Zum Inhalt springen
L-SYSTEM

empfohlenEinsteiger

AI-901: Microsoft Azure AI Fundamentals — Prüfungsvorbereitung mit Microsoft Foundry

Ein Vorbereitungskurs für die Microsoft-Prüfung AI-901 (Microsoft Azure AI Fundamentals) für Softwareentwickler in Big-4- und anderen Beratungsunternehmen, die bereits SQL, C# und Python schreiben und nun ein praktisches Verständnis von KI auf Azure brauchen — und das Zertifikat, das es belegt. AI-901 hat 2026 AI-900 abgelöst und seinen Charakter verändert: Mehr als die Hälfte der Prüfung dreht sich um das Entwickeln mit Microsoft Foundry — Modelle bereitstellen, Prompts schreiben, Agents erstellen und Text-, Sprach-, Bild- und Content-Understanding-Funktionen aus schlanken Python-Apps aufrufen. Der Kurs folgt der offiziellen Skills-Übersicht (Stand April 2026) Domäne für Domäne, mit denselben Gewichtungen: KI-Konzepte und -Funktionen (40–45 %) und Implementierung von KI-Lösungen mit Foundry (55–60 %). Jedes Thema wird auf dieselbe Weise vermittelt: das Problem, das Sie zu der Funktion greifen lässt, die Funktion selbst und was sie kostet — an Tokens, Kontingenten, Latenz, Datenresidenz und Risiko. Praktische Labs führen Schritt für Schritt durch das Foundry-Portal und das Python SDK; wenn Ihr Unternehmensabonnement Foundry sperrt, hat jedes Lab einen „Code lesen“-Pfad, sodass Sie trotzdem jedes Prüfungsziel üben können. Das durchgehende Fallbeispiel ist Aldervane Advisory LLP, ein fiktives Beratungsunternehmen, das einen internen Service-Desk-Agent baut, Daten aus Rechnungen und Stundenzetteln extrahiert und Kundenbesprechungen transkribiert — wobei die Vertraulichkeit von Kundendaten nie optional ist. Die Übungen nutzen die Fragenformate der echten Prüfung: Einfach- und Mehrfachauswahl, Zuordnung, Ja/Nein-Aussagenreihen und Code-Vervollständigung. Visuelle Sketchnotes fassen jedes Konzept auf einer farbigen Seite zusammen. Optionale Einheiten behandeln dieselben Apps in C#, Kontingente und Kosten, Evaluierung und Tracing sowie die Governance von Kundendaten.

Ihre Lektion ist in Ihrer Sprache: Ihr Assistent leitet sie.

  • Material: Englisch
  • Prüfung: Englisch – wird auf der Website abgelegt, nicht übersetzt
So funktioniert’s

Ihr Assistent holt das Kursmaterial von unserem Server und leitet die Lektion in Ihrer Sprache.

In dieser Sprache zeigt die Website die Beschreibung, den Lehrplan und 1 von 24 Einheiten – übersetzt vom Autor des Kurses. Das übrige Material wird in der Kurssprache angezeigt, und Ihr Assistent leitet die Lektion dazu in Ihrer Sprache.

Die Prüfung wird auf der Website abgelegt, ohne Assistenten. Prüfungsfragen werden nicht übersetzt: Das ist für jeden Kurs so festgelegt.

So verbinden Sie einen Assistenten

Weg durch den Kurs

· 24 Einheiten

beliebige Reihenfolge · Einheiten können in jeder Reihenfolge absolviert werdenAnsicht: Karte · Stufen

  1. ~33,8 Std.

  2. Prüfung

    gesperrt · in den Kurs einschreiben

    • Abschluss · im Browser, ohne den Assistenten

      Prüfung

Der Weg in Worten
  • Prüfungsübersicht und die Foundry-Landschaft — ~1,3 Std.
  • KI-Workloads: vom Szenario zum Workload — ~1 Std.
  • Wie generative KI-Modelle funktionieren — ~1 Std.
  • Ein Modell im Foundry-Katalog auswählen — ~1 Std.
  • Bereitstellungsoptionen und Konfigurationsparameter — ~1,3 Std.
  • Verantwortungsvolle KI: sechs Prinzipien und Foundry-Guardrails — ~1,3 Std.
  • Textanalyse: Schlüsselbegriffe, Entitäten, Stimmung, Zusammenfassungen — ~1 Std.
  • Sprache: Erkennung, Synthese, Übersetzung und Audiomodelle — ~1 Std.
  • Computer Vision und Bildgenerierung — ~1 Std.
  • Informationsextraktion mit Azure Content Understanding — ~1 Std.
  • Prompt Engineering: System- und Benutzerprompts, die funktionieren — ~1,5 Std.
  • Lab: ein Modell bereitstellen und im Foundry-Portal damit arbeiten — ~1,5 Std.
  • Lab: ein schlanker Chat-Client mit dem Foundry SDK (Python) — ~2 Std.
  • Einen einzelnen Agent im Foundry-Portal erstellen und testen — ~2 Std.
  • Lab: eine schlanke Client-App für den ENGAGE-Helpdesk-Agent — ~1,5 Std.
  • Lab: eine schlanke App mit Textanalyse erstellen — ~1,5 Std.
  • Lab: Sprache — gesprochene Prompts und das Azure Speech SDK — ~1,5 Std.
  • Lab: Vision — Bilder rein, Bilder raus — ~1,5 Std.
  • Lab: Content Understanding — Dokumente, Bilder, Audio und Video — ~1,5 Std.
  • Prüfungsgeneralprobe: Ablauf, Strategie und ein gemischtes Aufgabenset — ~2,5 Std.
  • Governance von Kundendaten in Foundry (Aldervane) — optional; ~1,5 Std.
  • Dieselben Apps in C#/.NET — optional; ~1,5 Std.
  • Kontingente, Tokens, Kosten und Überwachung — optional; ~1,5 Std.
  • Evaluierung, Tracing und Red Teaming in Foundry — optional; ~1,5 Std.

Lehrplan · 24 Einheiten

1Prüfungsübersicht und die Foundry-Landschaft

Die beiden AI-901-Domänen, ihre Gewichtungen und das Prüfungsformat beschreiben (Bestehensgrenze 700, keine Labs)

~1,3 Std.
2KI-Workloads: vom Szenario zum Workload

Die sechs KI-Workloads in AI-901 sowie Eingabe und Ausgabe jedes Workloads benennen

~1 Std.
3Wie generative KI-Modelle funktionieren

Tokens erklären und warum Abrechnung, Kontingente und Kontextfenster in Tokens gezählt werden

~1 Std.
4Ein Modell im Foundry-Katalog auswählen

Direkt von Azure verkaufte Modelle von Modellen von Partnern und aus der Community unterscheiden

~1 Std.
5Bereitstellungsoptionen und Konfigurationsparameter

Die Bereitstellungsoptionen serverlose API und Managed Compute vergleichen

~1,3 Std.
6Verantwortungsvolle KI: sechs Prinzipien und Foundry-Guardrails

Ein kurzes Szenario dem richtigen Prinzip verantwortungsvoller KI zuordnen: Fairness, Zuverlässigkeit und Sicherheit, Datenschutz und Sicherheit, Inklusion, Transparenz oder Verantwortlichkeit

~1,3 Std.
7Textanalyse: Schlüsselbegriffe, Entitäten, Stimmung, Zusammenfassungen

Die Textanalysetechnik für ein Szenario wählen: Sprachenerkennung, Extraktion von Schlüsselbegriffen, Erkennung benannter Entitäten, Entitätsverknüpfung, PII-Erkennung, Stimmungsanalyse, Opinion Mining oder Zusammenfassung

~1 Std.
8Sprache: Erkennung, Synthese, Übersetzung und Audiomodelle

In einem Szenario Spracherkennung (Speech-to-Text) von Sprachsynthese (Text-to-Speech) und Sprachübersetzung unterscheiden

~1 Std.
9Computer Vision und Bildgenerierung

Die Computer-Vision-Aufgabe für ein Szenario wählen: Bildklassifizierung, Objekterkennung, Segmentierung, OCR, Bildbeschreibung und Tagging, Gesichtsdetektion oder Gesichtserkennung

~1 Std.
10Informationsextraktion mit Azure Content Understanding

OCR, Layoutanalyse und Feldextraktion unterscheiden und sagen, warum OCR allein keine strukturierten Daten liefert

~1 Std.
11Prompt Engineering: System- und Benutzerprompts, die funktionieren

Den Systemprompt vom Benutzerprompt unterscheiden und entscheiden, wohin eine bestimmte Regel gehört

~1,5 Std.
12Lab: ein Modell bereitstellen und im Foundry-Portal damit arbeiten

Ein Modell aus dem Foundry-Modellkatalog bereitstellen und ein Modell von einer Bereitstellung unterscheiden

~1,5 Std.
13Lab: ein schlanker Chat-Client mit dem Foundry SDK (Python)

Einen Python-Chat-Client mit DefaultAzureCredential, AIProjectClient und get_openai_client erstellen

~2 Std.
14Einen einzelnen Agent im Foundry-Portal erstellen und testen

Erklären, was ein Foundry-Prompt-Agent ist: ein Modell, Anweisungen und Tools, unter einem Namen gebündelt

~2 Std.
15Lab: eine schlanke Client-App für den ENGAGE-Helpdesk-Agent

Einen vorhandenen Foundry-Agent aus Python mit einer agent_reference in responses.create aufrufen

~1,5 Std.
16Lab: eine schlanke App mit Textanalyse erstellen

Für ein Textanalyse-Szenario zwischen Azure Language in Foundry Tools und einem bereitgestellten generativen Modell wählen

~1,5 Std.
17Lab: Sprache — gesprochene Prompts und das Azure Speech SDK

Für ein Sprachszenario zwischen einer Azure-Speech-Pipeline, einem multimodalen Audiomodell und Voice Live wählen

~1,5 Std.
18Lab: Vision — Bilder rein, Bilder raus

In einem Szenario ein multimodales Chatmodell (Bild rein, Text raus) von einem Bildgenerierungsmodell (Text rein, Bild raus) unterscheiden

~1,5 Std.
19Lab: Content Understanding — Dokumente, Bilder, Audio und Video

Analyzer, Schemas und Felder in Azure Content Understanding in Foundry Tools erklären und zwischen vordefinierten und benutzerdefinierten Analyzern wählen

~1,5 Std.
20Prüfungsgeneralprobe: Ablauf, Strategie und ein gemischtes Aufgabenset

Das AI-901-Prüfungsformat beschreiben: Zeit, Fragetypen, Bestehensgrenze, Pausen, Wiederholungen und Terminplanung

~2,5 Std.
21Governance von Kundendaten in Foundry (Aldervane)

Einen Bereitstellungstyp wählen, der die Anforderung eines Kunden an die Residenz der Datenverarbeitung erfüllt

~1,5 Std.
22Dieselben Apps in C#/.NET

Die Python-Pakete für Foundry, Language und Speech ihren .NET-Entsprechungen zuordnen

~1,5 Std.
23Kontingente, Tokens, Kosten und Überwachung

Erklären, wie TPM-Kontingente und RPM-Limits gewährt und Bereitstellungen zugewiesen werden

~1,5 Std.
24Evaluierung, Tracing und Red Teaming in Foundry

Für eine bestimmte Fragestellung zwischen Evaluierung, Tracing und Red Teaming wählen

~1,5 Std.

Rezepte dieses Kurses

alle Rezepte des Kurses (1)