Warum ich die AI-900 abgelegt habe: Microsoft Certified: Azure AI Fundamentals

Im Februar 2024 habe ich die Prüfung AI-900 abgelegt und das Zertifikat Microsoft Certified: Azure AI Fundamentals erworben. Ich bin Thimo Buchheister, Gründer und Geschäftsführer der ThreeBIT GmbH in Ibbenbüren, und ich will gleich ehrlich sein, warum der Chef eines Microsoft-Stack-Ladens sich mit einer Einsteigerprüfung abgibt: nicht, weil sie mir beigebracht hätte, ein Modell zu trainieren, sondern weil sie mir ein gemeinsames, präzises Vokabular für das überdrehteste Thema des Jahrzehnts gegeben hat – und eine nüchterne Landkarte dessen, was Responsible AI wirklich verlangt, wenn man sie in das Geschäft eines anderen ausliefert.

Was Azure AI Fundamentals ist

Azure AI Fundamentals ist der Einstiegspunkt in Microsofts KI-Zertifizierungspfad. Es richtet sich ausdrücklich an Menschen mit technischem und nicht-technischem Hintergrund – Microsoft sagt klar, dass „Erfahrung in Data Science und Softwareentwicklung nicht erforderlich" ist und dass es keine Voraussetzungen gibt. Man braucht weder die AZ-900 noch irgendein anderes Badge vorab. Hilfreich, so Microsoft, seien lediglich grundlegende Cloud-Konzepte und das Verständnis von Client-Server-Anwendungen.

Genau diese Positionierung ist der Kern. Die AI-900 will keine Data Scientists ausbilden. Sie ist die Grundlagen-Stufe – jene Ebene, deren Aufgabe es ist sicherzustellen, dass alle dasselbe meinen, wenn in einem Raum voller Menschen Begriffe wie „KI", „Modell", „Training", „Responsible AI" oder „generative KI" fallen. Für einen Gründer, der in Vertriebsgesprächen, Scoping-Calls und Architektur-Reviews sitzt, ist dieses gemeinsame Vokabular mehr wert als eine weitere Spezialdisziplin, die ich nie selbst von Anfang bis Ende anwenden würde.

Eine Anmerkung zum Lebenszyklus des Zertifikats, weil mir Genauigkeit wichtiger ist als eine glatte Geschichte: Microsoft hat die englische Prüfung am 2. Mai 2025 aktualisiert und die Inhalte zu generativer KI deutlich erweitert. Inzwischen ist angekündigt, dass die AI-900 am 30. Juni 2026 ausläuft und durch die AI-901 ersetzt wird. Meine Zertifizierung bleibt bestehen – das Zertifikat Azure AI Fundamentals besteht fort, und man wird es nach dem Ende der AI-900 über die AI-901 erwerben können. Ich schreibe hier über die Prüfung, wie ich sie abgelegt habe und wie sie heute dasteht, und weise zugleich darauf hin, dass der Lehrplan ein bewegliches Ziel ist. In einem so schnellen Feld ist genau diese Bewegung selbst Teil der Lektion.

Was sie tatsächlich nachweist

Die Prüfung misst, ob man fünf KI-Bereiche auf Azure beschreiben kann – nicht bauen. Die Gewichtungen zeigen, wo Microsoft den heutigen Schwerpunkt sieht:

• KI-Workloads und Überlegungen (15–20 %) – das Erkennen von Computer-Vision-, NLP-, Dokumentenverarbeitungs- und generativen KI-Workloads sowie, ganz entscheidend, die sechs Leitprinzipien der Responsible AI: Fairness, Zuverlässigkeit und Sicherheit, Datenschutz und Sicherheit, Inklusivität, Transparenz und Verantwortlichkeit.
• Grundprinzipien des maschinellen Lernens auf Azure (15–20 %) – Regressions-, Klassifikations- und Clustering-Szenarien; Features und Labels; Trainings- versus Validierungsdatensätze; Deep Learning und die Transformer-Architektur; und was Azure Machine Learning (einschließlich automatisiertem ML) leistet.
• Computer-Vision-Workloads auf Azure (15–20 %) – Bildklassifikation, Objekterkennung, optische Zeichenerkennung (OCR), Gesichtserkennung und -analyse sowie die Dienste Azure AI Vision und Face.
• Natural Language Processing auf Azure (15–20 %) – Schlüsselbegriff-Extraktion, Entitätserkennung, Stimmungsanalyse, Sprachmodellierung, Spracherkennung und -synthese sowie Übersetzung über die Dienste Azure AI Language und Speech.
• Generative KI-Workloads auf Azure (20–25 %) – Merkmale generativer KI-Modelle, gängige Szenarien, die Responsible-AI-Überlegungen speziell für generative KI und die Dienste, die sie bereitstellen: Azure AI Foundry, Azure OpenAI Service und der Foundry-Modellkatalog.

Dieser letzte Bereich ist die eigentliche Schlagzeile. Bei der Aktualisierung wurde generative KI nicht nur ergänzt – sie wurde zum größten Einzelabschnitt der Prüfung, und das alte Lernziel „Azure OpenAI Service" wurde zu einer breiteren Behandlung generativer KI-Dienste und ihres verantwortungsvollen Einsatzes erweitert. Die Prüfung verbringt nun ebenso viel Zeit damit, wie man generative KI verantwortungsvoll einsetzt, wie damit, was sie kann.

Zur Mechanik: Die Bestehensgrenze liegt bei 700 (auf Microsofts skalierter 1.000-Punkte-Skala – nicht ein roher Prozentwert). Die Prüfung ist in dreizehn Sprachen verfügbar – Englisch, Deutsch, Französisch, Spanisch, Japanisch, Koreanisch, beide chinesischen Varianten, Portugiesisch, Russisch, Italienisch, Indonesisch und Arabisch – und ihr Bestehen kann in den USA sogar auf ACE-College-Credits angerechnet werden. Es ist eine Einsteigerprüfung, aber eine echte.

Warum ich mich zertifiziert habe

Ich hätte die Dokumentation lesen können. Ich lese die Dokumentation. Warum also die Prüfung buchen?

Drei ehrliche Gründe.

Erstens: Eine Frist erzeugt ein Verständnis, das ein Lesezeichen nie schafft. Offenes „das lerne ich irgendwann mal richtig" verläuft im Sand. Ein Prüfungstermin zwingt einen, die Schleifen zu schließen, die man sonst offen ließe – der Unterschied zwischen Regression und Klassifikation, wofür ein Validierungsdatensatz eigentlich da ist, warum die Transformer-Architektur wichtig genug war, um das ganze Feld umzukrempeln. Das meiste wusste ich in Fragmenten. Die Prüfung hat mich gezwungen, die Fragmente zu etwas zu verknüpfen, das ich am Whiteboard erklären kann.

Zweitens: Glaubwürdigkeit gegenüber Kunden und Partnern. Wir sind ein Microsoft-Stack-Unternehmen. Wenn ich einem Kunden sage, dass wir eine KI-Funktion verantwortungsvoll auf Azure bauen, wiegt das schwerer, wenn ich auf ein Microsoft-Zertifikat verweisen kann, das bestätigt, dass ich die KI-Dienste der Plattform verstehe – und, wichtiger noch, ihr Responsible-AI-Rahmenwerk. Ein kleines Signal, aber Signale summieren sich. Es ist derselbe Instinkt hinter jedem Zertifikat, das wir halten: Wir zeigen lieber das Badge, als Sie zu bitten, uns aufs Wort zu glauben.

Drittens – und das ist der Grund des Gründers: Ich verlange von meinem Team nichts, was ich nicht selbst getan habe. Wenn Zertifizierung Teil dessen ist, wie wir bei ThreeBIT Kompetenz nachweisen, dann sollte die Person an der Spitze auch auf dieser Leiter stehen und nicht davon ausgenommen sein. Die AI-900 selbst abzulegen, Einsteigerniveau hin oder her, ist ein günstiger Weg, das ehrlich zu halten.

Wie sich das in unserer Arbeit bei ThreeBIT zeigt

Hier wird das Abstrakte konkret. ThreeBIT baut Software für Branchen, in denen ein Bug keine kosmetische Macke ist – sondern ein verpasster Export, eine fehlgeschlagene Zahlung oder ein Compliance-Befund. Zunehmend wollen Kunden KI-Funktionen in diesen Systemen: ein Dokument, das sich selbst klassifiziert, ein Support-Ablauf, der eine Antwort entwirft, ein Suchfeld, das Absicht versteht statt Stichwörter. Und sobald man ein generatives Modell in die Nähe eines regulierten Workflows bringt, lauten die spannenden Fragen nicht mehr „kann es das?", sondern „soll es das, und wie beweisen wir, dass es sich korrekt verhält?".

Genau dieses Terrain kartiert das Responsible-AI-Material der AI-900. Die sechs Prinzipien sind für mich keine Folien-Deko, sondern eine Checkliste, die ich tatsächlich durchgehe:

• Fairness – behandelt das Modell vergleichbare Fälle vergleichbar, oder hat es aus seinen Trainingsdaten eine Verzerrung geerbt, die eine Nutzergruppe still benachteiligt?
• Zuverlässigkeit und Sicherheit – was passiert an den Rändern, bei fehlerhaften Eingaben, beim Prompt, den niemand vorhergesehen hat? In einem regulierten Workflow zählt der Fehlerfall mehr als der Idealfall.
• Datenschutz und Sicherheit – wohin gehen die Daten des Kunden, was behält das Modell, und können wir eine verteidigungsfähige Linie darum ziehen? Für die Unternehmen, die wir bedienen, ist das nicht verhandelbar.
• Inklusivität – funktioniert die Funktion für alle, die sie nutzen müssen, nicht nur für den Durchschnittsnutzer, den wir uns beim Bauen vorgestellt haben?
• Transparenz – können wir in klaren Worten erklären, was das System tut und warum? „Die KI hat entschieden" ist keine Antwort, die ein Compliance-Verantwortlicher akzeptiert.
• Verantwortlichkeit – wenn etwas schiefgeht, wer trägt es? Ein Mensch. Immer. Das Modell ist ein Werkzeug, kein Sündenbock.

Ebenso praktisch ist es, den Unterschied zu kennen, wann ein Problem klassisches maschinelles Lernen, einen Vision-Dienst, einen NLP-Dienst oder ein generatives Modell verlangt. Die Versuchung 2024 – und sie ist nicht verflogen – ist, für alles zum großen Sprachmodell zu greifen, auch für Probleme, die ein kleines, günstiges, vorhersehbares Klassifikationsmodell besser, schneller und nachvollziehbarer lösen würde. Der Rundgang der AI-900 durch den ganzen Werkzeugkasten macht mich zu einem besseren Verwalter des Kundenbudgets und zu einem besseren Urteiler darüber, welches Werkzeug wirklich passt – statt welches in der Presse am lautesten ist.

Das ist der wahre Ertrag eines Grundlagen-Zertifikats. Nicht, dass es mich zum KI-Ingenieur gemacht hätte – das hat es nicht, und das behauptet es nicht. Es hat mir ein präzises mentales Modell der KI-Landschaft von Azure gegeben und eine ernsthafte Erdung in Responsible AI – genau in dem Moment, in dem generative KI vom Kuriosum zu etwas wurde, das unsere Kunden namentlich verlangen. In unserer Welt sind Grundlagen nicht der langweilige Teil. Sie sind der Teil, der den cleveren Teil davon abhält, schiefzulaufen.

Verify: https://learn.microsoft.com/api/credentials/share/en-us/buchheister/F2A3D50173FC94D4?sharingId=C72B4F60A795D7E4

Quellen & weiterführende Links

• Microsoft Learn – Microsoft Certified: Azure AI Fundamentals (Zertifikatsübersicht): https://learn.microsoft.com/en-us/credentials/certifications/azure-ai-fundamentals/
• Microsoft Learn – Exam AI-900: Microsoft Azure AI Fundamentals (Prüfungsdetails, Bestehensgrenze, Sprachen, Auslauf-Hinweis): https://learn.microsoft.com/en-us/credentials/certifications/exams/ai-900/
• Microsoft Learn – Study guide for Exam AI-900 (Skills measured ab 2. Mai 2025, Change-Log, Responsible-AI-Prinzipien): https://learn.microsoft.com/en-us/credentials/certifications/resources/study-guides/ai-900
• Microsoft Learn – Exam AI-901: Microsoft Azure AI Fundamentals (beta) (die Nachfolgeprüfung): https://learn.microsoft.com/en-us/credentials/certifications/exams/ai-901/
• Microsoft Learn – Course AI-900T00-A: Introduction to AI in Azure: https://learn.microsoft.com/en-us/training/courses/ai-900t00

Bildnachweise

Alle Bilder werden unter ihren jeweiligen Creative-Commons- oder Public-Domain-Bedingungen verwendet; wir danken den Urhebern.

• Artificial Worldviews Mapping ChatGPT — © Kimfalbrecht, CC BY-SA 4.0, via Wikimedia Commons (source).
• +20x Macro Lens 58mm for DSLR (1) — © Suyash Dwivedi, CC BY-SA 4.0, via Wikimedia Commons (source).
• Facade of the polyhedral glass building The Iceberg, Shibuya, Tokyo, Japan — © Basile Morin, CC BY-SA 4.0, via Wikimedia Commons (source).