IT-Trainings in ganz Europa - tecnovy macht Dich fit für die Zukunft.

Sprache auf Deutsch ändern
E-Learning

tecnovy AI Suite

Cloud AI Architecture

Ein Assistent soll interne Dokumente durchsuchen, und die Verarbeitung soll in Europa bleiben. Auf AWS wählst du dafür Amazon Bedrock mit einem geografischen EU-Inferenzprofil, auf Azure eine EU-Data-Zone-Bereitstellung in Microsoft Foundry, bei Google Cloud einen EU-Endpunkt der Gemini Enterprise Agent Platform. Kontingente und Abrechnung folgen jeweils eigenen Regeln. Du legst diese Optionen nebeneinander und begründest, welche Architektur zu deinen Anforderungen passt.
Teilnahmezertifikat4,8/5 bei ProvenExpert

Was dieses Modul leistet.

Ob ein KI-Workload auf AWS, Azure oder Google Cloud läuft, begründest du nach dem tecnovy Training Cloud AI Architecture mit Diensten, Datenstandorten, Kontingenten und Preismodellen. Cloud- und Solution-Architekt:innen bringen so eine Plattformentscheidung ins Team, die andere nachprüfen können.

So läuft das Training

Methode
Vergleichende Architekturübungen, Fallstudien und Demos für alle drei Clouds
Grundlage
tecnovy Curriculum zu den KI-Diensten von AWS, Azure und Google Cloud
Abschluss
tecnovy Teilnahmezertifikat, keine Prüfung

Termine & Buchung

Passenden Termin wählen

Aktuell sind keine öffentlichen Termine ausgeschrieben.

Neue Termine werden laufend veröffentlicht. Lass dich vormerken oder plane ein Inhouse-Training für dein Team.

Inhouse-Training anfragen

Passung

Für wen das Modul gedacht ist

Typische Rollen

  • Du entwirfst als Cloud- oder Solution-Architekt:in die Plattformen, auf denen KI-Anwendungen laufen.
  • Du planst eine KI-Plattform für dein Unternehmen und legst ihre Bausteine fest.
  • Du bereitest die Entscheidung vor, bei welchem Cloud-Anbieter KI-Workloads laufen sollen.

Voraussetzungen

Keine Voraussetzungen

Du kannst direkt einsteigen. Mitbringen: Grundlagen mindestens einer der drei großen Cloud-Plattformen, Erfahrung mit Architekturarbeit.

Stattdessen geeignet AI Solution Architecture Für alle, die eine KI-Lösung zuerst unabhängig von der Plattform entwerfen wollen, von den Anforderungen bis zu dokumentierten Entscheidungen.

Lehrplan

Cloud AI Architecture Kurs im Detail

Fünf Teile in der Reihenfolge einer Plattformentscheidung: erst die Dienste der drei Anbieter, dann Referenzarchitekturen, dann Zugriff und Datenstandort, dann Kosten und Betrieb, zuletzt die Anbieterwahl. Jeder Teil stellt AWS, Microsoft Azure und Google Cloud nebeneinander.

01KI-Plattformen im Überblick

Der Einstieg ordnet die KI-Angebote der drei Anbieter einander zu.

  • Modellzugang: Amazon Bedrock, Foundry Models in Microsoft Foundry, Model Garden in der Gemini Enterprise Agent Platform
  • Entwicklungsumgebungen wie Amazon SageMaker AI, das Foundry-Portal und Agent Studio
  • Agenten-Dienste: Amazon Bedrock AgentCore, Foundry Agent Service, Agent Runtime
  • Gemeinsamkeiten und Unterschiede im Zuschnitt der Angebote
02Referenzarchitekturen

Hier entstehen Referenzarchitekturen für die typischen KI-Anwendungen in der Cloud.

  • GenAI-Anwendungen, die ein Modell über eine Schnittstelle nutzen
  • RAG (Retrieval Augmented Generation): Antworten auf Basis abgerufener Unternehmensdokumente
  • Agenten in der Cloud
  • Serverless (der Anbieter betreibt die Infrastruktur), Container oder dedizierte GPU-Kapazität
03Sicherheit und Compliance

Dieser Teil legt fest, wer auf KI-Dienste zugreift und wo Daten verarbeitet werden.

  • Identitäten und Rechte für Anwendungen, Agenten und Nutzende
  • Netzwerkisolation und Verschlüsselung
  • Datenresidenz: in welchen Regionen Anfragen verarbeitet und Daten gespeichert werden
  • Anbieterverträge und Anforderungen aus EU-Recht wie der DSGVO
04Kosten und Betrieb

Hier rechnest du aus, was ein KI-Workload kostet, und planst seinen Betrieb.

  • Abrechnung pro Token, reservierte Kapazität und Batch-Verarbeitung
  • Kosten der Infrastruktur neben den Modellkosten
  • Kontingente: Obergrenzen für Token oder Anfragen, je Anbieter anders vergeben
  • Monitoring und Skalierung
05Multi-Cloud und Anbieterwahl

Zum Abschluss entsteht eine begründete Entscheidung für einen oder mehrere Anbieter.

  • Wo Abhängigkeiten von einem Anbieter entstehen
  • Wie du diese Abhängigkeiten verringerst
  • Entscheidungskriterien für die Anbieterwahl

Ergebnis

Was du anschließend leisten kannst

  1. 01

    Du ordnest Modellzugang, Entwicklungsumgebungen und Agenten-Dienste von AWS, Azure und Google Cloud einander zu.

  2. 02

    Du entwirfst Referenzarchitekturen für GenAI-Anwendungen, RAG und Agenten auf jeder der drei Clouds.

  3. 03

    Du wählst zwischen Serverless, Containern und dedizierter GPU-Kapazität und begründest die Wahl.

  4. 04

    Du legst Identitäten, Netzwerkisolation und Verschlüsselung für einen KI-Workload fest.

  5. 05

    Du vergleichst die Datenstandort-Optionen der Anbieter und prüfst sie gegen die Vorgaben deines Unternehmens.

  6. 06

    Du schätzt die Kosten eines KI-Workloads aus den Preismodellen für Modelle und Infrastruktur ab.

  7. 07

    Du planst Monitoring, Kontingente und Skalierung für den laufenden Betrieb.

  8. 08

    Du begründest die Wahl eines oder mehrerer Anbieter und benennst, wo Abhängigkeiten entstehen.

Leistungsumfang

Was enthalten ist

Enthalten

  • Vergleichsübersicht der KI-Dienste von AWS, Azure und Google CloudSie stellt die Dienste der drei Anbieter nebeneinander und enthält die Referenzarchitekturen aus dem Training.

Warum tecnovy

Was du bei uns oben drauf bekommst

01

No Slideshow, Hands-On!

Versprochen: keine PowerPoint-Schlacht. Wir arbeiten in Gruppen, verknüpfen Theorie mit Praxis, und du bekommst Praxisbeispiele unserer erfahrenen Trainer sowie den Austausch mit Gleichgesinnten.

02

Certificate Showroom

Hol dir dein Teilnahmezertifikat und verbinde es, falls vorhanden, mit deinem Prüfungszertifikat. Vollautomatisiert, schön gestaltet. Nur für dich, nur bei tecnovy.

03

Flexible Umbuchung

Falls du mal kurzfristig verhindert sein solltest, kannst du deine Schulung bis eine Woche vor Trainingsbeginn kostenlos umbuchen.

04

Doppelt hält besser

Gerne darfst du innerhalb eines Jahres die Schulung nochmals online als Refresher besuchen.

05

Lerne von Experten

Wir garantieren dir stets den Einsatz von didaktisch und methodisch erstklassig qualifizierten Trainern, die ihr Wissen sowohl aus Trainingserfahrung als auch beruflicher Praxis- und Projekterfahrung beziehen.

FAQs

Häufige Fragen

01Welche Cloud ist die beste für KI?
Keine der drei ist pauschal die beste, die Wahl folgt aus deinen Anforderungen. Im tecnovy Training Cloud AI Architecture gewichtest du dafür, wo Daten verarbeitet werden dürfen, welche Modelle in deiner Region verfügbar sind, wie abgerechnet wird, welche Identitäts- und Netzwerkstrukturen schon bestehen und wie stark du dich an einen Anbieter bindest.
02Kann ich KI-Anfragen bei AWS, Azure und Google Cloud in Europa verarbeiten lassen?
Ja, alle drei Anbieter haben Optionen, die die Verarbeitung auf Europa begrenzen, jeweils mit eigenen Bedingungen (Stand November 2026): geografische EU-Inferenzprofile bei Amazon Bedrock, Data-Zone-Bereitstellungen in Microsoft Foundry, deren EU-Zone auch EFTA-Staaten wie Norwegen und die Schweiz umfassen kann, sowie europäische regionale oder EU-Endpunkte in der Gemini Enterprise Agent Platform. Globale Optionen verarbeiten Daten weltweit, und nicht jedes Modell steht in jeder Option zur Verfügung. Ob eine Konfiguration den Datenschutzanforderungen deines Unternehmens genügt, entscheidet dein Unternehmen; im tecnovy Training Cloud AI Architecture vergleichst du die Optionen als Grundlage dafür.
03Wie rechnen AWS, Azure und Google Cloud KI-Modelle ab?
Alle drei bieten für Sprachmodelle eine Abrechnung pro Token an, also pro Textbaustein, in dem Modelle Ein- und Ausgabe zählen, und bieten für gleichmäßige Last reservierte Kapazität an (Stand November 2026): Provisioned Throughput bei Amazon Bedrock und in der Gemini Enterprise Agent Platform, Provisioned Throughput Units in Microsoft Foundry. Für Aufträge ohne Zeitdruck gibt es bei allen drei eine Batch-Verarbeitung. Im tecnovy Training Cloud AI Architecture schätzt du daraus die Kosten eines Workloads ab, einschließlich der Infrastruktur neben dem Modell.
04Warum stoßen KI-Anwendungen bei den Anbietern an unterschiedliche Grenzen?
Weil jeder Anbieter seine Kontingente anders vergibt, also die Obergrenzen für Token oder Anfragen pro Minute (Stand November 2026). AWS setzt sie für Amazon Bedrock je Konto, und sie können nach Region und Nutzungshistorie abweichen; Microsoft Foundry stellt seit Mai 2026 schrittweise auf gemeinsame Kontingente pro Abonnement um; Google Cloud richtet den Durchsatz bei Standard PayGo nach den Ausgaben deiner Organisation in den letzten 30 Tagen aus. Im tecnovy Training Cloud AI Architecture planst du Skalierung mit diesen Regeln.
05Warum heißen die KI-Dienste anders als in älteren Unterlagen?
Weil alle drei Anbieter ihre KI-Dienste umbenannt haben: Vertex AI heißt seit dem 22. April 2026 Gemini Enterprise Agent Platform, und Azure AI Foundry heißt heute Microsoft Foundry. Schon am 3. Dezember 2024 wurde der ML-Dienst Amazon SageMaker zu Amazon SageMaker AI, während Amazon SageMaker seither die übergreifende Daten- und KI-Plattform bezeichnet. Die Seite zum tecnovy Training Cloud AI Architecture verwendet die Namen, die die Anbieter im November 2026 in ihrer Dokumentation führen.
06Brauche ich Konten bei allen drei Clouds?
Nein, für das tecnovy Training Cloud AI Architecture brauchst du keine eigenen Konten bei AWS, Azure und Google Cloud. Die Übungen sind Architekturübungen, und die Dienste der Anbieter werden in Demos gezeigt.
07Worin unterscheidet sich Cloud AI Architecture von AI Solution Architecture?
Das tecnovy Training AI Solution Architecture entwirft eine KI-Lösung unabhängig von der Plattform, von Anforderungen und Qualitätszielen über Architekturmuster bis zu dokumentierten Entscheidungen. Cloud AI Architecture setzt danach an und vergleicht, wie sich ein solcher Entwurf mit den Diensten von AWS, Azure und Google Cloud umsetzen lässt.
08Gibt es eine Prüfung oder eine Zertifizierung?
Nein, das tecnovy Training Cloud AI Architecture schließt ohne Prüfung ab und führt zu keiner Zertifizierung; du erhältst das tecnovy Teilnahmezertifikat. Wer eine Plattform mit einer Herstellerzertifizierung belegen will, findet in der tecnovy AI Suite Trainings zur Vorbereitung auf AWS Certified AI Practitioner, Microsoft AI-103 und Google Cloud Certified Generative AI Leader, deren Prüfungen AWS, Microsoft und Google Cloud verantworten.

Wie sieht deine Schulung bei tecnovy aus?

Cloud AI Architecture

Noch keine Termine

Wir merken dich vor, sobald der nächste Termin geplant ist.

Feedback Form
Was sollen wir verbessern?

Sag uns bitte, was wir besser machen können.

Success
Error

© Copyright 2026, tecnovy GmbH, Alle Rechte vorbehalten