Microsoft Certified: Azure AI Engineer Associate (AI-102) (AI-102) with Microsoft Certified: Modern Work Expert (MW-400) (MW-400)

Dieser Lehrgang bereitet auf die Microsoft-Zertifizierungsprüfung AI-102 vor, die den Titel „Azure AI Engineer Associate" verleiht. Im Mittelpunkt steht die Planung, Implementierung und Verwaltung von KI-Lösungen auf der Microsoft Azure-Plattform – darunter Dienste aus den Bereichen Natural Language Processing, Computervision, Sprach-KI und konversationsbasierte Systeme. Als zweiter Bestandteil ergänzt ein trägerinternes Modul zur modernen Nutzung von Microsoft-365-Technologien in Unternehmen den Lehrgang. Dieser zweite Teil trägt die interne Bezeichnung MW-400; dabei handelt es sich nicht um eine offizielle Microsoft-Zertifizierungsprüfung, sondern um ein curriculares Ergänzungsmodul des Bildungsträgers. Teilnehmende, die beide Teile abschließen, sind in der Lage, KI-gestützte Anwendungen in Azure zu entwerfen und gleichzeitig M365-Technologien in betrieblichen Abläufen kompetent einzusetzen.

Modul 1 – Azure AI Fundamentals und Dienste-Übersicht Bevor einzelne KI-Dienste im Detail behandelt werden, erhalten Teilnehmende zunächst ein konzeptionelles Fundament: Was versteht Microsoft unter „Responsible AI"? Welche Azure-KI-Dienste gibt es, und wie unterscheiden sie sich? Dieser Block legt den Rahmen für alle nachfolgenden Module.

• Azure Cognitive Services vs. benutzerdefinierte KI-Modelle
• Azure Machine Learning als Plattform für eigene Modelle
• Responsible AI: Fairness, Transparenz, Datenschutz und Nachvollziehbarkeit
• Identitäts- und Zugriffsmanagement für KI-Ressourcen (Azure AD, Managed Identities)
• Überwachung und Protokollierung mit Azure Monitor und Application Insights
• Kostenstrukturen und Optimierung für Cognitive Services

Modul 2 – Natural Language Processing und Sprachverständnis Azure bietet eine breite Palette an NLP-Diensten, die in diesem Block systematisch durchgearbeitet werden. Teilnehmende lernen, Text zu klassifizieren, Entitäten zu erkennen, Sentimentanalysen durchzuführen und eigene Konversationsmodelle zu bauen.

• Textanalyse mit dem Azure Language Service (Sentiment, Key Phrases, Entitätserkennung)
• Benutzerdefinierte Textklassifizierung und Named Entity Recognition
• Conversational Language Understanding (CLU) konfigurieren
• Azure Bot Service für regelbasierte und KI-gestützte Chatbots
• Fragebeantwortungssysteme (Question Answering) mit Azure erstellen
• Mehrsprachige Dokumente und Übersetzung mit dem Azure Translator

Modul 3 – Computervision und Sprach-KI Bildverarbeitung und Sprachkommunikation ergänzen das NLP-Repertoire um zwei weitere wichtige KI-Domänen. Dieser Abschnitt behandelt Azure-Dienste, die visuelle und auditive Daten in maschinenlesbare Informationen umwandeln.

• Azure Vision Service für Objekterkennung, OCR und Gesichtserkennung
• Custom Vision zum Training eigener Bildklassifikations- und Erkennungsmodelle
• Video Indexer für automatische Videoanalyse
• Azure Speech Service für Speech-to-Text, Text-to-Speech und Sprecheridentifikation
• Echtzeit-Sprachübersetzung in Anwendungen integrieren
• Azure OpenAI Service: GPT-Modelle über API in eigene Lösungen einbinden

Modul 4 – Trägerinternes Ergänzungsmodul (MW-400): Microsoft 365 in Unternehmensprozessen Das zweite Programmteil ist kein offizieller Microsoft-Zertifizierungskurs, sondern ein vom Bildungsträger entwickeltes Curriculum, das die Nutzung von Microsoft-365-Technologien in modernen Arbeitsumgebungen beleuchtet. Es ist als praktische Ergänzung zum KI-Fokus konzipiert und zeigt, wie Azure-KI-Dienste und M365-Anwendungen zusammenwirken können.

• Microsoft Teams als kollaborative Arbeitsplattform und Integration externer Dienste
• Power Automate für Prozessautomatisierung in M365-Umgebungen
• SharePoint Online als Wissensbasis und Dokumentenmanagementplattform
• Sicherheit und Compliance in M365-Tenants konfigurieren
• Verbindung von Azure-KI-Diensten mit M365-Anwendungen über Power Platform-Konnektoren
• Governance und Lizenzmanagement in Enterprise-M365-Umgebungen

Praxisblock – Labor- und Projektaufgaben Alle theoretischen Blöcke werden mit konkreten Labor- und Projektaufgaben vertieft, die realen Entwicklungsszenarien nachempfunden sind.

• Aufbau einer vollständigen NLP-Pipeline in Azure (von Dateneingabe bis API-Antwort)
• Entwicklung eines einfachen Chatbots mit Azure Bot Service und CLU
• Integration des Azure Vision Service in eine Webanwendung
• Verbindung des Speech Service mit einer mobilen oder Web-App
• Einrichtung von Monitoring und Alerts für KI-Ressourcen
• Konfiguration eines M365-Teams-Kanals mit Power-Automate-Integration
• Erstellen eines benutzerdefinierten Bildklassifizierungsmodells mit Custom Vision
• Praktische Übungen mit dem Azure OpenAI Studio
• Sicherheitskonfiguration für einen multi-service Cognitive Services-Account
• Implementierung von Responsible-AI-Checks in einer Demo-Applikation
• Analyse von Anforderungen und Auswahl passender KI-Dienste für ein fiktives Szenario
• Abschlussprojekt: Entwurf und Prototyp einer Azure-KI-Lösung

Die Kombination aus Azure-KI-Diensten und dem trägerinternen M365-Modul gibt Teilnehmenden einen doppelten Vorteil: Sie verstehen einerseits die technische KI-Architektur auf Azure, andererseits lernen sie, diese Dienste in die M365-Werkzeuge einzubinden, die in Unternehmensumgebungen täglich genutzt werden.

Der Kurs richtet sich an IT-Fachleute, die aktiv an der Implementierung von KI-Lösungen in Azure mitarbeiten oder diese Rolle anstreben.

• Softwareentwickler:innen mit Azure-Erfahrung, die in die KI-Domäne wechseln möchten
• Cloud-Architekt:innen, die KI-Dienste in bestehende Azure-Architekturen integrieren
• Data Engineers und Backend-Entwickler:innen mit Interesse an kognitiven Diensten
• IT-Generalist:innen in Unternehmen, die Azure und M365 als Plattform nutzen und KI-Projekte vorantreiben möchten

Der Unterricht findet im virtuellen Klassenzimmer statt und verbindet Theoriepräsentationen mit direkten Hands-on-Übungen in der Azure-Umgebung. Teilnehmende können von einem Schulungszentrum-Arbeitsplatz (moderner PC mit zwei Bildschirmen) oder per genehmigter Heimoption teilnehmen. Das Format erlaubt interaktive Fragen, Diskussion von realen Anwendungsfällen sowie Fallstudienarbeit in Kleingruppen.

Der Lehrgang läuft im Vollzeitmodus zwischen einem und drei Monaten, abhängig von der gewählten Modulkombination und der individuellen Lerngeschwindigkeit. Da die Module laut Anbieter kombinierbar sind, ist auch eine maßgeschneiderte Abfolge möglich.

Der AI-102-Teil bereitet auf die offizielle Microsoft-Zertifizierungsprüfung AI-102 vor, die bei einem akkreditierten Prüfungszentrum (Pearson VUE) abgelegt wird und bei Bestehen den Titel „Microsoft Certified: Azure AI Engineer Associate" verleiht. Das trägerinterne MW-400-Modul ist kein offizieller Microsoft-Prüfungsbestandteil; es wird mit einer trägerinternen Bescheinigung dokumentiert. Der Gesamtabschluss des Lehrgangs wird durch ein Lehrgangszertifikat bestätigt.

KI-Ingenieure, die Azure-Cognitive-Services souverän einsetzen können, gehören zu den gefragtesten Profilen auf dem deutschen und europäischen IT-Markt. Die AI-102-Zertifizierung signalisiert Arbeitgebern, dass die Inhaberin oder der Inhaber nicht nur theoretisches KI-Wissen mitbringt, sondern konkret in der Lage ist, praxisrelevante KI-Dienste in Azure zu entwerfen, zu implementieren und zu betreiben. Die Kombination mit dem M365-orientierten Modul ist besonders für Unternehmen interessant, die Azure-KI in ihren M365-Alltag integrieren wollen. Bot-Dienste, Sprachübersetzungen und Dokumentenanalysen wirken deutlich kraftvoller, wenn sie mit Teams, SharePoint und Power Automate verknüpft sind – ein Szenario, das in mittelständischen Unternehmen und Konzernen zunehmend an Bedeutung gewinnt. Insgesamt versetzt dieser Lehrgang Teilnehmende in die Lage, eine Schlüsselrolle in KI-Projekten einzunehmen: als technischer Umsetzer:in, der Azure-Dienste bedarfsgerecht auswählt, konfiguriert, in Anwendungen einbettet und deren Betrieb sicherstellt – und dabei sowohl Cloud- als auch Workplace-Dimension im Blick behält.