Kursbeschreibung
Alle reden von KI – aber wenn Entwickler Sie mit Vorschlägen aus dem KI-Schlaraffenland konfrontieren, möchten Sie mitreden können. Dieser Workshop entstand aus der Praxis: für IT-Admins und Projektleiter, die verstehen wollen, was Azure KI-Dienste wirklich leisten – ohne Programmierkurse in C# oder Python absolvieren zu müssen.
Vier intensive Tage mit Live-Demos in einer echten Azure-Umgebung: Von den Grundlagen der Microsoft KI-Plattform über Azure OpenAI und Cognitive Services bis hin zu Governance, Datenschutz und der Frage, welche KI-Lösung für welchen Unternehmensfall wirklich geeignet ist. Schwerpunkt liegt auf strategischem Verständnis und architektonischen Entscheidungen – nicht auf Low-Level-Coding.
Zielgruppe & Voraussetzungen
Zielgruppe
IT-Administratoren, IT-Projektleiter und Manager, die KI-Vorhaben bewerten und begleiten. Datenwissenschaftler, die Azure-spezifisches Know-how ergänzen möchten. Entscheider, die KI-Strategien für ihr Unternehmen entwickeln. Ausdrücklich nicht primär für Softwareentwickler konzipiert.
Voraussetzungen
Azure-Grundkenntnisse auf AZ-900-Niveau (Abonnements, Ressourcengruppen, grundlegende Dienste). Allgemeines IT-Verständnis. Kenntnisse in einer Programmiersprache sind hilfreich, aber ausdrücklich nicht erforderlich.
Kursagenda
| Modul | Schwerpunkt | Kerninhalte (Auszug) |
|---|---|---|
| Tag 1 | Azure KI-Plattform & Azure OpenAI | Microsoft KI-Plattform im Überblick · Azure OpenAI Service: GPT-4, DALL·E, Whisper · Prompting & Prompt Engineering · Azure OpenAI Studio · Responsible AI Principles · Deployment-Modelle (PTU vs. Standard) · Kosten & Limits |
| Tag 2 | Azure AI Services & Cognitive Services | Vision-Dienste (Computer Vision, Custom Vision, Face API) · Sprache & Text (Language Service, Translator, Speech) · Formularerkennung (Document Intelligence) · Suche & Empfehlungen (Azure AI Search) · Demos: Dokumentenanalyse und Bildverarbeitung live |
| Tag 3 | Azure Machine Learning & AI-Plattform | Azure ML Studio im Überblick · Automated ML (AutoML) · MLflow-Integration · Designer vs. SDK vs. CLI · Modell-Deployment (Endpoints) · Grundlagen Vektordatenbanken & RAG-Muster · Azure AI Foundry |
| Tag 4 | KI-Strategie, Governance & Praxislabor | Copilot-Ökosystem (M365 Copilot, GitHub Copilot, Copilot Studio) · KI-Governance & Compliance (EU AI Act Grundlagen) · Datenschutz bei KI-Diensten · Kosten-Nutzen-Analyse · Architekturszenarien: Wann welche Lösung? · Praxislabor: eigenes Szenario durchdenken & präsentieren |
Lernziele
- Die Azure KI-Plattform und ihre Dienste einordnen und für konkrete Unternehmensszenarien die passende Lösung auswählen.
- Azure OpenAI Service konfigurieren, Deployments anlegen und Prompts gezielt für verschiedene Anwendungsfälle gestalten.
- Azure AI Services (Vision, Sprache, Dokumente) anhand realer Geschäftsprozesse bewerten und in Lösungsarchitekturen einplanen.
- Azure Machine Learning für typische Unternehmensszenarien nutzen – ohne tiefes Data-Science-Vorwissen.
- KI-Governance-Anforderungen (EU AI Act, Datenschutz, Responsible AI) für geplante Vorhaben einschätzen und adressieren.
- KI-Budgets, Deployment-Kosten und Skalierungsoptionen in Azure realistisch kalkulieren und in Projektpläne überführen.