KI-Architekt*in mit Zusatz­qualifikation

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
   Titel: KI-Architekt*in mit Zusatzqualifikation - Erstellen und Verwenden von Analytics-Berichten mit Power BI
2. 2
   1. Kursbeschreibung
3. 3
   Der Kurs,,KI-Architekt*in mit Zusatzqualifikation - Erstellen und Verwenden von Analytics-Berichten mit Power BI" verbindet Künstliche Intelligenz, Cloud-Architektur und Business Intelligence. Teilnehmende lernen, wie KI-Systeme strategisch entworfen, sicher integriert und mit Power BI visualisiert werden. Der Fokus liegt auf der Entwicklung von ganzheitlichen KI-Architekturen, der Einbindung von Azure-Diensten und der Erstellung aussagekräftiger Datenberichte für datengetriebene Entscheidungsprozesse.
4. 4
   2. Zielgruppe
5. 5
   Der Kurs richtet sich an KI-Architekt:innen, Data Scientists, Systemingenieur:innen, IT-Strateg:innen und Fachkräfte, die KI-Lösungen planen, überwachen und mit analytischen Tools darstellen möchten.
6. 6
   3. Kursniveau
7. 7
   Fortgeschrittene bis Expert:innen - grundlegende Kenntnisse in Cloud, Datenanalyse und IT-Architektur werden empfohlen.
8. 8
   4. Vorkenntnisse und empfohlene Vorkurse
9. 9
   Empfohlen werden die Kurse,,Azure Fundamentals (AZ-900)" und,,Introduction to Python", um Cloud- und Datenverständnis zu vertiefen.
10. 10
    5. Agenda (4-6 Themenblöcke)
11. 11
    Modul 1: Architektur von KI-Systemen und Datenflüssen
12. 12
    Teilnehmende lernen, wie moderne KI-Architekturen aufgebaut sind und welche Komponenten Cloud- und On-Premise-Systeme verbinden. Der Fokus liegt auf Datenströmen und Modellbereitstellung.
13. 13
    Praxisbeispiel: Planung einer hybriden KI-Architektur mit Azure-Datenintegration.
14. 14

    Kursinhalte

    Grundlagen der KI-Architektur
    Datenpipelines und Automatisierung
    Cloud-Integration und Datenflüsse
    Governance und ethische Richtlinien
    Modul 2: Microsoft AI-102 - Azure AI Engineer Associate
    Dieses Modul vermittelt praktische Kompetenzen zur Entwicklung, Implementierung und Verwaltung von KI-Anwendungen in Azure. Teilnehmende lernen, mit Azure Cognitive Services und Azure OpenAI zu arbeiten.
    Praxisbeispiel: Erstellung einer KI-Anwendung mit Sprach- und Textanalysefunktionen.
    Entwicklung von KI-Lösungen mit Azure AI
    Nutzung von Cognitive Services und OpenAI-Modellen
    Sicherheit, Bereitstellung und Monitoring
    Best Practices für KI-Engineering
    Modul 3: Microsoft SC-100 - Cybersecurity Architect Expert
    In diesem Modul lernen Teilnehmende, wie sie sichere und skalierbare KI-Architekturen entwerfen. Dabei wird besonderes Augenmerk auf Datenschutz, Identitätsmanagement und Compliance gelegt.
    Praxisbeispiel: Sicherheitskonzept für eine unternehmensweite KI-Plattform.
    Sicherheitsarchitekturen für KI- und Cloud-Systeme
    Zero-Trust-Prinzipien und Cloud-Strategien
    Identity und Access Management mit Microsoft Entra ID
    Risikoanalyse und Schutz sensibler Daten
    Modul 4: Microsoft PL-300 - Power BI Data Analyst Associate (Zusatzqualifikation)
    Dieses Modul ergänzt den technischen Fokus durch Data Analytics und Visualisierung. Teilnehmende lernen, wie sie KI- und Geschäftsdaten in Power BI darstellen und interaktive Dashboards erstellen.
    Praxisbeispiel: Aufbau eines interaktiven Power-BI-Dashboards zur Visualisierung von KI-Analysen.
    Datenmodellierung und DAX-Grundlagen
    Datenaufbereitung und Visualisierung
    Storytelling mit Power BI
    Veröffentlichung und Zusammenarbeit
    Modul 5: Integration von KI-Architektur und Business Intelligence
    Teilnehmende lernen, wie KI-Modelle mit Business-Intelligence-Lösungen verbunden werden, um datengetriebene Entscheidungen zu ermöglichen. Dabei steht die Integration zwischen Azure, KI-Services und Power BI im Fokus.
    Praxisbeispiel: Erstellung einer End-to-End-Analytics-Umgebung mit KI-Datenfeed in Power BI.
    Verbindung von KI-Diensten und BI-Systemen
    Nutzung von Azure Data Gateway und Synapse
    Automatisierte Reports mit KI-Daten
    Visualisierung von Prognosen und KI-Ausgaben
    6. Zusatzinformationen
    Der Kurs ist AZAV-zertifiziert und kann über Bildungsgutschein oder Qualifizierungschancengesetz (QCG) gefördert werden.
    Er richtet sich an Einzelpersonen und B2B-Kund:innen und wird über New Horizons (München, Stuttgart, Nürnberg) sowie learn2program.de angeboten.
    ,,KI-Architekt*in mit Zusatzqualifikation - Erstellen und Verwenden von Analytics-Berichten mit Power BI" bietet eine praxisnahe Kombination aus KI-Architektur, Cloud-Integration und Business Intelligence. Teilnehmende lernen, datengetriebene Systeme zu entwerfen und Ergebnisse visuell aufzubereiten - für eine optimale Verbindung von Technologie und Strategie.
    Alle Kurse können deutschlandweit online belegt werden. Viele unserer Kurse finden auf Deutsch und/oder auf Englisch statt.

1. 1

   München

   Blended Learning · Vollzeit · 1–3 Monate · 5.000–10.000 €

2. 2

   München

   Blended Learning · Teilzeit · 1–3 Monate · 5.000–10.000 €

3. 3

   Stuttgart

   Blended Learning · Vollzeit · 1–3 Monate · 5.000–10.000 €

4. 4

   Stuttgart

   Blended Learning · Teilzeit · 1–3 Monate · 5.000–10.000 €

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