Develop AI apps and agents on Azure

In diesem praxisorientierten Training lernen Teilnehmende, KI‑gestützte Anwendungen und intelligente Agents mit Microsoft Foundry und Azure zu entwickeln. Sie bauen generative KI‑Apps, integrieren Tools und Knowledge Connections und nutzen multimodale Modelle, um komplexe Inhalte zu verarbeiten. Das Training befähigt Sie, moderne AI‑Engineering-Lösungen professionell zu planen, umzusetzen und produktiv zu betreiben.
 
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.

1. Entwickeln von generativen KI-Apps in Azure

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

Auswählen, Bereitstellen und Auswerten von Microsoft Foundry-Modellen

• Modelle im Modellkatalog auswählen und vergleichen
• Benchmarks zur Modellbewertung nutzen
• Modelle auf Endpunkten bereitstellen
• Modellleistung manuell und automatisiert auswerten

Entwickeln einer generativen KI-Chat-App mit Microsoft Foundry

• Modell-Playground für die Entwicklung nutzen
• Endpunkte und SDKs auswählen
• Antworten mit der Responses API generieren
• Chatanwendungen mit der Chat Completions API entwickeln

Entwickeln von generativen KI-Apps mit Tool-Unterstützung

• Einsatzmöglichkeiten von Tools in generativen KI-Anwendungen
• Code Interpreter, Web Search und File Search integrieren
• Function Calling für externe Funktionen einsetzen
• Toolgestützte Chatanwendungen entwickeln

Leistung generativer KI-Modelle mit Microsoft Foundry optimieren

• Prompt Engineering gezielt einsetzen
• Retrieval-Augmented Generation (RAG) implementieren
• Modelle für konsistentes Verhalten optimieren
• Optimierungsstrategien kombinieren und bewerten

Verantwortungsvolle generative KI-Lösungen mit Microsoft Foundry implementieren

• 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

Benutzerdefinierte Tools in KI-Agents integrieren

• Einsatzszenarien für benutzerdefinierte Tools
• Implementierungsoptionen bewerten
• Eigene Tools in Agenten integrieren
• Agentfunktionen gezielt erweitern

MCP-Tools in Azure AI-Agents integrieren

• MCP-Toolerkennung verstehen
• MCP-Server und -Clients anbinden
• Azure AI-Agents mit MCP-Tools verbinden
• Toolgestützte Agentworkflows umsetzen

Wissensgestützte KI-Agenten mit Foundry IQ entwickeln

• Retrieval-Augmented Generation (RAG) für Agenten einsetzen
• Foundry IQ als Wissensplattform nutzen
• Datenquellen und Wissensdatenbanken konfigurieren
• Abrufqualität und Agentantworten optimieren

KI-Agents in Microsoft 365 integrieren

• 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

Agentgesteuerte Workflows mit Microsoft Foundry entwickeln

• Workflowkonzepte und -muster verstehen
• Workflows mit KI-Agents erstellen
• Power Fx in Workflows einsetzen
• Workflows verwalten und im Code nutzen

KI-Agents mit Microsoft Agent Framework entwickeln

• Grundlagen des Microsoft Agent Framework
• Azure AI-Agents entwickeln
• Tools in Agenten integrieren
• Agenten mit dem Framework-SDK implementieren

Multi-Agent-Lösungen mit Microsoft Agent Framework koordinieren

• Agent-Orchestrierung planen
• Gleichzeitige und sequenzielle Orchestrierung umsetzen
• Gruppenchat- und Handoff-Orchestrierung einsetzen
• Multi-Agent-Lösungen entwickeln

Azure AI-Agents mit A2A 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

Textanalyse-Agenten mit dem Azure Language MCP-Server entwickeln

• Azure Language MCP-Server einsetzen
• Sprachserver mit KI-Agenten verbinden
• Textanalysefunktionen in Agenten integrieren
• Agentgestützte Sprachanalysen entwickeln

Sprachfähige generative KI-Anwendungen entwickeln

• Sprachfähige Modelle auswählen
• Sprache in Text transkribieren
• Text in Sprache synthetisieren
• Sprachbasierte KI-Anwendungen entwickeln

Sprachfähige Anwendungen mit Azure Speech in Microsoft Foundry Tools 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

Sprach-Agenten mit dem Azure Speech MCP-Server entwickeln

• Azure Speech MCP-Server einsetzen
• Sprachdienste mit KI-Agenten verbinden
• Sprach-zu-Text- und Text-zu-Sprache-Funktionen integrieren
• Sprachgestützte Agenten entwickeln

Azure Speech Voice Live-Agents mit Microsoft Foundry entwickeln

• Voice Live API und SDK einsetzen
• Voice Live-Plattform integrieren
• Konversationsfähige Voice-Agents entwickeln
• Sprachinteraktionen implementieren

Text und Sprache mit Microsoft Foundry Tools übersetzen

• 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

Bilder mit KI generieren

• Bildgenerierungsmodelle auswählen
• Bilder aus natürlichsprachlichen Eingaben erzeugen
• Bildgenerierungsmodelle in Anwendungen integrieren
• Bildgenerierung mit Microsoft Foundry umsetzen

Videos mit Microsoft Foundry generieren

• Videogenerierungsmodelle bereitstellen
• Videos aus Texteingaben erzeugen
• Videogenerierung mit Python implementieren
• Sora 2 in Microsoft Foundry einsetzen

Bilder mit Azure Content Understanding analysieren

• Azure Content Understanding einsetzen
• Bildinhalte analysieren
• Informationen aus Bildern extrahieren
• Visuelle Daten automatisiert auswerten

Multimodale Analyselösungen mit Azure Content Understanding entwickeln

• Multimodale Inhaltsanalyse umsetzen
• Informationen aus unterschiedlichen Inhaltstypen extrahieren
• Content Understanding-API einsetzen
• Analyseworkflows entwickeln

Clientanwendungen mit Azure Content Understanding entwickeln

• Azure Content Understanding-API vorbereiten
• Analyseanwendungen entwickeln
• Inhalte automatisiert analysieren
• API in Clientanwendungen integrieren

Daten mit Azure Document Intelligence extrahieren

• Azure Document Intelligence einsetzen
• OCR- und Deep-Learning-Modelle nutzen
• Vorgefertigte und benutzerdefinierte Modelle verwenden
• Dokumentverarbeitung automatisieren

Knowledge Mining-Lösungen mit Azure AI Search entwickeln

• Azure AI Search einsetzen
• Daten mit Indexern extrahieren
• Daten mit KI-Funktionen anreichern
• Wissensspeicher aufbauen und Suchlösungen implementieren

Dieses Training richtet sich an:

• SoftwareentwicklerInnen
• AI Engineers
• IT-Professionals

Nach diesem Training können Teilnehmende KI‑Feature‑Sets in moderne Anwendungen integrieren, agentische KI‑Anwendungen entwickeln oder bestehende Lösungen mit Microsoft Foundry und Azure AI erweitern. Es eignet sich für alle, die KI‑Technologien gezielt in ihren Entwicklungsalltag einbinden und professionelle agentische Lösungen realisieren möchten.
 

Für eine erfolgreiche Teilnahme empfehlen wir:

• 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)