Titel: Künstliche Intelligenz
Geprüft von Admin Kursweg · Stand 24. Mai 2026
Was wird in diesem Kurs vermittelt
Titel: Künstliche Intelligenz
1. Kursbeschreibung
Der Kurs ,,Künstliche Intelligenz" vermittelt praxisnahes Wissen rund um die Entwicklung, Anwendung und Implementierung moderner KI-Systeme. Teilnehmende lernen, wie maschinelles Lernen, Deep Learning und Cloud-basierte KI-Dienste genutzt werden, um intelligente Lösungen zu gestalten. Der Kurs verbindet theoretische Grundlagen mit praxisorientierten Projekten und bietet den idealen Einstieg in die professionelle Arbeit mit Künstlicher Intelligenz.
2. Zielgruppe
Der Kurs richtet sich an Data Scientists, KI-Entwickler:innen, IT-Fachkräfte, Analyst:innen und Quereinsteiger:innen, die fundierte Kenntnisse im Bereich KI erwerben oder vertiefen möchten.
3. Kursniveau
Einsteiger bis Fortgeschrittene - Grundkenntnisse in IT oder Mathematik sind hilfreich, aber nicht zwingend erforderlich.
4. Vorkenntnisse & empfohlene Vorkurse
Empfohlen: ,,Azure Fundamentals (AZ-900)" und ,,Introduction to Python" für ein besseres Verständnis von Cloud-Technologien und Programmierlogik.
5. Agenda (4-6 Themenblöcke)
Modul 1: Grundlagen der Künstlichen Intelligenz
Teilnehmende lernen die theoretischen und technischen Grundlagen der KI kennen - von der Geschichte der KI bis zu den aktuellen Trends wie generativer KI und neuronalen Netzen.
Praxisbeispiel: Klassifikationsmodell für Kundendaten.
Kursinhalte:
- Einführung in Künstliche Intelligenz
- Maschinelles Lernen und Deep Learning
- KI-Ethik und gesellschaftliche Auswirkungen
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: KI-Entwickler/in, Machine Learning Engineer, IT-Fachkraft für KI, 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).
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.
- Aktuelle Trends (z. B. ChatGPT, generative Modelle)
Modul 2: Microsoft DP-100 - Azure Data Scientist Associate
Dieses Modul vermittelt praxisnahes Wissen zur Datenaufbereitung, Modellierung und zum Training von ML-Modellen in Azure.
Praxisbeispiel: Entwicklung eines Prognosemodells mit Azure Machine Learning.
Kursinhalte:
- Azure Machine Learning Workflows
- Feature Engineering und Datenaufbereitung
- Modelltraining, Evaluation und Deployment
- Skalierung und Monitoring von ML-Modellen
Modul 3: Microsoft AI-102 - Azure AI Engineer Associate
Hier lernen Teilnehmende, KI-Modelle produktiv in Cloud-Anwendungen zu integrieren.
Praxisbeispiel: Entwicklung einer KI-basierten Chat-Anwendung mit Azure Cognitive Services.
Kursinhalte:
- Azure Cognitive Services und Azure OpenAI
- Text-, Sprach- und Bildverarbeitung
- Sicherheit, Skalierung und Automatisierung
- Integration in Azure- und Unternehmensumgebungen
Modul 4: CertNexus AIBIZ(TM) - Artificial Intelligence for Business Professionals
Dieses Modul stellt den betriebswirtschaftlichen und organisatorischen Nutzen von KI in den Vordergrund.
Praxisbeispiel: Entwicklung eines Business-Case zur KI-Einführung in der Produktion.
Kursinhalte:
- Anwendungsfelder von KI im Unternehmen
- Wirtschaftliche Bewertung von KI-Projekten
- Datenschutz, Compliance und Change Management
- Ethische Prinzipien und Verantwortung im KI-Einsatz
Modul 5: Praxisprojekt - End-to-End-KI-System
Im Abschlussprojekt entwickeln Teilnehmende eine vollständige KI-Lösung - von der Datenakquise über das Modelltraining bis zur Bereitstellung.
Praxisbeispiel: Entwicklung eines automatisierten Empfehlungssystems.
Kursinhalte:
- Aufbau eines kompletten ML-Projekts in Azure
- Verbindung von Datenquellen und KI-Modellen
- Visualisierung und Präsentation der Ergebnisse
- Prüfungsvorbereitung auf AI-102, DP-100 und AIBIZ
6. Zusatzinformationen
Der Kurs ist AZAV-zertifiziert und kann über Bildungsgutschein oder Qualifizierungschancengesetz (QCG) gefördert werden.
Er richtet sich
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.