Azure AI: Entwerfen und Implementieren von KI-Lösungen Bildungsurlaub

1.    Lernziel

Der Kurs vermittelt den Teilnehmenden umfassende Konzepte und Techniken zum Entwerfen und Implementieren von KI-Lösungen auf der Microsoft Azure Plattform. Von den grundlegenden Azure KI-Diensten bis hin zu fortgeschrittenen Themen wie Retrieval Augmented Generation (RAG) und Content Safety werden alle relevanten Aspekte abgedeckt. Ziel ist es, die Teilnehmenden in die Lage zu versetzen, eigenständig komplexe KI-Anwendungen zu planen, zu entwickeln und zu verwalten, und sie optimal auf die Microsoft AI-102 Zertifizierungsprüfung vorzubereiten. Darüber hinaus werden die gesellschaftlichen und ethischen Implikationen der KI beleuchtet, um ein verantwortungsvolles Handeln im Berufsalltag zu fördern.

2.    Themen und Inhalte

Die Themen und Inhalte der einzelnen Einheiten sind wie folgt strukturiert und umfassen an jedem Tag gesellschaftspolitische Aspekte der KI:

2.1.         M1: Grundlagen und Planung

Der erste Tag legt das Fundament für Ihr Verständnis von Künstlicher Intelligenz in der Azure-Cloud. Wir beginnen mit einer Einführung in die vielfältigen Azure KI-Dienste und zeigen Ihnen, wie Sie die passenden Tools für unterschiedliche Szenarien auswählen. Dabei werfen wir auch einen Blick auf die weitreichenden gesellschaftlichen Auswirkungen der KI-Revolution auf den Arbeitsmarkt.

Anschließend lernen Sie, wie Sie Azure KI-Ressourcen effizient verwalten, einschließlich Schlüsselmanagement, Authentifizierung, Monitoring und Kostenkontrolle. Ein praktischer Rundgang durch das Azure Portal hilft Ihnen, das Gelernte direkt anzuwenden.

Weiter geht es mit den Grundlagen von Azure AI Search und wie Sie damit wertvolles Wissen aus großen Datenmengen extrahieren können. Hier beleuchten wir den gesellschaftlichen Aspekt der Demokratisierung des Wissens durch KI. Der Tag schließt mit LAB 1, in dem Sie die komplette Azure-Umgebung für unsere praktischen Übungen mittels Infrastructure als Code und CLI-Automatisierung provisionieren.

Lernziele: Azure KI-Dienste verstehen, Lösungsarchitektur planen, Ethische Grundlagen

2.2.         M2: Sprachverarbeitung & Verstehen

Am zweiten Tag tauchen wir tief in die Welt der Sprachverarbeitung ein. Wir starten mit den Grundlagen der Azure Language Services, wo Sie lernen, wie Sie Texte analysieren, Stimmungen erkennen, Schlüsselbegriffe extrahieren und benannte Entitäten identifizieren.

Dabei diskutieren wir auch, wie KI helfen kann, Sprachbarrieren abzubauen und digitale Inklusion zu fördern. Anschließend widmen wir uns dem Conversational Language Understanding (CLU), um intelligente Sprachmodelle für Intents und Entities zu erstellen und zu trainieren – mit einem klaren Fokus auf den Unterschied zu großen Sprachmodellen (LLMs) und wann welcher Ansatz sinnvoll ist.

Sie erfahren auch, wie Sie eigene Modelle für die Erkennung benannter Entitäten (Custom NER) trainieren, um domänenspezifische Informationen zu extrahieren. LAB 2 vertieft die praktische Anwendung, indem Sie eine Knowledge Mining Pipeline mit Azure AI Search implementieren und Custom Skills integrieren.

2.3.         M3: Vision & Content Moderation

Der dritte Tag steht im Zeichen des Computer Vision und der Inhaltssicherheit. Wir beginnen mit den Grundlagen von Azure AI Vision, wo Sie die Analyse von Bildern, die optische Zeichenerkennung (OCR), die Objekterkennung und Klassifizierung erlernen.

Eine wichtige Diskussion wird sich um die gesellschaftlichen Auswirkungen von Bildüberwachung und Privatsphäre drehen. Danach geht es um das Training von eigenen Computer Vision Modellen (Custom Vision Models) für spezifische Anwendungsfälle, einschließlich der Evaluierung und Bereitstellung.

Ein zentrales Thema ist die Content Safety und Moderation mit Azure AI Content Safety, um schädliche Inhalte in Texten und Bildern zu erkennen. Hierbei beleuchten wir die Balance zwischen Online-Sicherheit und Meinungsfreiheit.

LAB 3 ermöglicht Ihnen die praktische Anwendung, indem Sie eine RAG-Implementierung mit OpenAI und Content Safety Integration realisieren, um multimodale KI-Lösungen zu entwickeln.

Lernziele: Computer Vision implementieren, Content Safety gewährleisten

2.4.         M4: Document Intelligence & Generative AI

Am vierten Tag konzentrieren wir uns auf die Automatisierung der Dokumentenverarbeitung und die Nutzung Generativer Künstlicher Intelligenz.

Sie lernen die Leistungsfähigkeit von Document Intelligence (ehemals Form Recognizer) kennen, um strukturierte und komplexe Dokumente zu verarbeiten, sowohl mit vordefinierten als auch mit benutzerdefinierten Modellen.

Anschließend tauchen wir in den Azure OpenAI Service ein, wo Sie GPT-Modelle für Textgenerierung und DALL-E für Bildgenerierung nutzen sowie Best Practices für Prompt Engineering erlernen. Eine spannende Frage, die wir hier diskutieren werden, ist das Verhältnis von Kreativität versus Automatisierung durch KI.

Ein weiterer Schwerpunkt ist Retrieval Augmented Generation (RAG) – wir beleuchten die Architektur, Implementierung, Vector Embeddings und semantische Suche, um KI-Modelle mit eigenen Daten zu optimieren.

LAB 4, das “Banken MegaLab”, bietet Ihnen die Möglichkeit, eine Banking Sentiment Analysis und Kosten-Nutzen-Analyse durchzuführen.

Lernziele: Dokumentenverarbeitung automatisieren, Generative KI nutzen

2.5.         Modul 5: Praxis & Zertifizierungsvorbereitung

Der letzte Tag dient der Konsolidierung des Gelernten und der Vorbereitung auf die AI-102 Zertifizierung. Wir starten mit den Speech Services und Azure AI Video Indexer, um Sprache in Text umzuwandeln, Text in Sprache zu synthetisieren und Videos zu analysieren, einschließlich mehrsprachiger Unterstützung.

LAB 5 führt alle bisherigen Elemente zusammen: Sie entwickeln eine komplette End-to-End-Lösung mit den Globomantics Episoden 4-6, die Content Safety, Custom CLU und Agentic AI Orchestration umfasst.

Ein umfangreicher Block von 90 Minuten ist der KI-Ethik und den gesellschaftlichen Auswirkungen gewidmet, in dem wir tief in Themen wie KI-Bias und Fairness, Transparenz, die Zukunft der Arbeit in der KI-Ära sowie aktuelle Regulierungen und Governance (z.B. EU AI Act) eintauchen.

Den Abschluss bildet eine intensive Prüfungsvorbereitung, bei der wir AI-102 Exam Reviews, Übungsfragen und eine Roadmap für Ihre weitere Zertifizierungsreise besprechen.

Lernziele: End-to-End Lösung entwickeln, Prüfungsvorbereitung

Voraussetzungen

• Erfahrung mit mindestens einer Programmiersprache (C#, Python oder JavaScript)
• idealerweise Erfahrung mit REST-APIs
• idealerweise Grundkenntnisse in Microsoft Azure