Kurs: Data Engineer - Konzepte ML
Geprüft von Admin Kursweg · Stand 24. Mai 2026
Was wird in diesem Kurs vermittelt
Kurs: Data Engineer - Konzepte ML
KursbeschreibungDer Kurs ,,Data Engineer - Konzepte ML" vermittelt die Grundlagen und wesentlichen Methoden, die Data Engineers für die Arbeit mit Machine Learning (ML) benötigen. Teilnehmende lernen, wie Daten strukturiert, aufbereitet und für ML-Modelle bereitgestellt werden. Zudem wird vermittelt, wie Datenpipelines gestaltet werden, um die Integration von ML in Unternehmensprozesse zu ermöglichen. Ziel ist es, ein fundiertes Verständnis von ML-Konzepten im Kontext des Data Engineerings aufzubauen.
Zielgruppe
Data Engineers, Data Scientists, Entwickler:innen und IT-Fachkräfte, die ein grundlegendes Verständnis für Machine Learning im Data Engineering entwickeln möchten.
Kursniveau
Von Anfänger bis Fortgeschritten
Vorkenntnisse & empfohlene Vorkurse
Grundkenntnisse in Python, SQL und Cloud-Technologien sind hilfreich, aber nicht zwingend erforderlich.
Grundlagen von ML-Konzepten im Data EngineeringDie Teilnehmenden lernen, welche Konzepte hinter Machine Learning stehen und wie sie im Data Engineering eingesetzt werden. Praxisbeispiel: Nutzung einer Pipeline zur Vorhersage von Verkaufszahlen.
• Grundlagen Machine Learning
• Einsatz im Data Engineering
• Praxisbeispiel Verkaufsprognose
Datenmanagement - Microsoft DP-900Es werden Grundlagen der Datenverwaltung in relationalen und nicht-relationalen Datenbanken vermittelt. Praxisbeispiel: Strukturierung von Kundendaten in Azure SQL.
• Microsoft DP-900 Azure Data Fundamentals
• Relationale & NoSQL-Datenbanken
• Datenmanagement in Azure
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.
Bei AZAV-zertifizierten Trägern ist die Weiterbildung über einen Bildungsgutschein der Agentur für Arbeit oder des Jobcenters in der Regel zu 100 % förderfähig — inklusive Fahrt-, Kinderbetreuungs- und ggf. Unterbringungskosten. Voraussetzung ist eine vorherige Beratung mit deinem Arbeitsvermittler.
Beide Formate sind je nach Anbieter verfügbar — als Online-Live-Format, Hybrid oder Präsenzschulung in mehreren deutschen Städten. Bei deiner Anfrage geben wir deine Präferenz (Region, Online/Präsenz, Vollzeit/Teilzeit) weiter, damit nur passende Angebote zurückkommen.
Die Dauer variiert je nach Anbieter und Format. Typisch sind ca. 4–12 Wochen Vollzeit / 3–6 Monate berufsbegleitend. Berufsbegleitende Varianten dauern entsprechend länger, sind dafür aber neben Beruf oder Familie absolvierbar.
Typische Folgepositionen sind: Data Engineer, Machine Learning Engineer, Data Scientist. Konkrete Gehalts-Spannen findest du im Karriere-Abschnitt dieser Seite — die Werte basieren auf Erhebungen der Bundesagentur für Arbeit und StepStone (2024/25).
Datenvisualisierung mit Google Looker Studio (ehemals Data Studio): Datenanbindung, Dashboards, interaktive Reports. Für Datenanalysten und Business-Intelligence-Einsteiger.
Quereinstieg in den Datenanalysten-Beruf: Excel, Power BI, SQL. Praxisorientiert mit Daten-Cleaning, Dashboards und Reporting. Für angehende Junior-Data-Analysten.
Data Science kompakt: Python + Pandas + EDA + Visualisierung + ML-Einstieg. Solider Quereinstieg.
Statistik für Data Science: deskriptive + inferentielle Statistik, Hypothesentests, lineare Regression.
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.
• Praxisbeispiel Kundendaten
Big Data Engineering - Microsoft DP-203Die Teilnehmenden lernen, wie große Datenmengen gespeichert, transformiert und analysiert werden. Praxisbeispiel: Nutzung von Azure Data Lake für Logdaten.
• Microsoft DP-203 Data Engineering on Microsoft Azure
• Speicherung & Verarbeitung von Big Data
• Datenintegration mit Azure Data Lake
• Praxisbeispiel Logdaten
Einführung KI - Microsoft AI-900Das Modul vermittelt grundlegende Kenntnisse in Künstlicher Intelligenz und deren Anwendung in der Cloud. Praxisbeispiel: Nutzung von Cognitive Services für Bildanalyse.
• Microsoft AI-900 Azure AI Fundamentals
• Grundlagen der Künstlichen Intelligenz
• Cognitive Services
• Praxisbeispiel Bildanalyse
Entwicklung von KI-Lösungen - Microsoft AI-102Teilnehmende vertiefen ihr Wissen über die Entwicklung von KI-Lösungen mit Azure. Praxisbeispiel: Aufbau eines Sprachmodells mit Azure Cognitive Services.
• Microsoft AI-102 Azure AI Engineer Associate
• Entwicklung von KI-Lösungen
• Nutzung von Cognitive Services
• Praxisbeispiel Sprachmodell
ZusatzinformationenDer Kurs ist AZAV-zertifiziert, über Bildungsgutschein und Qualifizierungschancengesetz (QCG) förderbar.
Er eignet sich sowohl für Einzelpersonen als auch für B2B-Kund:innen. Durchführung über New Horizons (München, Stuttgart, Nürnberg) sowie learn2program.de.
Alle Kurse können deutschlandweit online belegt werden. Viele unserer Kurse finden auf Deutsch und/oder auf Englisch statt.
FazitDie Weiterbildung ,,Data Engineer - Konzepte ML" bietet eine solide Einführung in die Konzepte von Machine Learning und deren Umsetzung im Data Engineering. Mit DP-900, DP-203, AI-900 und AI-102 erwerben die Teilnehmenden praxisorientierte Kompetenzen, um ML-Lösungen im Unternehmenskontext umzusetzen.
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.