Diese Lektion führt nichts Neues ein. Sie stellt zusammen, was Nordlicht Reisen in den Lektionen 1.4 und 2.1 bis 2.9 entschieden hat, und zeigt, wo es weitergeht. Es gibt hier keinen Code und keine Portalschritte.

Die Lösung auf einen Blick

Der Fall behält die Zuordnung von Lektion 1.4: eine Eingabe, ein passender Dienst. Die Tabelle ergänzt, was seither dazugekommen ist.

Eingabe Dienst (Lektion) Modell-Deployment? Menschlicher Schritt
Bewertungen als Text Azure Language, Stimmungsanalyse (2.6) nein, laut den Schnellstarts eine eigene Ressource Kundendienst liest die negativen Bewertungen
Anruf als Ton, anruf-hotline.wav Azure Speech, Spracherkennung (2.7); Alternative: Content Understanding (2.9) Speech nein, Content Understanding ja Kundendienst liest Abschrift und Zusammenfassung
Zimmerfoto, zimmerfoto.jpg bildfähiges Modell im Prompt (2.8) ja, reise-chat, falls das Modell Bilder versteht Mensch beurteilt den Befund
Rechnung, rechnung-seeblick.pdf Content Understanding, prebuilt-invoice (2.9) ja, Chat- und Embedding-Modell Mitarbeitende prüfen Felder mit niedriger Konfidenz
Fragen des Kundendienstes Prompt-Agent reise-helfer (2.4, 2.5) ja, reise-chat Mensch prüft jede Antwort, bevor sie an Kunden geht

Quer dazu liegen die Grundlagen: foundry-nordlicht und nordlicht-ki (2.1), gute Prompts (2.2), der Chat-Client (2.3). Die Anmeldung läuft mit Entra ID und der Rolle Foundry User, nicht mit Schlüsseln im Code. Learns Beispiele in 2.6, 2.7 und 2.9 nutzen Schlüssel; für den Betrieb empfiehlt Learn dort Entra ID.

Was die Lektionen an 1.4 geändert haben

Keine Zuordnung des Falls hat sich geändert. Zwei Sätze der Übersicht haben sich mit Absicht verschoben:

  • Lektion 1.4 nannte für Bildverarbeitung neben Modellen mit Bildeingabe auch Azure Vision. Lektion 2.8 sagt: Learn kennzeichnet Image Analysis als veraltet und kündigt die Einstellung an. Für neue Anwendungen wählt der Fall das Modell mit Bildeingabe, wie schon in 1.4.
  • Für Anrufe bleibt Azure Speech die Wahl des Falls. Lektion 2.9 zeigt, dass Content Understanding Anrufe ebenfalls auswertet. Das ist eine Alternative, kein Wechsel.

Verantwortungsvolle KI an den Stellen des Piloten

Die sechs Prinzipien (Lektion 1.1) stehen nicht in einer Folie, sondern in Entscheidungen:

Stelle im Pilot Prinzip Entscheidung
Der Mensch prüft jede Antwort und jeden Befund Verantwortlichkeit Frau Berg ist als Leiterin des Kundendienstes benannt verantwortlich
Stimmungsanalyse mit Schwelle, nur an echten Daten getestet Zuverlässigkeit und Sicherheit die Schwelle ist offen und wird gemessen, nicht geschätzt
Dialekte und Sprachen, auch Englisch Fairness und Inklusion Sprache angeben, nicht Englisch als Standard hinnehmen (2.6)
Aufzeichnungen und Gästefotos Datenschutz und Sicherheit Einwilligung und Rechtsfragen bei der Rechtsberatung, keine öffentlichen Adressen für Fotos (2.7, 2.8)
Hinweis, dass ein Helfer beteiligt ist; Kennzeichnung erzeugter Bilder Transparenz im Pilot keine erzeugten Bilder für Kunden; Kennzeichnung bleibt offen (2.8)

Was im Pilot nicht umgesetzt wird

Der Fall lässt aus:

  • Entscheidungen des Modells über Erstattungen, Kündigungen oder Vertragsfragen.
  • Antworten ohne Prüfung und Sprachausgabe an Kunden.
  • Bilderzeugung für Kunden.
  • Erkennen oder Benennen von Personen auf Fotos.
  • Aufzeichnen und Auswerten von Anrufen, solange die Rechtsberatung das nicht geklärt hat.
  • Vorschau-Funktionen im Betrieb. Das ist eine Entscheidung des Falls, keine Vorgabe von Learn: Was Learn als Vorschau führt, wird erst nach der allgemeinen Verfügbarkeit eingesetzt.

Was offen bleibt

Verfügbarkeit der Modelle in der Region (auch reise-chat mit Bildern und mit Content Understanding); wie lange Stimmungsanalyse und Zusammenfassung als „Legacy“ unterstützt werden; die Schwellen für „negativ“ und für niedrige Konfidenz; der beste Analyzer für die Hotelrechnung; ob Audio-Modelle und Bildlösungen noch Vorschau sind; ob die Foundry Tools Daten in der EU-Datenzone halten (für Modelle: Lektion 1.3; für die Tools nicht gelesen); die Fragen an die Rechtsberatung zu Aufzeichnung und Kennzeichnung.

Was Sie jetzt können

Die Prüfung AI-901 hat laut Study guide zwei Bereiche. Lesen Sie die Listen als Standortbestimmung, nicht als Zusage, die Prüfung zu bestehen:

  • KI-Konzepte und -Fähigkeiten: die sechs Prinzipien benennen; erklären, wie generative Modelle arbeiten; Modelle und Bereitstellungsarten abwägen; die Arbeitslasten Textanalyse, Sprache, Bildverarbeitung, Informationsextraktion und generative und agentische KI unterscheiden und Szenarien zuordnen.
  • KI-Lösungen mit Microsoft Foundry: ein Modell im Portal bereitstellen und nutzen; Prompts schreiben; einen Chat-Client und einen Agenten bauen und ansprechen; Textanalyse, Sprache, Bilder und Informationsextraktion mit den Diensten von Learn in eine Anwendung bringen.

Die Prüfung setzt Python-Syntax voraus; dieser Kurs zeigte C# (Hinweis in Lektion 2.3). Wer sie ablegen will, liest die Python-Reiter derselben Learn-Seiten. Laut Study guide bietet Microsoft eine Übungsbewertung im AI Skills Navigator an; sie ist ein Angebot von Microsoft, nicht von uns.

Wie es weitergeht

  • KI-Track (Kurs „KI-Track: AI Engineering mit .NET“): derselbe Stoff tief und in C#. Passende Einstiege: T1.4 „Verantwortungsvolle KI und die KI-Verordnung“, T2.1 „Der IChatClient“, T4.1 „Embeddings“ und T5.1 „Antworten erden“, T6.1 „Prompt Injection“, T7.1 „Der erste Agent“ (dort mit dem Microsoft Agent Framework statt dem Foundry Agent Service) und T10.1 „Foundry-Projekte und Deployments“. Textanalyse, Sprache, Bildanalyse und Content Understanding lehrt der KI-Track nicht; sie stehen in diesem Kurs.
  • AZ-900 kompakt: Wer Ressourcengruppe, Abonnement, Entra ID und Rollen noch nicht sicher kennt, findet die Azure-Grundlagen dort.
  • AI-103, das Entwicklerzertifikat, ist ein eigener Kurs und nicht Teil dieses Kurses.

Übung 1

Nordlicht will einen neuen Helfer: Reisende sollen Sprachnachrichten an den Kundendienst schicken können, die als Text erscheinen und für die Beratenden kurz zusammengefasst werden. Entwerfen Sie die Lösung als Tabellenzeile: Dienst, Deployment ja oder nein, menschlicher Schritt, zwei Prinzipien und mindestens zwei Punkte, die im Pilot nicht umgesetzt werden.

Lösung 1

Eine mögliche Antwort, es gibt andere: Dienst: Azure Speech, Spracherkennung (2.7), danach Textanalyse (2.6); alternativ Content Understanding für Audio (2.9). Deployment: bei Speech und Language nein, bei Content Understanding ja. Mensch: Beratende prüfen Abschrift und Zusammenfassung gegen den Originalton, bevor sie antworten. Prinzipien: Datenschutz und Sicherheit (Einwilligung und Aufbewahrung offen) und Verantwortlichkeit (Frau Berg). Nicht im Pilot: automatische Antworten, Entscheidungen über Erstattungen, Auswerten ohne geklärte Rechtsgrundlage.

Weiterlesen