Künstliche Intelligenz

Passt der Kurs zu dir?

1. 1
   Motivation und Lernbereitschaft
2. 2
   Zuverlässigkeit im jeweiligen Arbeitsfeld
3. 3
   Konkrete Zulassung des gewählten Weges prüfen

Das lernst du

1. 1
   Titel: Künstliche Intelligenz
2. 2
   1. Kursbeschreibung
3. 3
   Der Kurs,,Künstliche Intelligenz" vermittelt praxisnahes Wissen rund um die Entwicklung, Anwendung und Implementierung moderner KI-Systeme. Teilnehmende lernen, wie maschinelles Lernen, Deep Learning und Cloud-basierte KI-Dienste genutzt werden, um intelligente Lösungen zu gestalten. Der Kurs verbindet theoretische Grundlagen mit praxisorientierten Projekten und bietet den idealen Einstieg in die professionelle Arbeit mit Künstlicher Intelligenz.
4. 4
   2. Zielgruppe
5. 5
   Der Kurs richtet sich an Data Scientists, KI-Entwickler:innen, IT-Fachkräfte, Analyst:innen und Quereinsteiger:innen, die fundierte Kenntnisse im Bereich KI erwerben oder vertiefen möchten.
6. 6
   3. Kursniveau
7. 7
   Einsteiger bis Fortgeschrittene - Grundkenntnisse in IT oder Mathematik sind hilfreich, aber nicht zwingend erforderlich.
8. 8
   4. Vorkenntnisse und empfohlene Vorkurse
9. 9
   Empfohlen:,,Azure Fundamentals (AZ-900)" und,,Introduction to Python" für ein besseres Verständnis von Cloud-Technologien und Programmierlogik.
10. 10
    5. Agenda (4-6 Themenblöcke)
11. 11
    Modul 1: Grundlagen der Künstlichen Intelligenz
12. 12
    Teilnehmende lernen die theoretischen und technischen Grundlagen der KI kennen - von der Geschichte der KI bis zu den aktuellen Trends wie generativer KI und neuronalen Netzen.
13. 13
    Praxisbeispiel: Klassifikationsmodell für Kundendaten.
14. 14

    Kursinhalte

    Einführung in Künstliche Intelligenz
    Maschinelles Lernen und Deep Learning
    KI-Ethik und gesellschaftliche Auswirkungen
    Aktuelle Trends (z. B. ChatGPT, generative Modelle)
    Modul 2: Microsoft DP-100 - Azure Data Scientist Associate
    Dieses Modul vermittelt praxisnahes Wissen zur Datenaufbereitung, Modellierung und zum Training von ML-Modellen in Azure.
    Praxisbeispiel: Entwicklung eines Prognosemodells mit Azure Machine Learning.
    Azure Machine Learning Workflows
    Feature Engineering und Datenaufbereitung
    Modelltraining, Evaluation und Deployment
    Skalierung und Monitoring von ML-Modellen
    Modul 3: Microsoft AI-102 - Azure AI Engineer Associate
    Hier lernen Teilnehmende, KI-Modelle produktiv in Cloud-Anwendungen zu integrieren.
    Praxisbeispiel: Entwicklung einer KI-basierten Chat-Anwendung mit Azure Cognitive Services.
    Azure Cognitive Services und Azure OpenAI
    Text-, Sprach- und Bildverarbeitung
    Sicherheit, Skalierung und Automatisierung
    Integration in Azure- und Unternehmensumgebungen
    Modul 4: CertNexus AIBIZ(TM) - Artificial Intelligence for Business Professionals
    Dieses Modul stellt den betriebswirtschaftlichen und organisatorischen Nutzen von KI in den Vordergrund.
    Praxisbeispiel: Entwicklung eines Business-Case zur KI-Einführung in der Produktion.
    Anwendungsfelder von KI im Unternehmen
    Wirtschaftliche Bewertung von KI-Projekten
    Datenschutz, Compliance und Change Management
    Ethische Prinzipien und Verantwortung im KI-Einsatz
    Modul 5: Praxisprojekt - End-to-End-KI-System
    Im Abschlussprojekt entwickeln Teilnehmende eine vollständige KI-Lösung - von der Datenakquise über das Modelltraining bis zur Bereitstellung.
    Praxisbeispiel: Entwicklung eines automatisierten Empfehlungssystems.
    Aufbau eines kompletten ML-Projekts in Azure
    Verbindung von Datenquellen und KI-Modellen
    Visualisierung und Präsentation der Ergebnisse
    Prüfungsvorbereitung auf AI-102, DP-100 und AIBIZ
    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.
    Der Kurs,,Künstliche Intelligenz" bietet eine vollständige und praxisorientierte Einführung in die Welt der KI. Teilnehmende erwerben Kenntnisse, um KI-Projekte strategisch zu planen, technisch umzusetzen und erfolgreich zu integrieren - eine Schlüsselqualifikation für die digitale Arbeitswelt.
    Alle Kurse können deutschlandweit online belegt werden. Viele unserer Kurse finden auf Deutsch und/oder auf Englisch statt.

1. 1

   Stuttgart

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

2. 2

   Nürnberg

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

3. 3

   München

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

4. 4

   Nürnberg

   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

   KI auf echte Arbeitsaufgaben anwenden

   Deine Branchenkenntnis bleibt wertvoll, wenn du einen Prozess mit KI unterstützt und das Ergebnis prüfst. Gute Praxis beschreibt Ausgangslage, Daten, menschliche Kontrolle und eine überprüfbare Verbesserung, ohne Automatisierung pauschal zu versprechen. Beispiel: Bearbeite einen kleinen Prozess aus deinem bisherigen Beruf und vergleiche Zeitbedarf und Qualität vorher und nachher.

2. 2

   Fachwissen mit neuen Werkzeugen verbinden

   Branchenkenntnis, Kommunikation und Qualitätskontrolle bleiben wichtig. Gerade im Quereinstieg ergänzt du vorhandene Erfahrung durch ein Projekt mit Quellenprüfung, Versionierung, Freigabe und dokumentierten Grenzen. Beispiel: Ein Bewerbungsbeispiel beschreibt Aufgabe, verwendete Werkzeuge, Prüfung der Ergebnisse und Grenzen des Ansatzes.

3. 3

   Verantwortung schrittweise aufbauen

   Projektkoordination, Schulung und Prozessgestaltung verlangen mehr als Toolbedienung. Achte auf Inhalte zu Use-Case-Auswahl, Datenqualität, Prüfung, Dokumentation und Zusammenarbeit. Vergleiche die Kursaufgaben mit den Zielstellen, die du erreichen möchtest. Beispiel: Vergleiche einen Grundlagenkurs mit einem Projektkurs und entscheide nach deinem aktuellen Kenntnisstand.

Themen

Arbeitsmarkt

KI & Machine Learning bundesweit in Zahlen