Azure AI Engineer AI-102 + Azure Security Engineer AZ-500

Dieser Kurs bereitet auf zwei aufeinander abgestimmte Microsoft-Zertifizierungen vor: AI-102 (Azure AI Engineer Associate) und AZ-500 (Azure Security Engineer Associate). Während AI-102 die Fähigkeit nachweist, KI-Lösungen auf Azure zu entwerfen und zu implementieren, bestätigt AZ-500 die Kompetenz, Azure-Infrastrukturen und -Dienste technisch abzusichern. Die Überschneidung ist direkt: Wer KI-Dienste in Azure produktiv betreibt, muss Identitäten, Netzwerke, Datenzugriffe und Bedrohungsszenarien für genau diese Dienste beherrschen. Dieser Kurs schließt diese Lücke.

Modul 1 — Azure AI Engineer (AI-102): KI-Dienste und Lösungsarchitektur Der erste Kursabschnitt vermittelt die Grundlagen der Azure-KI-Plattform und die Architektur robuster KI-Lösungen. Teilnehmende lernen, welche Dienste für welche Anwendungsszenarien geeignet sind, und arbeiten von Beginn an mit Sicherheitsgesichtspunkten: Welche Daten verlassen die Azure-Region? Welche APIs benötigen besondere Zugriffskontrollen?

• Überblick Cognitive Services: Kategorien, Preismodelle und Datenschutzklassen
• Sichere API-Nutzung: Authentifizierung, Managed Identities, Key Vault-Integration
• Container-Deployments für datensensitive On-Premises-Szenarien
• Responsible AI: Datenschutz, Diskriminierungsfreiheit und Audit-Trails
• Architekturprinzipien für skalierbare, wartbare KI-Lösungen

Modul 2 — Azure AI Engineer (AI-102): Sprache, Bots und Wissensmanagement Dieser Block behandelt sprachbasierte KI-Dienste sowie den Bot Service als Kommunikationsschicht. Sicherheitsrelevante Aspekte — etwa die Absicherung von Bot-Channels und die Vermeidung von Prompt-Injection-Angriffen — werden thematisiert, wo sie für den Kursinhalt relevant sind.

• LUIS und Language Studio: Sprachverständnis trainieren und evaluieren
• QnA Maker und Azure Cognitive Search: Wissensbasen für Unternehmensanwendungen
• Azure Bot Service: Kanalregistrierung, Authentifizierung und Zugriffskontrolle
• CLU (Conversational Language Understanding) als moderner LUIS-Nachfolger
• Speech-Dienste: Spracherkennung, -synthese und -übersetzung in Echtzeit

Modul 3 — Azure AI Engineer (AI-102): Vision, Dokumente und Anomalieerkennung Der abschließende AI-102-Block deckt visuelle Intelligenz und strukturierte Dokumentenverarbeitung ab. In Sicherheitsszenarien relevant sind etwa Form-Recognizer-Lösungen für die automatische Verarbeitung von Compliance-Dokumenten.

• Custom Vision: Trainieren, Evaluieren und Deployen eigener Bildklassifikatoren
• Form Recognizer: Extraktion strukturierter Felder aus gescannten Dokumenten
• Face API und Gesichtserkennung: Datenschutzeinschränkungen und ethische Nutzung
• Azure Metrics Advisor: Anomalieerkennung in Zeitreihen und operativen Metriken
• Video Indexer: Inhaltsanalyse und Metadaten-Extraktion aus Videomaterial

Modul 4 — Azure Security Engineer (AZ-500): Identität, Netzwerk, Daten und Monitoring Das AZ-500-Modul behandelt alle vier Sicherheitssäulen von Azure: Identitäts- und Zugriffsverwaltung, Perimeter- und Netzwerksicherheit, Datensicherheit sowie Sicherheitsüberwachung. Die Themen werden direkt auf typische KI-Deployment-Szenarien angewendet.

• Azure AD: Benutzer, Gruppen, Conditional Access und privilegierter Zugriff mit PIM
• RBAC, Managed Identities und Service Principals für Azure-Ressourcen
• Azure Firewall, NSGs, Private Endpoints und VNet-Integration für Cognitive Services
• Azure Key Vault: Secrets, Zertifikate und HSM-gesicherte Schlüssel verwalten
• Microsoft Defender for Cloud: Secure Score, Empfehlungen und Bedrohungsschutz
• Azure Monitor Logs und Defender-Integration für KI-Dienste

Die Laborübungen verbinden AI-102- und AZ-500-Inhalte in gemeinsamen Deployment-Szenarien. Der Fokus liegt darauf, KI-Lösungen von Anfang an sicher zu gestalten — Security by Design statt nachträglichem Absichern.

• Cognitive-Services-Ressource mit Managed Identity und Key-Vault-Integration deployen
• RBAC-Rollen für ein KI-Entwicklungsteam konfigurieren und minimale Rechte sicherstellen
• Bot Service hinter einer Azure API Management-Instanz absichern
• Private Endpoint für Azure OpenAI Service einrichten und Netzwerkisolation testen
• Defender for Cloud-Empfehlungen für eine KI-Architektur umsetzen und Secure Score verbessern
• Key-Vault-Zugriffslogs analysieren und verdächtige Muster identifizieren
• Conditional-Access-Policy für den Zugriff auf KI-Verwaltungsressourcen erstellen
• Custom Vision-Modell in ein containerisiertes Deployment überführen und absichern
• Form-Recognizer-Lösung DSGVO-konform konfigurieren (Datenaufbewahrung, Region)
• Azure-Monitor-Alerting für kritische KI-Dienstereignisse einrichten
• Penetrationstest-Erkenntnisse für einen Azure-KI-Stack simulieren und beheben
• End-to-End-Sicherheitsüberprüfung einer Referenzarchitektur dokumentieren

Die Labs enden jeweils mit einer Auswertungsphase, in der Teilnehmende ihre Konfigurationsentscheidungen begründen und auf Sicherheitsaudits vorbereiten. So wird nicht nur technisches Wissen, sondern auch kommunizierbare Sicherheitskompetenz aufgebaut. Der Abschluss des Praxisteils schließt beide Prüfungsdomänen vollständig ab und bereitet auf reale Architekturentscheidungen in produktiven Umgebungen vor.

Der Kurs richtet sich an Cloud-Professionals, die sich auf die Schnittstelle von KI-Implementierung und Cloud-Sicherheit spezialisieren möchten. Besonders profitieren Personen, die in ihrer Rolle sowohl für den Aufbau als auch für die Sicherheit von Azure-Diensten verantwortlich sind.

• Azure-Entwickler, die Sicherheitsverantwortung für ihre KI-Deployments übernehmen
• Cloud-Security-Engineers mit wachsendem Aufgabenbereich im KI-Bereich
• IT-Architekten, die sichere KI-Referenzarchitekturen entwerfen
• DevSecOps-Spezialisten im Microsoft-Ökosystem
• Sicherheitsberater mit Cloud-Fokus, die KI-Kompetenz ausbauen möchten

Theorieblöcke im virtuellen Klassenzimmer wechseln sich mit geführten und freien Laborphasen ab, in denen echte Azure-Umgebungen genutzt werden. Trainerinnen und Trainer mit Praxiserfahrung aus realen Azure-Sicherheitsprojekten begleiten die Einheiten. Sicherheitsszenarien werden als Fallstudien aufbereitet — mit Angriffsvektor, Gegenschritt und Auswirkungsanalyse. Das Combined-Learning-Format erlaubt sowohl Präsenzarbeit in ausgestatteten Schulungsräumen als auch vollständige Heimteilnahme über den virtuellen Unterrichtsraum.

Die Weiterbildung läuft im Vollzeitbetrieb über mehr als einen Monat bis zu drei Monate. Die Gewichtung zwischen AI-102 und AZ-500 kann je nach Vorwissen individuell angepasst werden. Wer bereits über solide Azure-Sicherheitskenntnisse verfügt, kann den KI-Teil intensiver belegen — und umgekehrt. Die gesamte Laborinfrastruktur steht während der gesamten Kurslaufzeit zur Verfügung.

Der Kurs bereitet auf zwei Microsoft-Zertifizierungsprüfungen vor: AI-102 (Designing and Implementing a Microsoft Azure AI Solution) und AZ-500 (Microsoft Azure Security Technologies). Beide Prüfungen finden bei einem akkreditierten Microsoft-Testcenter statt und führen zu den Abschlüssen Microsoft Certified: Azure AI Engineer Associate und Microsoft Certified: Azure Security Engineer Associate. Zusätzlich erhalten Teilnehmende eine qualifizierte Teilnahmebescheinigung. Die Prüfungsgebühren sind gesondert zu entrichten.

Azure AI Engineer und Azure Security Engineer sind zwei der gefragtesten Cloud-Rollen auf dem deutschen Arbeitsmarkt. Wer beide Zertifizierungen in einer Weiterbildung erwirbt, spart nicht nur Zeit, sondern profitiert vor allem von den inhaltlichen Synergien: Die Sicherheitsperspektive des AZ-500-Teils verändert, wie man KI-Lösungen entwickelt — und das KI-Verständnis aus AI-102 schärft den Blick dafür, welche Sicherheitsvorkehrungen für KI-spezifische Risiken wirklich relevant sind. In regulierten Branchen — Banken, Versicherungen, Gesundheitswesen — ist die Nachfrage nach Fachkräften besonders groß, die KI-Architekturen nicht nur bauen, sondern auch revisionsicher absichern können. Azure-Zertifizierungen gelten hier als anerkannter Kompetenznachweis, der bei internen Audits und Ausschreibungen Gewicht hat. Die Kombination AI-102 + AZ-500 ermöglicht es außerdem, innerhalb von Teams flexibel einzusetzen: In kleinen Teams übernimmt dieselbe Person KI-Entwicklung und Sicherheitsverantwortung; in größeren Organisationen ist man die Person, die zwischen Entwicklungs- und Sicherheitsteam vermitteln kann.