Data Analyst - Power BI und KI

Passt der Kurs zu dir?

1. 1
   Sicherer Umgang mit Excel, Prozentrechnung und Grundbegriffen der Statistik wie Mittelwert, Median und Streuung.
2. 2
   Für die IHK-Prüfung zur Berufsspezialistin oder zum Berufsspezialisten für Datenanalyse: eine IT-Ausbildung, eine andere Ausbildung mit einem Jahr Praxis, sechzig Leistungspunkte aus einem Studium mit zwei Jahren Praxis oder vier Jahre einschlägige Berufspraxis (§ 2 DAFPrV).
3. 3
   Bereitschaft, Datenschutzregeln einzuhalten, denn Auswertungen mit Kunden- oder Personaldaten fallen unter die DSGVO.

Das lernst du

1. 1
   Die Weiterbildung "Data Analyst - Power BI und KI" vermittelt praxisnahe Kompetenzen im Umgang mit Data und legt einen Schwerpunkt auf Visualisierung und den Einsatz von KI in modernen Datenumgebungen. Teilnehmende lernen, Data strukturiert auszuwerten, Ergebnisse verständlich aufzubereiten und Visualisierung gezielt einzusetzen. Ergänzend werden Grundlagen der KI vermittelt, um Data effizient zu analysieren und neue Zusammenhänge zu erkennen. Ziel ist es, Data, Visualisierung und KI miteinander zu verbinden und für datenbasierte Entscheidungen nutzbar zu machen. Bestandteil der Weiterbildung sind zudem Herstellerzertifikate von Microsoft, die Kompetenzen in Data, Visualisierung und KI formell bestätigen.
2. 2

   Die Weiterbildung ist modular aufgebaut und deckt zentrale Themen rund um Data, Visualisierung und KI ab

   Moderne Datenanalyse mit SQL-Server: Strukturierte Verarbeitung von Data als Grundlage für weiterführende Visualisierung und Analysen.
   Power BI Basics: Grundlagen der Visualisierung zur Aufbereitung von Data und ersten Einblicken in KI-gestützte Auswertungen.
   Power BI Advanced: Vertiefte Methoden der Visualisierung zur Darstellung komplexer Data-Strukturen und Analyseergebnisse.
   Python für Data Science, Maschinelles Lernen & Visualisierung: Einsatz von KI zur Analyse von Data sowie Kombination von KI-Methoden und Visualisierung.
   DP-900: Microsoft Data Fundamentals: Zentrale Konzepte rund um Data als Grundlage für Visualisierung und KI-Anwendungen.
   PL-300: Microsoft Power BI Data Analyst: Analyse und Visualisierung von Data mit Fokus auf praktische Anwendung und Integration von KI-Funktionen.
   IntelliLAB - AI Literacy: Einführung in KI-Grundlagen und deren Bedeutung für den Umgang mit Data und Visualisierung.
   Bewerbungstraining: Vorbereitung auf Bewerbungen im Bereich Data, Visualisierung und KI.
   Während der Weiterbildung werden Data, Visualisierung und KI konsequent miteinander verknüpft. Praktische Übungen unterstützen den Aufbau von Kompetenzen in der Analyse von Data sowie in der Visualisierung von Ergebnissen. KI wird eingesetzt, um Data effizient auszuwerten und Muster zu erkennen. Die Kombination aus Data, Visualisierung und KI ermöglicht einen praxisnahen Einstieg in datengetriebene Tätigkeiten.

1. 1

   München

   12.10.2026 · Blended Learning · Vollzeit · 3–6 Monate · über 10.000 €

2. 2

   München

   12.10.2026 · Blended Learning · Teilzeit · 6–12 Monate · über 10.000 €

3. 3

   München

   02.11.2026 · Blended Learning · Vollzeit · 1–3 Monate · über 10.000 €

4. 4

   München

   02.11.2026 · Blended Learning · Teilzeit · 3–6 Monate · über 10.000 €

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   Berichte, die sich selbst aktualisieren

   Du verbindest in Power BI Daten aus ERP, CRM und Excel-Listen, modellierst Beziehungen und schreibst Kennzahlen mit DAX. Ein solcher Bericht holt neue Zahlen ohne Kopierarbeit. Beispiel: Der monatliche Umsatzbericht für die Vertriebsleitung aktualisiert sich jeden Morgen aus dem Warenwirtschaftssystem.

2. 2

   Ergebnisse verständlich präsentieren

   BERUFENET nennt das Visualisieren und Präsentieren der Ergebnisse in den Fachabteilungen als Aufgabe von Data Analysts. Im Kurs übst du, aus einer Auswertung eine klare Aussage mit passendem Diagramm zu machen. Beispiel: Du zeigst der Einkaufsleitung in einem Dashboard, welche Lieferanten wiederholt zu spät liefern.

3. 3

   Mit Data Engineers und Data Scientists zusammenarbeiten

   Du lernst, Anforderungen an Datenqualität und Datenmodelle so zu formulieren, dass Data Engineers sie umsetzen können. Für Prognosen übergibst du aufbereitete Daten an Data Scientists oder nutzt einfache Verfahren der Predictive Analytics selbst. Beispiel: Du meldest dem Datenteam, dass doppelte Einträge im Kundenstamm die Umsatzzahlen verfälschen.

Themen

Arbeitsmarkt

Data Analyst bundesweit in Zahlen