Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in AI Builder und Low-Code-KI
- Fähigkeiten von AI Builder und gängige Anwendungsszenarien
- Lizenzierung, Governance und mandantenspezifische Überlegungen
- Überblick über die Integrationen in der Power Platform (Power Apps, Power Automate, Dataverse)
OCR und Formulardverarbeitung: Strukturierte und unstrukturierte Dokumente
- Unterschiede zwischen strukturierten Vorlagen und freien Dokumentenformaten
- Vorbereitung der Trainingsdaten: Kennzeichnung von Feldern, Stichprobenvielfalt und Qualitätsrichtlinien
- Erstellung eines KI Builder-Formularverarbeitungsmodells und Bewertung der Extraktionsgenauigkeit
- Nachbearbeitung extrahierter Daten: Validierung, Normierung und Fehlerbehandlung
- Praktisches Labor: OCR-Erkennung aus gemischten Formulartypen und Integration in einen Verarbeitungsflow
Prognosemodelle: Klassifizierung und Regression
- Problemformulierung: qualitative (Klassifizierung) versus quantitative (Regressions) Aufgaben
- Feature-Vorbereitung und Umgang mit fehlenden Daten innerhalb von Power Platform-Workflows
- Training, Tests und Interpretation der Modellmetriken (Genauigkeit, Präzision, Recall, RMSE)
- Erklärbarkeit und Fairnessaspekte der Modelle in Geschäftsanwendungsfällen
- Praktisches Labor: Erstellung eines benutzerdefinierten Prognosemodells für Churn-/Score-Werte oder numerische Vorhersagen
Integration mit Power Apps und Power Automate
- Einbetten von KI Builder-Modellen in Canvas-Apps und modellgesteuerte Apps (Model-driven Apps)
- Erstellung automatisierter Flows zur Verarbeitung extrahierter Daten und Auslösung geschäftlicher Aktionen
- Design-Patterns für skalierbare, wartbare KI-gestützte Apps
- Praktisches Labor: Durchgängiges Szenario – Dokumenten-Upload, OCR, Prognose und Workflow-Automatisierung
Ergänzende Process-Mining-Konzepte (optional)
- Wie Process Mining hilft, Prozesse mittels Event Logs zu entdecken, zu analysieren und zu verbessern
- Nutzung von Process-Mining-Ergebnissen zur Beeinflussung von Model-Features und Automatisierung von Verbesserungszyklen
- Praxisbeispiel: Kombination von Process-Mining-Erkenntnissen mit AI Builder zur Reduzung manueller Ausnahmen
Überlegungen zur Produktion, Governance und Überwachung
- Daten-Governance, Datenschutz und Compliance bei der Nutzung von AI Builder für sensible Dokumente
- Modelllebenszyklus: Nachschulung, Versionierung und Leistungsüberwachung
- Operative Umsetzung von Modellen mit Alerts, Dashboards und menschlicher Validierung (Human-in-the-Loop)
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit Power Apps, Power Automate oder der Verwaltung von Power Platform
- Vertrautheit mit Datenkonzepten, grundlegenden ML-Ideen und Modellbewertung
- Sicherheit im Umgang mit Datensätzen, Excel-/CSV-Exporten und grundlegender Datenbereinigung
Zielgruppe
- Power Platform-Entwickler und Lösungsentwickler (Solution Architects)
- Datenanalysten und Prozessverantwortliche, die Automatisierung durch KI anstreben
- Leiter der Geschäftsautomatisierung mit Fokus auf Anwendungsfälle zur Dokumentenverarbeitung und Vorhersage
14 Stunden
Erfahrungsberichte (2)
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