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 - Microsoft Power BI Fundamentals
2. 2
   1. Kursbeschreibung
3. 3
   Der Kurs,,KI-Architekt*in mit Zusatzqualifikation - Microsoft Power BI Fundamentals" kombiniert fundierte Kenntnisse der Künstlichen Intelligenz mit praxisnaher Datenanalyse und Visualisierung. Teilnehmende lernen, wie KI-Modelle, Datenpipelines und Business-Intelligence-Dashboards effektiv zusammenarbeiten. Der Schwerpunkt liegt auf der Integration von Power BI in KI-gestützte Architekturen zur Bereitstellung aussagekräftiger Analysen und Entscheidungsgrundlagen.
4. 4
   2. Zielgruppe
5. 5
   Der Kurs richtet sich an KI-Architekt:innen, Data Scientists, Business Analysts, IT-Consultants und Entscheidungsträger:innen, die Daten und KI-Lösungen in Unternehmen visualisieren und analysieren möchten.
6. 6
   3. Kursniveau
7. 7
   Fortgeschrittene - Grundkenntnisse in Datenverarbeitung und Cloud-Technologien sind hilfreich.
8. 8
   4. Vorkenntnisse und empfohlene Vorkurse
9. 9
   Empfohlen werden die Kurse,,Azure Fundamentals (AZ-900)" und,,Introduction to Python" für ein solides Fundament in Cloud und Datenanalyse.
10. 10
    5. Agenda (4-6 Themenblöcke)
11. 11
    Modul 1: KI-Architektur und Datenintegration
12. 12
    Teilnehmende lernen, wie KI-Modelle in moderne Datenarchitekturen integriert werden und wie Datenströme für Visualisierungen aufbereitet werden.
13. 13
    Praxisbeispiel: Aufbau einer Azure-Datenpipeline für Power BI.
14. 14

    Kursinhalte

    Architektur von KI-Systemen
    Datenintegration und Governance
    Schnittstellen zwischen Azure AI und Power BI
    Sicherheit und Datenmanagement
    Modul 2: Microsoft AI-102 - Azure AI Engineer Associate
    Dieses Modul vermittelt praxisorientiertes Wissen zur Entwicklung von KI-Lösungen mit Azure Cognitive Services und Azure OpenAI.
    Praxisbeispiel: Entwicklung einer KI-App mit Visualisierungsanbindung über Power BI.
    Entwicklung und Bereitstellung von KI-Modellen
    Nutzung von Azure Machine Learning und Cognitive Services
    Integration mit Power BI und Azure Synapse Analytics
    Monitoring und Governance
    Modul 3: Microsoft PL-100 - Microsoft Power Platform App Maker (optional)
    Dieses Modul vermittelt Grundlagen zur Erstellung von Low-Code-Anwendungen und Workflows, die KI- und BI-Daten verbinden.
    Praxisbeispiel: Automatisierte Berichtserstellung mit Power Automate.
    Power Apps und Power Automate Grundlagen
    Verbindung von Power BI und KI-Modellen
    Erstellung interaktiver Dashboards
    Automatisierung von Berichtsprozessen
    Modul 4: Microsoft Power BI Fundamentals (Zusatzqualifikation)
    In diesem Modul erwerben Teilnehmende grundlegende und praxisorientierte Kenntnisse zur Erstellung von Power-BI-Berichten.
    Praxisbeispiel: Erstellung eines interaktiven KPI-Dashboards mit Echtzeitdaten aus Azure.
    Datenimport, -modellierung und DAX-Grundlagen
    Visualisierung und Dashboard-Design
    Datenanalyse und Filterlogik
    Veröffentlichung und Zusammenarbeit
    Modul 5: Integration und Praxisprojekt
    Teilnehmende kombinieren ihre KI- und BI-Kenntnisse in einem praxisnahen Abschlussprojekt.
    Praxisbeispiel: Entwicklung eines integrierten KI-Analyse-Dashboards auf Basis von Power BI und Azure Machine Learning.
    End-to-End-KI-Integration mit Power BI
    Datenautomatisierung und Reporting
    Sicherheit und Berechtigungsmanagement
    Präsentation des Abschlussprojekts
    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 (München, Stuttgart, Nürnberg) sowie learn2program.de angeboten.
    ,,KI-Architekt*in mit Zusatzqualifikation - Microsoft Power BI Fundamentals" bietet eine praxisnahe Kombination aus KI-Architektur, Datenanalyse und Business Intelligence. Teilnehmende lernen, Datenflüsse zu gestalten und intelligente Dashboards zu erstellen - eine Schlüsselkompetenz in modernen datengetriebenen Unternehmen.
    Alle Kurse können deutschlandweit online belegt werden. Viele unserer Kurse finden auf Deutsch und/oder auf Englisch statt.

1. 1

   Karlsruhe

   Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

2. 2

   Sindelfingen

   Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

3. 3

   Metzingen

   Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

4. 4

   Aalen

   Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

5. 5

   Ravensburg

   Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

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