Den Beruf Data Analyst verstehen und eine Entscheidung eingrenzen
Die professionelle Rolle eines Data Analysts einnehmen und eine fachliche Anfrage in eine messbare Analysefrage überführen.
Berufe der Zukunft
← Mandragore AcademyEinen Beruf entdecken. Kompetenzen verstehen. Den eigenen Weg aufbauen.
Entdeckungspfade mit 8 Lektionen, um jeden Beruf zu verstehen, Schlüsselkompetenzen zu identifizieren und passende Weiterbildungen für die Vertiefung auszuwählen.
Wählen Sie Ihren Beruf
15 Berufe zu entdecken · 120 Orientierungslektionen
Orientierungs- und Entdeckungspfad — keine berufliche Zertifizierung.
Ihr persönlicher Learning Workspace wird nach Ihrem ersten Kauf automatisch erstellt.
Entdeckungspfade
15 Pfade mit jeweils 8 Lektionen, um die Berufe, ihre Aufgaben und die Schlüsselkompetenzen zu verstehen.
AI Engineer / KI-Ingenieur
die Rolle, Aufgaben und Kompetenzen eines AI Engineers verstehen
Machine Learning Engineer
verstehen, wie ein Machine Learning Engineer Modelle industrialisiert und in Produktion betreibt
AI Agent Developer
entdecken, wie ein AI Agent Developer Agenten entwickelt, die Werkzeuge, Daten und Aktionen nutzen können
AI Product Manager
verstehen, wie ein AI Product Manager einen fachlichen Bedarf in ein nützliches und messbares KI-Produkt überführt
Human-AI Interaction Designer
entdecken, wie nützliche, verständliche und kontrollierbare Interaktionen zwischen Menschen und KI gestaltet werden
AI Trainer / AI Data Specialist
verstehen, wie Daten und Verhaltensweisen für KI-Systeme vorbereitet, qualifiziert und bewertet werden
Data Analyst
entdecken, wie ein Data Analyst Daten in entscheidungsrelevante Informationen überführt
Data Scientist
verstehen, wie ein Data Scientist Daten untersucht und analytische oder prädiktive Modelle entwickelt
Cybersecurity Analyst
entdecken, wie ein Cybersecurity Analyst Cybervorfälle überwacht, qualifiziert und zu ihrer Bearbeitung beiträgt
AI Security Specialist
verstehen, wie ein AI Security Specialist Anwendungen, Agenten und Datenflüsse mit KI absichert
AI Governance & Ethics Specialist
entdecken, wie ein KI-Governance-Spezialist Risiken, Compliance, Verantwortung und Nutzung steuert
Digital Trust Officer
verstehen, wie ein Digital Trust Officer Sicherheit, Daten, Compliance und digitales Vertrauen koordiniert
AI Automation Specialist
entdecken, wie ein AI Automation Specialist Prozesse durch Kombination von KI, Skripten und Integrationen automatisiert
Analytics Engineer
verstehen, wie ein Analytics Engineer Rohdaten in verlässliche Modelle für BI und Analyse überführt
Digital & AI Transformation Specialist
entdecken, wie ein Digital & AI Transformation Specialist eine digitale und KI-Transformation von Ende zu Ende steuert
Professionelle Lernpfade
Vollständige, nach Niveaus strukturierte Lernpfade, mit denen Sie praxisnahe berufliche Kompetenzen für den direkten Einsatz im Arbeitsalltag entwickeln.
Data Analyst
Data Analyst Professional — Von Rohdaten zur Entscheidung
Vollständiger professioneller Lernpfad, um Rohdaten in verlässliche Analysen, nützliche Kennzahlen und direkt nutzbare Empfehlungen für Fachbereiche zu überführen.
Data Scientist
Data Scientist Professional — Vom Geschäftsproblem zum Produktionsmodell
Vollständiger professioneller Lernpfad für einen Data-Science-Ansatz vom Geschäftsproblem bis zum evaluierten, bereitgestellten und überwachten Modell.
Cybersecurity Analyst
Cybersecurity Analyst Professional — Erkennung, Untersuchung und Incident Response
Vollständiger professioneller Lernpfad, um Cybersecurity-Incidents zu erkennen, zu qualifizieren, zu untersuchen und zu ihrer Bearbeitung beizutragen.
Vorschau auf den Lernpfad
Die professionelle Rolle eines Data Analysts einnehmen und eine fachliche Anfrage in eine messbare Analysefrage überführen.
Die Struktur eines Datensatzes lesen, seine Herkunft verstehen und seine Qualität vor jeder Analyse messen.
Eine Datei untersuchen, Berechnungen kontrollieren und mit Excel und geeigneten Visualisierungen eine erste Schlussfolgerung präsentieren.
Vorschau auf den Lernpfad
Die Rolle des Data Scientists verstehen, eine Geschäftsfrage in ein Modellierungsproblem überführen und eine reproduzierbare Arbeitsumgebung einrichten.
Datenqualitätsprobleme identifizieren und die statistischen und probabilistischen Grundlagen eines Data-Science-Projekts anwenden.
Ein belastbares Experimentprotokoll aufsetzen und eine erste Referenz-Baseline etablieren.
Vorschau auf den Lernpfad
Die technische, Netzwerk- und Identitätsumgebung verstehen, die für die Analyse von Sicherheitsereignissen erforderlich ist.
Häufige Angriffsmechanismen erkennen und verfügbare Logging-Quellen für die Analyse identifizieren.
Ein Sicherheitsereignis methodisch interpretieren und Grundsätze der Erhebung und Integrität digitaler Beweise anwenden.