Azure AI Engineer (AI-102) + Power BI (PL-300) Kurs

Diese Weiterbildung verbindet zwei eigenständige Microsoft-Zertifizierungspfade in einem aufeinander abgestimmten Lehrgang: das Examen AI-102 (Azure AI Engineer Associate) und das Examen PL-300 (Power BI Data Analyst). Wer beide Prüfungen ablegt, kann KI-gestützte Anwendungen auf der Azure-Plattform entwickeln und gleichzeitig datenbasierte Erkenntnisse mit Power BI aufbereiten und kommunizieren. Gerade für Rollen an der Schnittstelle von Datenanalyse und intelligenten Cloud-Diensten ist diese Kombination ein markantes Qualifikationssignal.

Modul 1 — Azure KI-Dienste und Cognitive Services Die Azure Cognitive Services sind der Kern jeder KI-Lösung auf Microsoft-Cloud-Infrastruktur. Dieser Block beginnt mit dem grundlegenden Umgang mit Ressourcengruppen, Endpunkten und API-Schlüsseln und führt dann in die einzelnen Dienstbereiche ein.

• Azure-Ressourcen für KI anlegen und konfigurieren
• Computer Vision: Bildanalyse, OCR, räumliche Analyse
• Face API und Custom Vision für maßgeschneiderte Bilderkennungsmodelle
• Natural Language Processing: Text Analytics, Language Understanding (CLU), Übersetzungsdienste
• Azure Speech Services: Text-to-Speech, Speech-to-Text, Sprechererkennung
• Azure Bot Service und Conversational AI mit Language Studio

Modul 2 — Azure OpenAI Service und verantwortungsvolle KI Azure OpenAI Service erlaubt den Einsatz großer Sprachmodelle in unternehmensinternen Umgebungen mit definierten Sicherheits- und Compliance-Garantien. Der Abschnitt behandelt nicht nur die technische Integration, sondern auch die ethischen Rahmenbedingungen.

• Bereitstellen und Konfigurieren von Modell-Deployments in Azure OpenAI
• Prompt Engineering und Few-Shot-Learning für Produktivszenarien
• Content-Filter und Missbrauchs-Überwachung aktivieren
• Responsible AI Framework von Microsoft: Fairness, Zuverlässigkeit, Sicherheit, Datenschutz, Inklusivität, Transparenz, Verantwortlichkeit
• Überwachung und Protokollierung von KI-Modellen in Azure Monitor
• Kostenoptimierung und Skalierungsstrategie für KI-Workloads

Modul 3 — Power BI Datenmodellierung und DAX Das Herzstück eines leistungsfähigen Power BI-Berichts ist ein sauber strukturiertes Datenmodell. Dieser Block widmet sich dem Aufbau von Star-Schema-Modellen und dem Schreiben aussagekräftiger DAX-Ausdrücke.

• Datenquellen verbinden: Excel, SQL Server, Azure Synapse, REST-APIs
• Power Query M: Transformationen, Pivotieren, Fehlerbehandlung
• Beziehungen im Modell definieren, Kardinalität und Kreuzfilterrichtung steuern
• DAX-Grundlagen: CALCULATE, FILTER, ALL, RELATED, DIVIDE
• Zeitintelligenz mit DATESYTD, SAMEPERIODLASTYEAR, DATEADD
• Iteratorfunktionen SUMX, AVERAGEX, RANKX für fortgeschrittene Berechnungen

Modul 4 — Power BI Reports, Service und Sicherheit Die erstellten Modelle werden im Power BI Service veröffentlicht, für Teams zugänglich gemacht und mit Sicherheitskonzepten abgesichert. Dieser Block behandelt die operative Seite einer professionellen BI-Infrastruktur.

• Visualisierungstypen wählen: Balken, Linien, Karten, KPIs, Decomposition Tree
• Berichtsdesign für Barrierefreiheit und mobile Darstellung optimieren
• Arbeitsbereiche erstellen und Berechtigungen verwalten
• Datensätze planen und per Gateway aktualisieren
• Row-Level Security (RLS) modellieren und testen
• Power BI Embedded und API-Integration für Anwendungsentwickler

Praxisblock — Übergreifende Szenarien Beide Technologiestränge greifen im beruflichen Alltag ineinander: KI-Dienste liefern strukturierte Ergebnisse, die anschließend in Power BI ausgewertet werden.

• Sentiment-Analyse-Ergebnisse aus Azure Text Analytics in ein Power BI-Dashboard laden
• Anomalieerkennung mit Azure Cognitive Services und visuelle Darstellung in Power BI
• Automatisierter Bericht über KI-Modell-Performance mit Power BI
• End-to-End-Projekt: Bild-Klassifizierungsergebnisse aus Custom Vision in ein analytisches Datenmodell überführen
• Sicherheits-Review: IAM-Rollen in Azure mit RLS in Power BI konsistent gestalten
• Ladezeiten und Abfrageeffizienz in Power BI optimieren (DirectQuery vs. Import)
• Dokumentation und Übergabe einer BI-Lösung an das operative Team
• Fehlerbehebung bei Authentifizierungsfehlern zwischen Azure-Ressourcen und Power BI Service
• Einsatz von Deployment Pipelines für Entwicklung, Test und Produktion in Power BI
• Mockup-basierter Aufbau eines KI-Dashboard-Prototyps von der Anforderungsanalyse bis zur Abnahme
• Gateway-Konfiguration für On-Premises-Datenquellen
• Strategieüberlegungen zur Datengouvernanz in KI- und BI-Projekten

Beide Zertifizierungsprüfungen laufen über das Microsoft Certification-Programm. AI-102 und PL-300 werden jeweils gesondert als Pearson VUE-Prüfung abgelegt. Die konkreten Prüfungsmodalitäten (Dauer, Fragen, Bestehensgrenze) sind auf der offiziellen Microsoft-Seite einsehbar.

Diese Weiterbildung passt zu Berufstätigen, die an der Grenze zwischen Cloud-Entwicklung und Datenanalyse arbeiten oder in diese Richtung wechseln möchten.

• IT-Fachleute mit ersten Azure-Erfahrungen, die sich auf KI-Dienste spezialisieren wollen
• Data Analysts, die ihr Repertoire von reinen SQL/Excel-Analysen auf cloudbasierte KI ausdehnen möchten
• Softwareentwickler, die intelligente Features in Azure-Anwendungen einbauen
• BI-Verantwortliche, die Power BI-Kenntnisse auf Zertifizierungsniveau vertiefen
• Quereinsteiger mit technischem Hintergrund, die eine marktgängige Doppelqualifikation anstreben

Der Kurs wird im Combined-Learning-Format durchgeführt: Live-Unterricht im virtuellen Klassenzimmer wechselt mit angeleiteten eigenständiges Lernenphasen ab. Die Inhalte werden von erfahrenen Trainer:innen in Theorieblöcken eingeführt und anschließend in Übungsumgebungen praktisch vertieft. Für den AI-102-Teil stehen Azure-Lab-Umgebungen zur Verfügung, in denen reale Dienste konfiguriert und getestet werden; der PL-300-Teil arbeitet mit repräsentativen Datensätzen in Power BI Desktop. Teilnehmende können zwischen Heimarbeit und einem PC-Arbeitsplatz in einem Schulungszentrum wählen.

Der Lehrgang erstreckt sich im Vollzeitrhythmus über mehr als einen Monat bis zu drei Monate, abhängig von der gewählten Modulkombination. Die genaue Stundenzahl richtet sich nach den enthaltenen Modulblöcken; individuelle Start- und Teilzeitermine sind auf Anfrage möglich. Die Dauer spiegelt den erheblichen Lernumfang beider Zertifizierungen wider, die jeweils eigenständige und umfangreiche Themenbereiche abdecken.

Nach erfolgreichem Abschluss des Lehrgangs erhalten Teilnehmende eine qualifizierte Teilnahmebescheinigung des Kursanbieters. Die eigentlichen Herstellerzertifikate — Microsoft Certified: Azure AI Engineer Associate (AI-102) und Microsoft Certified: Power BI Data Analyst (PL-300) — werden durch das Ablegen der jeweiligen Prüfungen bei Pearson VUE erworben. Beide Zertifikate sind von Microsoft ausgestellt und international anerkannt.

Die Kombination von Azure KI-Engineering und Power BI-Datenanalyse eröffnet Berufstätigen einen breiten Einsatzbereich in modernen Unternehmen. Wer sowohl KI-Modelle auf Azure betreiben als auch deren Ergebnisse in verständliche Berichte überführen kann, übernimmt Verantwortung in zwei Kernbereichen digitaler Transformation. Diese Doppelkompetenz ist besonders gefragt in Unternehmen, die KI-Projekte nicht mehr als isolierte IT-Vorhaben, sondern als Teil ihrer Datenstrategie verstehen. Aus Sicht des Arbeitsmarkts stärkt jede Microsoft-Zertifizierung für sich genommen das Profil in Bewerbungssituationen; die Kombination zweier Zertifikate aus verwandten, aber unterschiedlichen Disziplinen macht das Profil vielseitiger und schwerer austauschbar. Stellenanzeigen für Cloud-AI-Rollen verlangen zunehmend nachgewiesene Kenntnisse in Datenvisualisierung, während BI-Positionen häufig explizit Azure-Erfahrung erwarten. Azure-Zertifizierungen haben eine Gültigkeit von einem Jahr und erfordern eine jährliche Erneuerung, was zur kontinuierlichen Beschäftigung mit den sich entwickelnden Diensten anhält. Wer früh einsteigt und beide Zertifikate aktuell hält, baut eine langfristig verwertbare Qualifikation auf.