Schulungsübersicht
Einführung in AI Builder und Low-Code-KI
- Funktionsumfang von AI Builder und gängige Szenarien
- Lizenzen, Governance und übergeordnete Tenant-Betrachtungen
- Übersicht der Power-Platform-Integrationen (Power Apps, Power Automate, Dataverse)
OCR und Formularverarbeitung: Strukturierte und unstrukturierte Dokumente
- Unterschiede zwischen strukturierten Vorlagen und Freiformularen
- Vorbereitung der Trainingsdaten: Feldbeschriftung, Diversität der Stichproben und Qualitätsrichtlinien
- Aufbau eines AI-Builder-Formularverarbeitungsmodells und Bewertung der Extraktionsgenauigkeit
- Nachbearbeitung der extrahierten Daten: Validierung, Normalisierung und Fehlerbehandlung
- Praktisches Lab: OCR-Extraktion aus gemischten Formulartypen und Integration in einen Verarbeitungsworkflow
Prädiktive Modelle: Klassifikation und Regression
- Problemstellung: Qualitative (Klassifikation) vs. quantitative (Regression) Aufgaben
- Vorbereitung von Merkmalen und Umgang mit fehlenden Daten in Power-Platform-Workflows
- Training, Testen und Interpretation von Modellmetriken (Genauigkeit, Präzision, Recall, RMSE)
- Erklärbarkeit von Modellen und Aspekte der Fairness in Geschäftsanwendungen
- Praktisches Lab: Aufbau eines maßgeschneiderten prädiktiven Modells für Churn-/Score-Berechnungen oder numerische Prognosen
Integration in Power Apps und Power Automate
- Einbettung von AI-Builder-Modellen in Canvas- und modellgesteuerte Apps
- Erstellung automatisierter Workflows zur Verarbeitung extrahierter Daten und Auslösung von Geschäftsaktionen
- Designmuster für skalierbare und wartungsfreundliche, KI-gestützte Apps
- Praktisches Lab: Ende-zu-Ende-Szenario – Dokumentupload, 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
- Nutzung von Process-Mining-Ergebnissen, um Modellmerkmale zu informieren und Verbesserungszyklen zu automatisieren
- Praxisbeispiel: Kombination von Process-Mining-Erkenntnissen mit AI Builder zur Reduzierung manueller Ausnahmen
Produktivbetriebsaspekte, Governance und Überwachung
- Daten-Governance, Datenschutz und Compliance bei der Verwendung von AI Builder für sensible Dokumente
- Modelllebenszyklus: Re-Training, Versionierung und Leistungsüberwachung
- Operationalisierung von Modellen mit Alerts, Dashboards und menschlicher Validierung im Prozess (Human-in-the-Loop)
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit Power Apps, Power Automate oder der Power-Platform-Verwaltung
- Vertrautheit mit Datenkonzepten, grundlegenden ML-Ideen und der Modellbewertung
- Sicherheit bei der Arbeit mit Datensätzen, Excel-/CSV-Exports und grundlegendem Daten-Cleansing
Zielgruppe
- Power-Platform-Entwickler und Lösungsarchitekten
- Datenanalysten und Prozessverantwortliche, die Automatisierung durch KI anstreben
- Leiter für Geschäftautomatisierung 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
