Schulungsübersicht
Einführung in AI Builder und Low-Code-KI
- AI-Builder-Funktionen und gängige Anwendungsszenarien
- Lizenzen, Governance und tenantbezogene Überlegungen
- Überblick über die Power-Platform-Integrationen (Power Apps, Power Automate, Dataverse)
OCR und Formularverarbeitung: Strukturierte und unstrukturierte Dokumente
- Unterschiede zwischen strukturierten Vorlagen und freien Dokumenten
- Vorbereitung der Trainingsdaten: Kennzeichnung von Feldern, Diversität der Muster und Qualitätsrichtlinien
- Erstellung eines AI-Builder-Formularverarbeitungsmodells und Bewertung der Extraktionsgenauigkeit
- Nachbearbeitung der extrahierten Daten: Validierung, Normalisierung und Fehlerbehandlung
- Praxisübung: OCR-Extraktion aus gemischten Formulartypen und Integration in einen Verarbeitungs-Workflow
Prädiktive Modelle: Klassifikation und Regression
- Problemstellung: Qualitative (Klassifikation) vs. quantitative (Regression) Aufgaben
- Vorbereitung von Merkmalen und Behandlung fehlender Daten innerhalb von Power-Platform-Workflows
- Training, Testen und Interpretation von Modellmetriken (Genauigkeit, Präzision, Recall, RMSE)
- Erläuterbarkeit von Modellen und Fairness-Aspekte in Geschäftsanwendungen
- Praxisübung: Entwicklung eines benutzerdefinierten prädiktiven Modells für Churn-/Score- oder numerische Prognosen
Integration mit Power Apps und Power Automate
- Einbindung von AI-Builder-Modellen in Canvas-Apps und modellgesteuerte Apps
- Erstellung automatisierter Workflows zur Verarbeitung extrahierter Daten und Auslösung geschäftlicher Aktionen
- Designmuster für skalierbare und wartbare, KI-gestützte Apps
- Praxisübung: Durchgängiges Szenario – Dokumentenupload, OCR, Vorhersage und Workflow-Automatisierung
Ergänzende Process-Mining-Konzepte (Optional)
- Wie Process Mining hilft, Prozesse anhand von Ereignisprotokollen zu entdecken, zu analysieren und zu verbessern
- Verwendung von Process-Mining-Ergebnissen zur Anpassung von Modellmerkmalen und Automatisierung von Verbesserungszyklen
- Praxisbeispiel: Kombination von Process-Mining-Erkenntnissen mit AI Builder zur Reduzierung manueller Ausnahmen
Produktivbetrieb, Governance und Überwachung
- Daten-Governance, Datenschutz und Compliance bei der Verwendung von AI Builder mit sensiblen Dokumenten
- Modelllebenszyklus: Retrain, Versionierung und Performance-Überwachung
- Operationalisierung von Modellen mittels Alerts, Dashboards und menschlicher Validierung (Human-in-the-Loop)
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit Power Apps, Power Automate oder der Verwaltung der Power Platform
- Vertrautheit mit Datenkonzepten, grundlegenden ML-Grundlagen und Modellbewertung
- Sicherer Umgang mit Datensätzen, Excel-/CSV-Exports und grundlegenden Datenreinigungsprozessen
Zielgruppe
- Power-Platform-Entwickler und Lösungsarchitekten
- Datenanalysten und Prozessverantwortliche, die Automatisierung durch KI anstreben
- Verantwortliche für geschäftliche Automatisierung mit Fokus auf Dokumentenverarbeitung und prädiktive Anwendungsfälle
Erfahrungsberichte (3)
Praktische und praktische Labs zur Entwicklung von Berichten mit Power BI. Die Labs waren hervorragend, und der Trainer bot sehr gute praktische Sitzungen an.
Sinzala Sichaanji - Bank of Zambia
Kurs - Mastering Power Platform: Power Apps, Power Automate, DataVerse, Power BI, and Power Virtual Agents
Maschinelle Übersetzung
Wir haben ziemlich komplexe Beispiele durchgegangen, um ein Gefühl dafür zu bekommen, wie die Arbeit mit Power Automate Desktop in einem realen Szenario aussehen kann.
Michal Strnad - MicroNova AG
Kurs - Microsoft Flow/Power Automate
Maschinelle Übersetzung
Dynamisch, anpassungsfähig und informativ
Marcia - Complete Coherence
Kurs - Microsoft Power Platform Fundamentals
Maschinelle Übersetzung
