Seminarinhalt
Nach Abschluss dieses Trainings:
- Entwickeln und konfigurieren Sie generative KI‑Applikationen mit Microsoft Foundry und Azure AI und stellen diese bereit.
- Implementieren Sie agentische KI‑Architekturen inklusive Tools, Actions und Knowledge Connections.
- Sind Sie in der Lage, multimodale Modelle zur Verarbeitung von Text, Bild, Audio oder komplexen Content-Strukturen anzubinden.
- Gestalten Sie robuste und sichere Pipelines für KI‑gestützte Anwendungen.
- Integrieren Sie Azure AI Services effizient in bestehende Softwarelösungen.
- Optimieren Sie die Performance, Qualität und Kontrolle von LLM‑basierten Anwendungen.
- Evaluieren Sie KI‑Modelle hinsichtlich Funktionalität, Compliance und verantwortungsbewusstem Einsatz.
Programm
Planen und Vorbereiten der Entwicklung von KI-Lösungen auf Azure
- KI-Dienste und Microsoft Foundry für Entwicklungsprojekte auswählen
- Entwicklungsumgebung sowie SDKs und Tools vorbereiten
- Microsoft Foundry und Foundry-Tools einsetzen
- Grundlagen verantwortungsvoller KI berücksichtigen
- Modelle im Modellkatalog auswählen und vergleichen
- Benchmarks zur Modellbewertung nutzen
- Modelle auf Endpunkten bereitstellen
- Modellleistung manuell und automatisiert auswerten
- Modell-Playground für die Entwicklung nutzen
- Endpunkte und SDKs auswählen
- Antworten mit der Responses API generieren
- Chatanwendungen mit der Chat Completions API entwickeln
- Einsatzmöglichkeiten von Tools in generativen KI-Anwendungen
- Code Interpreter, Web Search und File Search integrieren
- Function Calling für externe Funktionen einsetzen
- Toolgestützte Chatanwendungen entwickeln
- Prompt Engineering gezielt einsetzen
- Retrieval-Augmented Generation (RAG) implementieren
- Modelle für konsistentes Verhalten optimieren
- Optimierungsstrategien kombinieren und bewerten
- Verantwortungsvolle KI planen und umsetzen
- Potenzielle Risiken identifizieren und bewerten
- Schutzmaßnahmen gegen schädliche Inhalte implementieren
- Governance für generative KI-Lösungen etablieren
2. Entwickeln von KI-Agents auf Azure
Entwickeln von KI-Agents mit Microsoft Foundry und Visual Studio Code
- Grundlagen des Microsoft Foundry Agent Service
- KI-Agents erstellen und konfigurieren
- Entwicklungsumgebung in Visual Studio Code einrichten
- Agentfunktionen erweitern sowie testen, bereitstellen und integrieren
- Einsatzszenarien für benutzerdefinierte Tools
- Implementierungsoptionen bewerten
- Eigene Tools in Agenten integrieren
- Agentfunktionen gezielt erweitern
- MCP-Toolerkennung verstehen
- MCP-Server und -Clients anbinden
- Azure AI-Agents mit MCP-Tools verbinden
- Toolgestützte Agentworkflows umsetzen
- Retrieval-Augmented Generation (RAG) für Agenten einsetzen
- Foundry IQ als Wissensplattform nutzen
- Datenquellen und Wissensdatenbanken konfigurieren
- Abrufqualität und Agentantworten optimieren
- Veröffentlichungsoptionen für Foundry-Agents
- Integration in Microsoft Teams und Microsoft 365 Copilot
- Zugriff auf Microsoft 365-Daten mit Work IQ
- Integrierte Agenten testen und optimieren
- Workflowkonzepte und -muster verstehen
- Workflows mit KI-Agents erstellen
- Power Fx in Workflows einsetzen
- Workflows verwalten und im Code nutzen
- Grundlagen des Microsoft Agent Framework
- Azure AI-Agents entwickeln
- Tools in Agenten integrieren
- Agenten mit dem Framework-SDK implementieren
- Agent-Orchestrierung planen
- Gleichzeitige und sequenzielle Orchestrierung umsetzen
- Gruppenchat- und Handoff-Orchestrierung einsetzen
- Multi-Agent-Lösungen entwickeln
- A2A-Protokoll verstehen
- Agent-Executors implementieren
- A2A-Server bereitstellen
- Kommunikation zwischen Remote-Agenten ermöglichen
3. Entwickeln von Lösungen für natürliche Sprachen in Azure
Text mit Azure Language in Foundry Tools analysieren
- Sprachenerkennung durchführen
- Entitäten extrahieren
- Personenbezogene Informationen (PII) erkennen und schützen
- Semantische Textanalysen umsetzen
- Azure Language MCP-Server einsetzen
- Sprachserver mit KI-Agenten verbinden
- Textanalysefunktionen in Agenten integrieren
- Agentgestützte Sprachanalysen entwickeln
- Sprachfähige Modelle auswählen
- Sprache in Text transkribieren
- Text in Sprache synthetisieren
- Sprachbasierte KI-Anwendungen entwickeln
- Speech-Services in Anwendungen integrieren
- Speech-to-Text- und Text-to-Speech-APIs einsetzen
- Audioformate und Stimmen konfigurieren
- Speech Synthesis Markup Language (SSML) verwenden
- Azure Speech MCP-Server einsetzen
- Sprachdienste mit KI-Agenten verbinden
- Sprach-zu-Text- und Text-zu-Sprache-Funktionen integrieren
- Sprachgestützte Agenten entwickeln
- Voice Live API und SDK einsetzen
- Voice Live-Plattform integrieren
- Konversationsfähige Voice-Agents entwickeln
- Sprachinteraktionen implementieren
- Übersetzungsdienste einsetzen
- Texte automatisch übersetzen
- Gesprochene Sprache übersetzen
- Mehrsprachige Anwendungen entwickeln
4. Extrahieren von Erkenntnissen aus visuellen Daten in Azure
Visionfähige generative KI-Anwendungen entwickeln
- Visionfähige Modelle einsetzen
- Bildgestützte Chatanwendungen entwickeln
- Bildinhalte analysieren
- Visuelle Eingaben in generativen KI-Anwendungen nutzen
- Bildgenerierungsmodelle auswählen
- Bilder aus natürlichsprachlichen Eingaben erzeugen
- Bildgenerierungsmodelle in Anwendungen integrieren
- Bildgenerierung mit Microsoft Foundry umsetzen
- Videogenerierungsmodelle bereitstellen
- Videos aus Texteingaben erzeugen
- Videogenerierung mit Python implementieren
- Sora 2 in Microsoft Foundry einsetzen
- Azure Content Understanding einsetzen
- Bildinhalte analysieren
- Informationen aus Bildern extrahieren
- Visuelle Daten automatisiert auswerten
- Multimodale Inhaltsanalyse umsetzen
- Informationen aus unterschiedlichen Inhaltstypen extrahieren
- Content Understanding-API einsetzen
- Analyseworkflows entwickeln
- Azure Content Understanding-API vorbereiten
- Analyseanwendungen entwickeln
- Inhalte automatisiert analysieren
- API in Clientanwendungen integrieren
- Azure Document Intelligence einsetzen
- OCR- und Deep-Learning-Modelle nutzen
- Vorgefertigte und benutzerdefinierte Modelle verwenden
- Dokumentverarbeitung automatisieren
- Azure AI Search einsetzen
- Daten mit Indexern extrahieren
- Daten mit KI-Funktionen anreichern
- Wissensspeicher aufbauen und Suchlösungen implementieren
Zielgruppen
- SoftwareentwicklerInnen
- AI Engineers
- IT-Professionals
Vorkenntnisse
- gute Kenntnisse in Python (oder C#)
- Erfahrung im Umgang mit APIs und SDKs
- Verständnis von REST‑/JSON‑Programmiersemantik
- Grundkenntnisse in der Entwicklung von Cloud‑ oder KI‑basierten Lösungen
- Fähigkeit zur Navigation im Azure‑Portal
- Grundverständnis moderner KI‑Konzepte (Generative AI, LLMs, Prompt Engineering)

