Microsoft Certified: AI Engineer Associate (AI-102) (AI-102) with Microsoft Certified: AI Engineer (AI-102) (AI-102)

Dieser Kurs bereitet auf die Microsoft-Zertifizierungsprüfung AI-102 (Azure AI Engineer Associate) vor. Das Programm erarbeitet systematisch alle Kerntechnologien und Anwendungsarchitekturen der Azure-KI-Plattform — von Azure Cognitive Services und Azure OpenAI Service über Natural Language Processing und Computer Vision bis hin zu Azure AI Search und Responsible AI. Ergänzt wird der offizielle AI-102-Lehrplan durch ein trägerinternes Vertiefungsmodul, das schwierigere Prüfungsdomänen intensiver behandelt und zusätzliche Hands-on-Szenarien bietet. Die Zweitkomponente dieses Programms ist damit kein eigenständiges Microsoft-Zertifikat, sondern ein curriculuminterner Vertiefungsblock, der auf dieselbe AI-102-Prüfung ausgerichtet ist.

Modul Azure Cognitive Services und KI-Infrastruktur Dieses Modul bildet das Fundament des Kurses. Die Teilnehmenden lernen, wie Azure Cognitive Services als verwaltete Endpunkte bereitgestellt, authentifiziert und skaliert werden. Dabei geht es um Ressourcenplanung, Preisstufen, regionale Verfügbarkeit und die sichere Verwaltung von API-Schlüsseln über Azure Key Vault.

• Überblick über die Azure-KI-Plattform und das KI-Engineer-Rollenmodell
• Erstellen und Verwalten von Cognitive-Services-Ressourcen im Azure Portal und per CLI
• Authentifizierungskonzepte: API-Schlüssel, Managed Identities, Azure Active Directory
• Netzwerksicherheit: private Endpunkte, VNet-Integration, Zugriffssteuerung
• Überwachung mit Azure Monitor, Log Analytics und Application Insights
• Responsible AI: Fairness, Zuverlässigkeit, Datenschutz, Inklusivität, Transparenz

Modul Sprachverarbeitung und konversationelle KI Azure Language Service und Azure Bot Framework stehen im Mittelpunkt dieses Moduls. Teilnehmende lernen, sprachverstehende Systeme zu entwerfen, die auf natürliche Anfragen reagieren, Entitäten extrahieren und komplexe Dialoge steuern können.

• Azure Language Service: Sentimentanalyse, Entitätserkennung, Schlüsselbegriffe
• Conversational Language Understanding (CLU): Intents, Entitäten, Utterances trainieren
• Question Answering: Wissensdatenbanken aufbauen und in Chatbots einbinden
• Azure Bot Framework SDK: Dialogflüsse, Middleware, Channel-Integration (Teams, Web, etc.)
• Speech-Dienste: Sprache-zu-Text, Text-zu-Sprache, Sprechererkennung
• Azure OpenAI Service: Modellbereitstellung, Prompt Engineering, Inhaltsfilterung

Modul Computer Vision und Bildintelligenz Visuelle KI-Dienste werden anhand praxisnaher Szenarien vermittelt. Das Modul verbindet theoretisches Verständnis von Bilderkennungsmodellen mit dem konkreten Einsatz der Azure-Dienste.

• Azure Computer Vision: Bildbeschreibungen, Tagging, OCR, räumliche Analyse
• Custom Vision: Bildklassifikation und Objekterkennung mit eigenen Trainingsdaten
• Azure Face API: Gesichtserkennung, Verifikation, Emotionsdaten (Datenschutzbezug)
• Formularerkennung und Dokumentenanalyse mit Azure Form Recognizer / Document Intelligence
• Videoindizierung mit Azure Video Indexer
• Designprinzipien verantwortungsvoller Bilderkennungssysteme

Modul Azure AI Search und wissensbasierte Lösungen Informationsarchitekturen auf Basis von Azure AI Search werden in diesem Modul erarbeitet. Teilnehmende lernen, wie strukturierte und unstrukturierte Daten indexiert, mit KI angereichert und durchsuchbar gemacht werden.

• Azure AI Search: Indexe, Indexer, Skillsets, Wissensarchiv
• Kognitive Anreicherung: Texterkennung, Übersetzung, Sentiment im Indexierungsprozess
• Integration von Azure OpenAI in Retrieval-Augmented-Generation-Szenarien
• Abfragesprachen: einfache Abfragen, Lucene-Syntax, semantische Suche
• Sicherheitsfilterung und rollenbasierte Zugriffssteuerung auf Indexebene

Trägerinternes Vertiefungsmodul Der zweite Programmbestandteil ist kein eigenständiges Microsoft-Zertifikat, sondern ein curriculuminternes Vertiefungsmodul, das auf die Herausforderungen der AI-102-Prüfung ausgerichtet ist. Es behandelt Domänen, die im Basisteil weniger Übungszeit erhalten, und stellt sicher, dass Teilnehmende auch komplexe Architekturszenarien sicher bearbeiten können.

• Vertiefung von Monitoring und Diagnose: Azure Monitor-Alerts, Log-Analytics-Abfragen, Dashboards
• Sicherheitsarchitektur: Private Link, Managed Identity-Durchgängigkeit, Zertifikatsverwaltung
• NLP-Architektur: CLU vs. klassisches LUIS, Zusammenspiel von Language Studio und Bot Framework
• Retrieval-Augmented Generation (RAG): erweiterte Indexierungsszenarien, Chunking-Strategien
• Fehleranalyse in KI-Pipelines: Diagnose von Confidence-Schwellenwerten, Retraining-Entscheidungen
• End-to-End-Lösungsarchitektur: Verbindung aller gelernten Dienste in einer durchgängigen Applikation

Praxisübungen und Hands-on-Labs Die begleitenden Hands-on-Labs kombinieren die Modulinhalte zu vollständigen KI-Lösungsarchitekturen. Alle Labs finden in realen Azure-Sandboxumgebungen statt.

• Bereitstellen eines vollständigen Cognitive-Services-Stacks per ARM-Template / Bicep
• Entwickeln eines mehrsprachigen Chatbots mit CLU und Azure Bot Framework
• Aufbau einer Computer-Vision-Pipeline für die Qualitätskontrolle in einem Fertigungsszenario
• Implementierung einer Enterprise-Suche mit Azure AI Search und kognitiver Anreicherung
• Integration von Azure OpenAI in eine RAG-Applikation mit eigenen Dokumenten
• Durchgängige Überwachung und Fehlerdiagnose in einer KI-Gesamtarchitektur
• Absicherung sämtlicher Endpunkte: Managed Identity, Key Vault, Private Link
• Überprüfung von Responsible-AI-Metriken mit Azure AI Content Safety
• Auswertung von Diagnoseprotokollen und Tuning von Grenzwerten
• Analyse eines kaputten NLP-Dienstes: Identifikation und Behebung der Konfigurationsfehler
• Aufbau einer vollständigen Multi-Service-Lösung aus Azure AI Search, Language Service und OpenAI
• End-to-End-Deployment: von der Ressourcenanlage bis zum produktionsreifen Monitoring

Nach Abschluss der praktischen Einheiten sind die Teilnehmenden in der Lage, eigenständig vollständige Azure-KI-Lösungen zu entwerfen, zu sichern und zu betreiben.

Das Programm richtet sich an Fachkräfte mit IT-Hintergrund, die sich auf die Azure AI Engineer Associate-Zertifizierung vorbereiten möchten.

• Softwareentwicklerinnen und -entwickler, die KI-Funktionen in Azure-Applikationen integrieren
• Cloud-Architektinnen und -Architekten, die KI-Dienste in Lösungsdesigns einbinden
• IT-Fachkräfte mit Azure-Grundkenntnissen, die in die KI-Spezialisierung wechseln möchten
• Data Scientists mit Interesse an der produktionsreifen Bereitstellung von KI-Workloads
• Technische Projektverantwortliche, die Azure-KI-Initiativen fachlich begleiten

Das Programm verbindet Live-Unterricht im virtuellen Klassenzimmer mit selbstgesteuerten Lernphasen im Combined-Learning-Format. Der Live-Anteil setzt auf interaktive Lehrgespräche, geführte Demonstrationen und direkte Frage-Antwort-Phasen mit erfahrenen Dozierenden. Die Hands-on-Labs finden in realen Azure-Sandboxumgebungen statt, sodass Teilnehmende die Inhalte unmittelbar anwenden können. Das trägerinterne Vertiefungsmodul ist in den Stundenplan integriert und ergänzt den Basisteil ohne zusätzlichen Zeitaufwand außerhalb des regulären Lehrgangs.

Die Weiterbildung erstreckt sich über mehr als einen bis zu drei Monate und wird in Vollzeit absolviert. Die genaue Stundenzahl richtet sich nach den individuell gewählten Modulen; das Gesamtprogramm ist so konzipiert, dass alle AI-102-Prüfungsthemen ausreichend vertieft werden können.

Nach erfolgreichem Abschluss erhalten Teilnehmende ein trägerinternes Lehrgangszertifikat als Nachweis der Kursteilnahme. Der Kurs bereitet auf die externe Zertifizierungsprüfung AI-102 (Microsoft Certified: Azure AI Engineer Associate) vor, die unabhängig bei einem akkreditierten Microsoft-Testcenter abgelegt wird. Das Zertifikat AI-102 wird direkt von Microsoft ausgestellt und ist international anerkannt. Das trägerinterne Vertiefungsmodul ist kein separates Microsoft-Zertifikat und wird nicht bei Microsoft hinterlegt.

Die Zertifizierung AI-102 ist im Markt für Azure-Fachkräfte eine der gefragtesten Nachweise im KI-Bereich. Wer sie besitzt, signalisiert Arbeitgebern, Partnerunternehmen und Kunden, dass praxistaugliche KI-Lösungen auf der Azure-Plattform eigenständig konzipiert, implementiert und sicher betrieben werden können. Das ist besonders relevant in Branchen, die zunehmend auf KI-gestützte Automatisierung, Dokumentenverarbeitung oder konversationelle Systeme setzen. Die vertiefte Struktur dieses Programms zahlt sich vor allem für Teilnehmende aus, die in ihrem Arbeitsalltag bisher wenig direkten Kontakt mit Azure-KI-Diensten hatten. Durch die konsequente Verknüpfung von Theorie und praktischen Labs entsteht ein Kompetenzprofil, das weit über das reine Bestehen der Prüfung hinausgeht: Absolventen kennen die Dienste aus eigener Konfigurationsarbeit, haben Fehlerszenarien aktiv durchgearbeitet und verstehen die Sicherheits- und Governance-Aspekte aus praktischer Erfahrung. Nach Abschluss können die Absolventen unmittelbar in KI-Projekte einsteigen — als technisch Hauptverantwortliche für Azure-KI-Architekturen, als Spezialist für NLP-Lösungen oder als Ansprechperson für Sicherheit und Governance in KI-Deployments.