdesign bis zur Evaluation auf einem Testdatensatz.

• TensorFlow und Keras: Schichten, Aktivierungsfunktionen, Optimizer
• Convolutional Neural Networks (CNN): Architektur, Pooling, Feature Maps
• Recurrent Neural Networks (RNN): LSTM, Zeitreihenmodellierung
• Regularisierung: Dropout, Batch Normalization, Early Stopping
• Praxisprojekt: CNN für Bildklassifikation

Azure KI-Lösungen — AI-900 und AI-102 Dieses Modul deckt zwei Azure-Zertifizierungsthemen ab: AI-900 als konzeptionelle Einführung in Azure AI Services und AI-102 als technische Vertiefung für die Entwicklung und das Deployment produktiver KI-Lösungen. Teilnehmende lernen, wie Azure Cognitive Services konfiguriert werden, wie Azure ML-Workspaces aufgebaut sind und wie eine vollständige KI-Lösung von der Architektur bis zum Monitoring in Azure realisiert wird. Das Praxisprojekt ist ein Chatbot, der Azure-Dienste integriert.

• AI-900: Azure Cognitive Services, Machine Learning Fundamentals, Responsible AI
• AI-102: Architektur und Entwicklung produktiver Azure-KI-Lösungen
• Azure ML Workspace: Datenpipelines, Modellregistrierung, Endpoints
• Monitoring und Alerting für KI-Lösungen in Azure
• Praxisprojekt: Azure-Chatbot mit integrierten Cognitive Services

CertNexus CAIP und CDSP — Practitioner-Level KI und Data Science Die beiden CertNexus-Zertifizierungsmodule decken den vollständigen Lebenszyklus eines KI- und Data-Science-Projekts ab. CAIP fokussiert auf Feature Engineering, Modelltraining und Deployment-Strategien; CDSP auf explorative Analyse, A/B-Tests und die Kommunikation von Ergebnissen für Entscheidungsträger. Das kombinierte Praxisprojekt — ein A/B-Test für eine Marketingkampagne — verknüpft analytisches Denken mit statistischer Methodik.

• CertNexus CAIP: KI-Lebenszyklus, Feature Engineering, Modell-Deployment
• CertNexus CDSP: Explorative Analyse, überwachte und unüberwachte Verfahren
• A/B-Tests und statistische Hypothesenprüfung
• Modell-Evaluation und Ergebniskommunikation
• Praxisprojekt: A/B-Test-Analyse für Marketingkampagne

Generative KI — CertNexus GENAIBIZ Generative Modelle sind in produktiven Umgebungen angekommen — als Textgeneratoren, Code-Assistenten und Entscheidungsunterstützung. Dieses Modul erklärt, wie diese Systeme funktionieren, welche Sicherheits- und Datenschutzaspekte bei ihrem Einsatz zu berücksichtigen sind und wie ein konkreter GenAI-Assistent konzipiert und erprobt wird. Das Praxisprojekt illustriert, wie generative KI in einem realen Anwendungsfall sowohl nützlich als auch verantwortungsvoll eingesetzt werden kann.

• CertNexus GENAIBIZ: Large Language Models, Bildgeneratoren, Code-Assistenz
• Sicherheit und Datenschutz bei generativen KI-Systemen
• Qualitätssicherung: Halluzinationen, Faktenprüfung, menschliche Kontrolle
• Integration generativer Systeme in Unternehmensworkflows
• Praxisprojekt: Konzeption und Erprobung eines GenAI-Assistenten

EU Artificial Intelligence Act — Zusatzqualifikation Das siebte und abschließende Modul ist das, was diesen Kurs von allen anderen in der Reihe unterscheidet. Der EU AI Act kategorisiert KI-Systeme nach Risikoklassen — von minimalen Risiken (Chatbots, Spam-Filter) über begrenzte Risiken bis hin zu Hochrisiko-Systemen (z. B. KI in der Personalvermittlung, im Kreditscoring oder in medizinischen Geräten) und verbotenen Anwendungen. Teilnehmende lernen, wie bestehende und geplante KI-Systeme korrekt eingeordnet, dokumentiert und überwacht werden. Das Praxisprojekt — eine Risikoanalyse für ein KI-gestütztes Empfehlungssystem — simuliert den Bewertungsprozess, den Unternehmen bei der Einführung von KI durchlaufen müssen.

• Grundlagen des EU AI Act: Anwendungsbereich, Inkrafttreten, Übergangszeiträume
• Risikoklassen: minimales, begrenztes, hohes Risiko und verbotene Systeme
• Anforderungen für Hochrisiko-KI: Dokumentation, Transparenz, Aufsicht
• Conformity Assessment und CE-Kennzeichnung für KI-Produkte
• Governance und Monitoring: Marktüberwachung, Meldepflichten
• Praxisprojekt: Risikoanalyse für ein KI-gestütztes Empfehlungssystem

Praxisblock: Entwicklung und Compliance in der Synthese Über alle Module werden technische und regulatorische Aspekte verknüpft —

• Vollständige ML-Pipeline von Python-Preprocessing bis scikit-learn-Deployment
• CNN-Training auf einem realen Bilddatensatz mit Fehleranalyse
• Azure-KI-Lösung: Architektur, Entwicklung, Monitoring
• CAIP-Praxisaufgaben: Feature Engineering, Modellvergleich, Deployment
• CDSP-Praxisaufgaben: explorative Analyse, A/B-Test, Kommunikation
• GenAI-Assistent konzipieren und hinsichtlich Datenschutz bewerten
• EU-AI-Act-Risikoanalyse für ein reales oder simuliertes KI-System
• Compliance-Dokumentation für ein Hochrisiko-KI-System erstellen
• Governance-Leitlinien für den internen KI-Einsatz entwickeln
• Monitoring-Konzept für ein productiver KI-Lösung in Azure aufsetzen
• Vergleich mehrerer Modellarchitekturen auf identischen Daten
• Abschlusspräsentation: ein vollständiges KI-Projekt, technisch und regulatorisch

Der Kurs ist für technisch orientierte Fachkräfte konzipiert, die KI entwickeln und gleichzeitig regulatorisch kompetent agieren wollen.

• IT-Fachkräfte und Entwicklerinnen, die in die KI-Entwicklung wechseln
• Data Scientists, die ihre Projekte EU-AI-Act-konform aufsetzen wollen
• Compliance- und Governance-Verantwortliche mit technischem Hintergrund
• KI-Projektleiterinnen, die technische und regulatorische Anforderungen vereinen müssen
• Fachkräfte, die im Unternehmen KI-Systeme einführen und dabei rechtssicher vorgehen wollen

Das Kursformat verbindet Online-Präsenzphasen mit strukturierten Eigenlernabschnitten. Die technischen Module sind übungsintensiv: In jeder Einheit gibt es Hands-on-Aufgaben, die unmittelbar nach den konzeptionellen Erklärungen bearbeitet werden. Das EU-AI-Act-Modul arbeitet mit Fallstudien und Gruppenanalysen, da die Klassifikation von KI-Systemen von Diskussion und unterschiedlichen Perspektiven profitiert. Deutschlandweit online verfügbar, teils auf Englisch.

Der Kurs erstreckt sich im Vollzeitformat über rund vier Monate. Das EU-AI-Act-Modul ist als abschließendes Modul eingebettet, kann aber auch von Personen besucht werden, die nur diesen Bestandteil benötigen — sofern der Anbieter Einzelmodule anbietet. Die genaue Stundenzahl je Modul ist beim jeweiligen Anbieter zu erfragen.

Nach Abschluss des gesamten Lehrgangs erhalten Teilnehmende ein trägerinternes Abschlusszertifikat sowie qualifizierte Teilnahmebescheinigungen für die einzelnen Module. Das Curriculum bereitet auf die externen Prüfungen Microsoft AI-900, Microsoft AI-102, CertNexus CAIP, CertNexus CDSP und CertNexus GENAIBIZ vor. Für das EU-AI-Act-Modul wird eine trägerinterne Zusatzqualifikation ausgestellt. Externe Prüfungen werden bei akkreditierten Testzentren separat abgelegt.

Was diesen Kurs von allen anderen in der Reihe unterscheidet, ist die Erkenntnis, dass technisches Können und regulatorische Kompetenz zunehmend untrennbar werden. Der EU AI Act ist kein theoretisches Regelwerk — er definiert, welche Dokumentation vor dem Deployment vorliegen muss, welche Systeme einer Konformitätsbewertung bedürfen und welche Anwendungen verboten sind. Wer das nicht kennt, baut möglicherweise KI-Systeme, die nicht ausgerollt werden dürfen. Absolventinnen und Absolventen dieses Kurses können KI-Systeme von Grund auf entwickeln und gleichzeitig einordnen, in welche Risikoklasse ein System fällt. Das ist eine Kombination, die in Unternehmen zunehmend gesucht wird — gerade in regulierten Branchen wie Finanzwirtschaft, Gesundheitswesen und öffentlicher Verwaltung, wo KI-Systeme besonders sorgfältig klassifiziert werden müssen. Die Vorbereitung auf mehrere internationale Zertifizierungsprüfungen — Microsoft, CertNexus — dokumentiert die erworbenen Kompetenzen nach außen und erhöht die Sichtbarkeit bei Bewerbungen. Das EU-AI-Act-Modul als Zusatzqualifikation ist ein Alleinstellungsmerkmal, das die meisten anderen KI-Weiterbildungen nicht bieten.