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 - PowerPivot Datenanalyse und Visualisierung
2. 2
   1. Kursbeschreibung
3. 3
   Der Kurs,,KI-Architekt*in mit Zusatzqualifikation - PowerPivot Datenanalyse und Visualisierung" kombiniert fundierte Kenntnisse in Künstlicher Intelligenz und Cloud-Architektur mit datengetriebener Analyse und Visualisierung. Teilnehmende lernen, Datenmodelle mit PowerPivot zu erstellen, auszuwerten und über Power BI und Azure-Dienste zu integrieren. Der Fokus liegt auf der Verbindung zwischen KI-gestützten Datenquellen und aussagekräftigen Berichten für Entscheidungsprozesse.
4. 4
   2. Zielgruppe
5. 5
   Der Kurs richtet sich an KI-Architekt:innen, Data Analysts, Business-Intelligence-Experten, IT-Fachkräfte und Projektmanager:innen, die KI- und Datenvisualisierung in einer integrierten Umgebung anwenden möchten.
6. 6
   3. Kursniveau
7. 7
   Fortgeschrittene - Kenntnisse in Datenmanagement, Excel oder Power BI sind hilfreich.
8. 8
   4. Vorkenntnisse und empfohlene Vorkurse
9. 9
   Empfohlen:,,Azure Fundamentals (AZ-900)" und,,Introduction to Python" für Grundverständnis von Datenflüssen und KI-Integrationen.
10. 10
    5. Agenda (4-6 Themenblöcke)
11. 11
    Modul 1: KI-Architektur und Datenintegration in der Cloud
12. 12
    Teilnehmende verstehen, wie KI-Systeme mit Unternehmensdatenquellen verknüpft werden und wie PowerPivot als Bindeglied zur Datenanalyse dient.
13. 13
    Praxisbeispiel: Aufbau einer Datenpipeline zwischen Azure Machine Learning und PowerPivot.
14. 14

    Kursinhalte

    Grundlagen moderner KI-Datenarchitekturen
    Datenintegration in Azure Synapse und Power BI
    Governance, Sicherheit und Compliance
    Automatisierte Datenbereitstellung für Analysen
    Modul 2: Microsoft AI-102 - Azure AI Engineer Associate
    Dieses Modul behandelt die Entwicklung, Integration und Überwachung von KI-Anwendungen in Azure.
    Praxisbeispiel: Entwicklung eines Machine-Learning-Modells mit Integration in Power BI.
    Entwicklung von KI-Services mit Azure OpenAI und Cognitive Services
    Einsatz von Azure Machine Learning Studio
    Verknüpfung von Modellen mit Power BI Dataflows
    Monitoring und Kostenoptimierung
    Modul 3: Microsoft PL-300 - Power BI Data Analyst Associate
    In diesem Modul lernen Teilnehmende die Grundlagen der Datenanalyse, Modellierung und Visualisierung in Power BI.
    Praxisbeispiel: Erstellung eines KPI-Dashboards auf Basis eines Azure-Datensatzes.
    Datenmodellierung mit DAX und Power Query
    Visualisierung und Berichtserstellung
    Datensicherheit und Rollenmanagement
    Veröffentlichung und Zusammenarbeit in Power BI Service
    Modul 4: PowerPivot Datenanalyse und Visualisierung (Zusatzqualifikation)
    Dieses Modul vertieft die Nutzung von PowerPivot als Werkzeug zur Datenmodellierung, -analyse und Visualisierung.
    Praxisbeispiel: Erstellung eines interaktiven Excel-Dashboards mit PowerPivot und KI-gestützten Berechnungen.
    Grundlagen von PowerPivot und Data Models
    Nutzung von DAX für berechnete Spalten und Kennzahlen
    Integration von Azure-Daten und Power BI
    Erstellung von interaktiven Pivot-Berichten und Dashboards
    Modul 5: Integration von KI und Datenanalyse
    Im Abschlussmodul wird gezeigt, wie KI-Modelle und BI-Dashboards zu einem Gesamtsystem verbunden werden, um datenbasierte Entscheidungen zu unterstützen.
    Praxisbeispiel: Kombination von PowerPivot-Analysen mit KI-Prognosen aus Azure.
    Verbindung von Machine Learning und Business Intelligence
    Automatisierung von Analysen und Reports
    Visualisierung von KI-Ausgaben in Power BI
    Projektabschluss und Präsentation
    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 - PowerPivot Datenanalyse und Visualisierung" bietet eine praxisorientierte Kombination aus KI-Architektur, Datenmodellierung und interaktiver Visualisierung. Teilnehmende lernen, wie KI und BI-Systeme zusammenwirken, um datengetriebene Geschäftsentscheidungen zu fördern.
    Alle Kurse können deutschlandweit online belegt werden. Viele unserer Kurse finden auf Deutsch und/oder auf Englisch statt.

1. 1

   Baden-Baden

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

2. 2

   Stuttgart

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

3. 3

   Freiburg im Breisgau

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

4. 4

   Metzingen

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

5. 5

   Stuttgart

   Blended Learning · Vollzeit · 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