Jedes Jahr dasselbe Spiel. Ich suche mir eine Fortbildung aus, die meine beruflichen Ziele unterstützen soll. Und jedes Jahr versuche ich meine Erfahrungen zu dokumentieren, die ich während der Vorbereitung und bei der Prüfung zur Zertifizierung gemacht habe. Es soll meinen Lesern dabei helfen herauszufinden, ob diese Zertifizierung für sie das Richtige ist. Und vor allem, ob man dieses Zertifikat auch effizient erreichen kann – mit vertretbarem Aufwand. Dieses Jahr habe ich mich für die Zertifizierung zum AWS Certified AI Practitioner entschieden. Es gibt mittlerweile am Markt viele andere Anbieter von AI Zertifizierungen, vor allem Microsoft, Databricks und NVIDIA sind hier zu nennen. Aber da ich bereits vor einigen Jahren die Zertifizierung zum AWS Certified Cloud Practitioner gemacht habe, dachte ich, ich sollte auf dieser Erfahrung aufsetzen.
AWS nennt diesen Kurs AIF-C01 AWS Certified AI Practitioner und bietet auf seiner Website viele Lektionen an, um sich auf diese Zertifizierung vorzubereiten. Wer mehr zu AIF-C01 erfahren will und einen Überblick über die Anforderungen bekommen möchte, die AWS an die Lernwilligen stellt, dem empfehle ich den AWS Certified AI Practitioner (AIF-C01) Exam Guide durchzulesen.
Wenn ich diesen vorher gelesen hätte, dann hätte ich mich mit Sicherheit nicht für diesen Kurs entschieden. Aus dieser Beschreibung geht schon sehr deutlich hervor, dass man diesen Kurs NICHT mit vertretbarem Aufwand machen kann. Ich selbst habe über 80 Stunden intensiver Vorbereitung benötigt. Vor allem habe ich den Großteil des Aufwandes darauf verwendet, um die wesentlichen Inhalte für die Prüfung herauszuarbeiten.
Dieser Aufwand hat mir aber die Erfahrung gegeben zu lernen, was wesentlich für das Bestehen der Prüfung ist. Und diese Erfahrung möchte ich in diesem Beitrag zusammenfassen und meinen Lesern zur Verfügung stellen. Das ermöglicht es meinen Lesern, sich in einem angemessenen Zeitraum für diese Zertifizierung vorzubereiten.
Ein neuer Beitrag für meine Reihe Effizientes Zertifizieren
Vor einigen Jahren habe ich die diese Reihe Effizientes Zertifizieren bereits mit einem Beitrag auf meinem Blog und auch in einer Präsentation für meine Kollegen in meiner Firma begonnen. Im Laufe der Jahre sind dabei einige dieser Erfahrungsberichte entstanden und gehören zu den häufig geklickten Beiträgen auf meiner Website.
| Jahr | Beitrag |
|---|---|
| 2021 | AWS Certified Cloud Practitioner |
| 2022 | Scrum Master und Product Owner nach Scrum.org |
| 2024 | COBIT 2019 Foundation |
| 2025 | AWS Certified AI Practitioner |
Aus irgendeinem Grund habe ich meine Erfahrungen aus der TOGAF 9 Foundation-Prüfung aus dem Jahr 2023 nicht dokumentiert. Schade. Das wäre auch einen Beitrag wert gewesen. Aber nun endlich zum Thema AWS Certified AI Practitioner.
Warum AI?
AI ist spätestens seit Anfang 2023 in aller Munde, als das Large Language Model ChatGPT von OpenAI auf dem Markt erschien. ChatGPT habe ich im Februar 2023 benutzt, um mir Fragen zu Social Media zu beantworten und habe dessen Antworten in einem Beitrag dokumentiert. Zu Weihnachten 2024 habe ich vier generative AIs befragt, ob sie mir einen Weihnachtsbaum programmieren können. Mit interessanten, aber auch sehr enttäuschenden Ergebnissen. Lest selbst nach und habt Spass daran.
Gefühlt jeder Anbieter treibt das Thema AI durch das Dorf und versucht Anwendungsfälle zu finden, wo die Anwendung von AI Sinn macht. Bei der Erstellung dieses Beitrags ist mir aufgefallen, dass auch meine Blog-Platform WordPress.com in seiner Software bestimmte AI-Funktionen anbietet. So ist ein AI Assistant bemüht den Titel zu optimieren, ein Beitragsbild zu generieren, oder auch ein Feedback zur inhaltlichen Struktur des Beitrags abzugeben. Gerade der Prompt für die Bildgenerierung des Beitragsbildes war interessant automatisch formuliert und generierte dieses Bild.
Am Tag meiner (erfolgreichen) Prüfung für die AI-Zertifizierung, dem 31.3.2025, war dann auch der große Einführungstag von Apple Intelligence in Europa. Apple veröffentlichte u.a. iOS 18.4 und damit eine Vielzahl an kleinen AI-Helferlein überall versteckt in den Betriebssystemen.
Die Vorbereitung auf die Zertifizierung zum AWS Certified AI Practioner
Auch meine Firma DXC hat die AI Initiative ausgerufen und jeder Mitarbeiter soll in diesem Bereich fortgebildet werden. Ich als IT Berater benötige einen groben Einstieg in die Thematik, ohne wirklich tief in Machine Learning Tätigkeiten als Spezialist, wie z.B. Data Scientist, einzusteigen. Da bietet sich ein Practitioner Level an. So wird bei AWS der Einstiegslevel genannt, der im Kurs AIF-C01 vermittelt wird. Stand März 2025 sind das 14 digitale Schulungen mit insgesamt 28 Stunden und 22 Minuten Lernzeit.
Ganz ehrlich. Es waren viel mehr als diese geschätzten 28 Stunden, die ich benötigte, um diese Schulungen zu durchlaufen. Noch nie habe ich eine langwierigere (und langweiligere) Aufbereitung von massig vielen Inhalten rund um AI, maschinelles Lernen, Deep Learning und generative AI im Rahmen des Anbieters AWS erlebt. Nicht nur werden mir unglaublich viele neue Begriffe vermittelt, die ich natürlich lernen und verstehen muss. Ich erhalte auch einen tiefen Einblick in die Systeme von AWS, die in diesem Zusammenhang Anwendung finden.
Vor allem war ich nach dem Durcharbeiten dieser digitalen Schulungen vollkommen verwirrt. Ich habe keinen wirklichen Überblick und ein tiefes Verständnis dieser sehr komplexen Thematik erhalten.
Udemy Business
Um diesen zu erhalten habe ich mich Udemy Business bedient, auf dem ich vier hervorragende Fragebögen zur Vorbereitung der Prüfung gefunden habe. Es handelt sich dabei um [Practice Exams] AWS Certified AI Practitioner – AIF-C01 von Stephane Maarek und Abhishek Singh. Sehr zu empfehlen.
Udemy Business bietet als Beta eine Funktion an, wo man die Fragebögen dazu nutzen kann die geprüfte Thematik zu vertiefen. Ich habe dies intensiv genutzt und während der nächsten Tage dabei gelernt, was die wesentlichen Punkte aus all den digitalen AWS Lektionen sind, die man zum Bestehen der Prüfung benötigt. Diese habe ich mir zur Vertiefung alle herausgeschrieben und sie für diesen Beitrag stark verkürzt zusammengefasst.
Übrigens habe ich nach dieser Beschäftigung mit den Fragebögen in Udemy Business dann alle mit mehr als 80% bestanden. Zum Erreichen des Zertifikats benötigt man 70% richtig beantwortete Fragestellungen.
Mit diesem Verständnis hatte ich dann auch das Selbstbewusstsein, um die bei AWS angebotenen 20 realitätsnahen Prüfungsfragen anzugehen, die dem Format und Schwierigkeitsgrad des richtigen Examens entsprechen. Diese habe ich dann sofort mit 100% richtigen Antworten bestanden. Nach dieser Erfahrung und der später tatsächlich bestandenen Prüfung sehe mich also als qualifiziert an, meinen Lesern die von mir herausgefundenen Schwerpunkte in den Lerninhalten zu präsentieren. Wenn meine Leser die Erläuterungstexte von AWS dazu kombinieren, dann werden auch meine Leser diese Zertifizierung erfolgreich abschließen. Viel Erfolg bei der Vorbereitung und viel Erfolg bei der Prüfung. Spaß ist es allerdings nicht, da das Thema meiner Meinung nach viel zu komplex und umfangreich ist für den Practitioner-Level.
Die Erfolgsfaktoren bei der Vorbereitung
Nach meiner mühsamen Lernphase kristallisierten sich die folgenden Lernblöcke heraus. Die Strukturierung ergab sich einfach aufgrund der Beschäftigung mit den Fragebögen. Dies sind dann auch die wesentlichen Themen und Bereiche, auf die man sich vorbereiten muss, um in der Prüfung bestens vorbereitet zu sein. Ich persönlich habe allerdings festgestellt, dass in der Prüfung besonders Wert auf Governance-Begriffe gelegt wurde, worauf ich nicht genügend gut vorbereitet war.
Die nächsten Kapitel beschreiben die wesentlichen Inhalte dieser Lernblöcke. Die Texte sind alle von AWS, aber meine Hervorhebungen sind wichtige Hinweise darauf, was die Schlüsselbegriffe sind, die in den Prüfungsfragen vorkommen und einen Hinweis auf die richtigen Antworten geben.
Hierarchische Darstellung der Technologien
Tipp 1: Wichtig ist vor allem hier das Verständnis der Beziehung zwischen den unterschiedlichen Begriffen. Die Zwiebeldarstellung beschreibt diesen Zusammenhang treffend. Ein wichtiges Detail ist auch, dass Generative AI neue Inhalte produziert. Dazu kann es auch immer Prüfungsfragen geben.
Unterscheidung von Algorithmen für Maschinelles Lernen
Tipp 2: Was man unbedingt lernen sollte ist, dass Classification und Regression Probleme zu den Supervised Learning ML Techniken gehört und Clustering Probleme zu den Unsupervised Learning Techniken. Das habe ich immer durcheinander gebracht, wird aber in der Prüfung abgefragt.
Model inference
Tipp 3: unbedingt folgende Definition zum Thema Inference so merken.
Inference refers to the stage where a trained machine learning model is deployed to make predictions or generate outputs based on new input data. During inference, the model uses the patterns and relationships it learned during training to provide accurate and meaningful results.
Quelle: AWS
Tipp 4: Merken, dass Payloads kleiner als 1GB mit asynchronous Inference verarbeitet werden sollten, und Payloads größer als 1GB mit Batch Inference.
Inference Parameter
Tipp 5: die Frage nach den Einstellungen der folgenden Inference Parameter kommen immer gerne in Prüfungen vor.
- Der Wert von Temperature ist in Richtung 1 zu verändern, wenn man kreativere Antworten erhalten möchte.
- Und man sollte sich merken, dass Top P die richtige Antwort ist, wenn nach dem Prozentwert der wahrscheinlichsten Kandidaten gefragt wird.
Prompting
Tipp 6: Chain-of-thought Prompting ist eine beliebte Frage während der Prüfung.
Hyperparameter und Model Parameter
Tipp 7: was hier zu verstehen ist, ist die Unterscheidung von Hyperparameter (externe Konfiguration) und Model Parameter (interne Variablen des Modells). Ein wichtiger Zusammenhang ist auch, dass man Overfitting (siehe Kapitel Overfitting, Underfitting, Bias, Variance) durch fine-tuning der Hyperparameter verhindern kann.
Kategorien für Modelle der generativen KI
Tipp 8: zu Generative Adversarial Networks (GAN) sollte man sich auch merken, dass diese zur Erstellung von statistisch ähnlichen Testdaten verwendet werden.
Maschinelle Lerntechniken
Tipp 9: wichtig ist zu wissen, dass Decision Tree, Linear Regression, Neural Networks und K-Nearest Neighbor (KNN) zu den Supervised Lerntechniken gehören. Und genauso sollte man wissen, dass Clustering, K-Means und Dimensionality Reduction zu den Unsupervised Lerntechniken zählen.
Tipp 10: ausserdem sollte man den feinen Unterschied zwischen semi-supervised und self-supervised Learning verstehen. Nur bei semi-supervised Lerntechniken werden kleine Mengen an gelabelten Daten verwendet.
Overfitting, Underfitting, Bias, Variance
Tipp 11: das Verständnis dieser vier Begriffe und die Zusammenhänge sollte man sehr genau verstehen. Vor allem sollte man auch wissen, das bei Bias die Kategorien Sampling Bias, Measurement Bias, Observer Bias und Confirmation Bias unterschieden werden.
Abkürzungen und Begriffe
Meine Güte, was gibt es für unterschiedliche Abkürzungen. Man wird gerade zugeschmissen damit.
Tipp 12: man sollte vor allem die Metriken BERT, BLEU und ROUGE und ihre Anwendung kennen.
Begriffsbeschreibungen
Manche der Abkürzungen sind natürlich erklärungsbedürftig. Neben diesen gibt es noch viele weitere Begriffe, die man im Zusammenhang mit AI, ML, DL und GenAI kennen muss. In dem nächsten Bild sieht man die wichtigsten Begriffe, die man kennen und verstehen sollte. All diese werden wichtige Schlüsselbegriffe oder Antworten zu den Prüfungsfragen sein.
Tipp 13: gerade die Governance-Begriffe Controllability, Explainability, Interpretability und Transparancy sollte man auseinanderhalten können. Das war meine große Schwäche bei meiner Prüfung.
Tipp 14: auch sollte man Partial Dependency Plot (PDP) und Shapley Values verstehen und wissen was die Unterschiede ausmacht.
Tipp 15: die Methoden Reinforced Learning from Human Feedback (RLHF) und Retrieval-augmented generation (RAG) kommen gerne in den Prüfungsfragen vor.
Tipp 16: das Thema Model Evaluation und die Metriken Precision, Recall, F1 Score für Classification Probleme sind wichtig. Und man sollte wissen, dass es für Regressionsprobleme die Metriken Mean Absolute Error (MAE), Root Mean Square Error (RMSE) und R-squared gibt.
AWS Lösungen in Machine Learning und AI
Alles, was in den vorherigen Kapiteln erläutert wurde, betrifft allgemeine Begrifflichkeiten und Zusammenhänge von Machine Learning, AI, Generative AI und AI Governance. In diesen Slides ist dann das für diese Zertifizierung relevante Knowhow an AWS Lösungen enthalten.
Hierbei unterscheidet man zwischen folgenden Lösungsgruppen:
Tipp 17: vor allem sollte man wissen, dass die Amazon SageMaker Lösungen für Machine Learning genutzt werden. Und die Amazon Bedrock Lösungen im Themenkomplex Foundation Model und generative AI Anwendung finden. Amazon Q Lösungen sind vor allem Assistenten auf Basis generativer AI für Entwickler oder normale Business-Nutzer.
Tipp 18: AWS hat viele Lösungen zur Texterkennung, Text for Speech, Bilderkennung, Deutung von Stimmungen, Transkription von Sprache, die man verwechslungfrei benennen können sollte.
Tipp 19: gerade die AWS Governance-Lösungen sind wichtig, um die ML und AI Lösungen zu konfigurieren, dokumentieren, kontrollieren und steuern zu können. Das Stichwort ist hier responsible AI.
Fazit
Nach einer sehr herausfordernden und langen Vorbereitungszeit habe ich mich der Prüfung zum AWS Certified AI Practitioner gestellt. Mit diesen oben zusammengefassten Kenntnissen war es mir möglich knapp 88,5% des maximal möglichen Ergebnisses in der Prüfung zu erzielen.
Das sollte meine Leser darin bekräftigen, dass sie sich mit einer ähnlich strukturierten Vorgehensweise und den von mir beschriebenen Lösungsblöcken, auch dieser Herausforderung stellen können und bestehen werden.
Vor allem bekommt man dann ein schönes Badge-Icon, was man über Credly herunterladen und in alle möglichen Formate, wie z.B. in einem Email-Footer einbinden könnte. Na ja, wer es nötig hat 😉
Es ist auf jeden Fall eine interessante Erfahrung zu lernen, wie AI funktioniert. Es ist faszinierend zu sehen, wie lange schon AI Lösungen in unterschiedlichen Bereichen im Einsatz sind. Und es ist faszinierend zu sehen, wie viele Business Use Case darauf untersucht werden, wie man AI zur Verbesserung von Prozessen nutzen kann.
Aber erst durch den Erfolg von generativer AI in Form von Transformers wie ChatGPT und vieler weiterer Lösungen ist AI auch beim Normaluser angekommen und wird gerne angenommen. Um so enttäuschender ist es zu sehen, wenn unsere geliebte Siri immer noch keine Verbesserung ihrer Konversationsfähigkeiten erhält. Aber das ist ein Thema für einen anderen Beitrag.
Ich möchte AWS danken für diesen tiefen Einblick in ein interessantes und wichtiges Feld meiner Industrie. Ich finde es gut, dass AWS sehr intensiv das Thema responsible AI in seinen Lektionen besprochen hat und auf die Gefahren und Chancen von AI hinweisen.
Exkurs: Online Procotoring mit Pearson Vue
Eine Beschwerde mag ich nicht aufschieben. Für die Durchführung des Online Examens ist Pearson Vue mit seinem Online Proctoring Service zuständig. Dies bedeutet, Pearson Vue fordert den Examenskandidaten auf eine Software auf den eigenen Rechner runterzuladen und damit den Rechner für die Examensprüfung zu modifizieren. Um die Funktionalität der Software zu testen, wird man aufgefordert einen System Test durchzuführen.
Privates Apple MacBook Air M2
Auf meinem privaten MacBook Air M2 wurde dieser System Test nie erfolgreich durchlaufen. Immer blockierte der Rechner so vollständig, dass ich einen Hardreset durchführen musste, um den Rechner wieder nutzen zu können. In einem Chat mit dem Support von Person Vue wurde ich aufgefordert einen anderen Rechner zu nutzen.
Firmenrechner Lenovo Thinkpad E14
Der einzige Rechner, der mir noch zur Verfügung steht, ist mein Firmenlaptop. Dieses ist ein nagelneues Lenovo Thinkpad auf dem ich auch den System Test durchführte. An einer anderen Stelle im Prozess brach auch der Vorgang ab und ich konnte auch diesen Rechner nicht nutzen. Hier wurde beim Netzwerkverbindungstest festgestellt, dass kein Upload möglich war, obwohl ich über dieses Netzwerk ohne Probleme Uploads durchführen konnte. Person Vue weißt darauf hin, dass man keine Firmenrechner, sondern nur private Rechner nutzen sollte. Nach einem weiteren Chat mit dem Support von Person Vue wurde ich wieder aufgefordert einen anderen Rechner zu nutzen.
Was ist das für eine Antwort? Die Software von Pearson Vue funktioniert offensichtlich nicht mit neuen Computern, die auf dem neuesten Softwarestand sind. Zum Glück konnte ich den 7 Jahre alten HP Laptop meiner Frau mit Windows 10 benutzen. Dort funktionierte der System Test und auch dort habe ich mein Examen gemacht.
Was ist das für eine Support-Leistung? Was passiert mit den Examenskandidaten, die nicht so viele Rechner im Haus haben wie ich? Pearson Vue muss dringend an seiner Software und seinem Support arbeiten. Das war eine Nicht-Leistung in meinen Augen. Vor allem, wenn man sich auf eine Prüfung vorbereitet und die Technik nicht funktioniert.
