Eine KI-Arbeitslast (englisch AI workload) ist eine Art von Aufgabe, die KI löst: Text verstehen, Sprache erkennen, ein Foto beschreiben, Felder aus einer Rechnung lesen. Die Prüfung AI-901 will wissen, ob Sie zu einem Szenario die passende Arbeitslast und den passenden Dienst nennen können. Diese Lektion gibt die Landkarte. Die folgenden Lektionen von Modul C1 gehen durch die Gebiete, und Modul C2 baut je Gebiet einen kleinen Helfer.

Die sechs Arbeitslasten

Die Fähigkeitenliste der Prüfung nennt sechs: generative und agentische KI, Textanalyse, Sprache, Bildverarbeitung (englisch computer vision) und Informationsextraktion. Die Namen der Dienste schreibt der Kurs so, wie Learn sie beim Schreiben nannte.

Arbeitslast Was sie tut Dienst oder Werkzeug (Learn)
Generative KI erzeugt neue Inhalte wie Text, Bild, Audio oder Code aus einer Eingabe Modelle in Microsoft Foundry
Agentische KI ein Agent verfolgt ein Ziel in mehreren Schritten und nutzt dafür Werkzeuge Foundry Agent Service
Textanalyse holt aus Text Merkmale: Schlüsselbegriffe, Entitäten, Stimmung, Zusammenfassung Azure Language
Sprache wandelt gesprochene Sprache in Text und Text in Sprache Azure Speech (in Foundry Tools)
Bildverarbeitung beschreibt oder analysiert Bilder Modelle mit Bildeingabe, Azure Vision
Informationsextraktion holt strukturierte Felder aus Dokumenten, Bildern, Audio und Video Azure Content Understanding (in Foundry Tools)

Foundry Tools ist der Sammelname für diese vorgefertigten Dienste, die Sie über eine Foundry-Ressource nutzen. Learn schreibt die Namen deshalb als „Azure Language in Foundry Tools“ oder „Azure Speech in Foundry Tools“; der Kurs kürzt zu Azure Language und Azure Speech.

Generative KI

Sie erzeugt etwas Neues, statt nur zu sortieren (Lektion 1.2). Ein Chat-Modell schreibt, fasst zusammen, übersetzt oder beantwortet Fragen. Ein Bildmodell erzeugt Bilder. Die Fehlbarkeit gehört dazu: Aufgaben kann man dem Modell geben, die Verantwortung nicht (Lektion 1.1).

Agentische KI

Ein Modell allein erzeugt nur Text. Nach Learn kann es von sich aus keine E-Mail senden und keine Datenbank abfragen. Ein Agent ergänzt Anweisungen, ein Modell und Werkzeuge (englisch tools), etwa Websuche, Dateisuche oder eigene Funktionen. Der Foundry Agent Service ist laut Learn eine verwaltete Plattform, um solche Agenten zu bauen, bereitzustellen und zu skalieren. Ein Prompt-Agent besteht allein aus Konfiguration (Anweisungen, Modell, Werkzeuge) und braucht keinen eigenen Code. Dazu kommen sprachbasierte Prompt-Agenten und gehostete Agenten mit eigenem Code. Den Prompt-Agenten baut Lektion 2.4; der KI-Track zeigt Agenten mit dem Microsoft Agent Framework (KI-Track, T7.1).

Textanalyse

Das sind festgelegte Aufgaben auf Text, oft ohne Chat-Modell. Azure Language bietet nach Learn unter anderem Erkennung benannter Entitäten, Schlüsselbegriffe, Stimmungsanalyse, Zusammenfassung, Spracherkennung und das Aufspüren persönlicher Daten. Lektion 1.5 geht darauf ein.

Sprache

Azure Speech setzt gesprochene Sprache in Text um und erzeugt aus Text natürlich klingende Stimmen. Hinzu kommen Übersetzung und Spracherkennung (welche Sprache wird gesprochen). Ebenfalls Lektion 1.5.

Bildverarbeitung

Hierunter fällt das Beschreiben und Analysieren von Bildern, Lektion 1.6. Learn nennt als Alternative zum älteren Bildanalysedienst ausdrücklich generative Modelle mit Bildeingabe.

Informationsextraktion

Sie macht aus unstrukturiertem Inhalt strukturierte Daten. Azure Content Understanding verarbeitet laut Learn Dokumente, Bilder, Audio und Video in ein von Ihnen festgelegtes Ausgabeformat, etwa Felder mit Wert. Lektion 1.6 nennt die Techniken, Lektion 2.9 baut damit.

Eingabe und Ergebnis entscheiden

Eine einfache Regel hilft bei jeder Zuordnung. Fragen Sie zuerst: Was kommt hinein? Text, Audio, Bild, Dokument. Dann: Was soll herauskommen? Ein Etikett (positiv oder negativ), neuer Text, Felder mit Werten, eine ausgeführte Handlung. Die Kombination ergibt in der Regel eine Arbeitslast.

Das Beispiel: Nordlicht ordnet zu

Die Nordlicht Reisen GmbH hat vier Arten von Beispieldaten und einen Wunsch. Die Tabelle zeigt, wie der Fall sie zuordnet:

Szenario Eingabe Ergebnis Arbeitslast
Kundenbewertungen (etwa 300 am Tag) beurteilen Text Stimmung, Themen Textanalyse (Azure Language)
Hotline-Anrufe festhalten Audio Text Sprache (Azure Speech)
Zimmerfotos von Reisenden prüfen Bild Beschreibung Bildverarbeitung (Modell mit Bildeingabe)
Rechnungen und Bestätigungen der Hotels als PDF auswerten Dokument Felder wie Betrag und Datum Informationsextraktion (Content Understanding)
Ein Helfer für den Kundendienst, der Fragen beantwortet Text Antwortentwurf, bei Bedarf Aktion generative und agentische KI (Prompt-Agent reise-helfer)

Diese Zuordnung ist die des Falls, nicht die einzig mögliche. Ein Chat-Modell könnte auch Bewertungen zusammenfassen, und Content Understanding bietet laut Learn vorgefertigte Auswertungen für Anrufe. Der Fall wählt je Aufgabe den Dienst, der am genauesten zur Aufgabe passt. Modul C2 baut sie so.

Echte Lösungen verbinden Arbeitslasten. Eine Hotline-Aufnahme wird zuerst zu Text (Sprache) und dann auf Stimmung untersucht (Textanalyse). Der Agent reise-helfer ruft vielleicht ein Werkzeug auf, das Rechnungsfelder liest (Informationsextraktion). Lektion 2.10 stellt diese Entscheidungen zusammen.

Übung 1

Ordnen Sie jedes Szenario einer Arbeitslast zu und nennen Sie Eingabe und Ergebnis:

  1. Ein Hotel will aus Gästekommentaren die am häufigsten genannten Themen ziehen.
  2. Eine Fluggesellschaft lässt Ansagen für ihre Website in mehreren Stimmen vorlesen.
  3. Ein Versicherer will aus gescannten Schadensformularen Name, Datum und Betrag in eine Datenbank übernehmen.
  4. Ein Support-Team will einen Assistenten, der Tickets liest, in einer Wissenssammlung sucht und einen Entwurf der Antwort erstellt.
  5. Eine Bildagentur will zu jedem hochgeladenen Foto eine kurze Beschreibung.
  6. Ein Marketingteam will aus einem Briefing mehrere Textvarianten für eine Anzeige erzeugen.

Lösung 1
  1. Textanalyse (Schlüsselbegriffe). Eingabe Text, Ergebnis eine Liste von Themen.
  2. Sprache, genauer Sprachausgabe. Eingabe Text, Ergebnis Audio.
  3. Informationsextraktion. Eingabe Dokument, Ergebnis strukturierte Felder.
  4. Agentische KI. Eingabe Text, Ergebnis Entwurf; der Agent nutzt Werkzeuge wie eine Suche.
  5. Bildverarbeitung. Eingabe Bild, Ergebnis Text. Ein Modell mit Bildeingabe kann das leisten.
  6. Generative KI. Eingabe Text, Ergebnis neuer Text.

Bei Nr. 5 wäre auch ein Bildanalysedienst denkbar. Es zählt die Begründung über Eingabe und Ergebnis.

Weiterlesen