MLA-C01 Prüfungsvorbereitung: SageMaker, Glue, S3, Lambda, MLOps, Feature Engineering.
Geprüft von Admin Kursweg · Stand 24. Mai 2026
Was wird in diesem Kurs vermittelt
AWS dominiert den globalen Cloud-ML-Markt. Wer MLA-C01 besteht, gehört zur Top-Liga der Cloud-Machine-Learning-Engineers — und wird in jeder Branche gefragt.
**Was du am Ende kannst:**
- KI und Machine Learning auf AWS senior anwenden
- Statistische Modellierung für ML-Probleme einsetzen
- Amazon SageMaker für Training und Deployment nutzen
- AWS Glue für ETL-Prozesse einsetzen
- Amazon S3 als Data Lake nutzen
- AWS Lambda für serverless ML-Inferenz aufsetzen
- API Gateway für ML-Endpoints konfigurieren
- MLOps-Workflows (CI/CD für ML) etablieren
- IAM (Identity and Access Management) für ML-Workloads sichern
- Feature Engineering professionell durchführen
- Auf MLA-C01 Prüfung (Lab-basiert, 65 Fragen, 130 Min) vorbereitet sein
**Inhalte im Detail:**
**Grundlagen:**
- KI vs. ML vs. Deep Learning
- ML-Lifecycle: Daten → Training → Validierung → Deployment → Monitoring
- Statistische Modellierung: Regression, Klassifikation, Clustering
- Bias-Variance-Trade-off
- Overfitting und Regularisierung
**AWS Machine Learning Services:**
- Amazon SageMaker: Studio, Training Jobs, Endpoints, Pipelines, Feature Store
- SageMaker Built-in Algorithms
- Bring Your Own Algorithm (BYOA)
Marktdaten zu Verdienst, offenen Stellen und Zukunftsaussicht im Bereich IT & Informatik
Einstieg
38.000–48.000 €
0–2 Jahre Erfahrung
Mittel
52.000–68.000 €
3–7 Jahre Erfahrung
Senior
70.000–95.000 €
8+ Jahre / Lead-Rolle
124.000+
IT-Berufe sind seit fünf Jahren der größte Fachkräfteengpass am deutschen Arbeitsmarkt. Der Bestand offener IT-Stellen ist 2024 auf einen Rekordstand gestiegen; AI- und Cloud-Skills werden in den nächsten Jahren weiter überdurchschnittlich nachgefragt.
Bei AZAV-zertifizierten Trägern ist die Kursgebühr regelmäßig zu 100 % förderbar.
Anspruchsvoll. Voraussetzung: ML-Grundverständnis + AWS-Vertrautheit. Lab-basierte Fragen anspruchsvoller als reine Multiple Choice.
Nicht zwingend, aber sehr empfehlenswert. Wer AWS-Konsole nicht kennt, hat es schwer.
AWS hat den breitesten Service-Stack und Marktanteil. GCP stark in NLP/Vision, Azure stark in Enterprise.
AZAV-zertifizierte Anbieter, Bildungsgutschein und QCG möglich.
Praxisorientierter Einstieg ins Reinforcement Learning mit AWS DeepRacer: SageMaker, Lambda, EC2 Deep Learning AMI. Hands-on KI-Kompetenz mit Cloud-Infrastruktur.
Praxis-Kurs für KI-gestützte Kreativ-Workflows: Adobe Photoshop mit Generative Fill, Canva AI, ChatGPT für Werbetexte, KI-Bildgenerierung. Für Mediengestalter und Marketing-Profis.
Einstieg KI und Data Science: CRISP-DM, Big Data, RPA, KI-Algorithmen. Für Quereinsteiger:innen in Tech-Berufe.
Sag uns einmal Region, Format (online/präsenz), Zeit-Modell und Förderstatus — wir vergleichen für dich und melden uns mit 1–3 passenden Trägern. Kostenlos, unverbindlich.
- Bring Your Own Model (BYOM)
- SageMaker Autopilot (AutoML)
- SageMaker Ground Truth (Data Labeling)
**Data Engineering:**
- Amazon S3 als Data Lake
- AWS Glue: Crawlers, Jobs, Catalog
- AWS Data Pipeline / Step Functions
- Amazon Athena für Query
**Modell-Training:**
- Feature Engineering: Scaling, Encoding, Selection
- Hyperparameter-Tuning (SageMaker)
- Distributed Training auf SageMaker
**Deployment:**
- Real-time Endpoints
- Batch Transform
- Serverless Inference
- Asynchronous Inference
- Multi-Model Endpoints
**MLOps:**
- SageMaker Pipelines
- Model Registry
- Model Monitor: Data/Model Drift
- A/B-Testing mit Production Variants
- CI/CD für ML mit CodePipeline
**Serverless ML:**
- AWS Lambda für ML-Inferenz
- API Gateway + Lambda + SageMaker
**Sicherheit:**
- IAM Policies für ML
- VPC für SageMaker
- Encryption at rest/in transit
- Data Governance mit Lake Formation
**Prüfungsvorbereitung:**
- 65 Fragen, 130 Min, ~750/1000 Bestehensgrenze
- Lab-basierte Szenarien
- Practice Exams + Mock Tests
**Berufschancen:**
- AWS Machine Learning Engineer
- Cloud ML Engineer
- MLOps Engineer
- AWS Solutions Architect mit ML-Spezialisierung
- Cloud Architect mit ML-Fokus
- Data Scientist (AWS-fokussiert)
- Gehälter: 70-95k € Einstieg, 95-140k € senior, freiberuflich 800-1.500 €/Tag
Typischer Verlauf nach dem Kurs
Quellen: Bundesagentur für Arbeit · Engpassanalyse 2024/25 · StepStone Gehaltsreport 2025 · Bitkom Studie Fachkräftemangel 2024. Brutto-Jahresgehälter aus Erhebungen 2024/25, abweichend nach Region und Tarifgebundenheit.
KI-Management strategisch + AWS-ML technisch: SageMaker, DeepRacer, Reinforcement Learning, Lambda, EC2.