Jeder AWS-Service in der AIF-C01-Prüfung — und warum er dort ist

Die AIF-C01-Prüfung deckt ein überraschend breites Spektrum an AWS-Services ab. Einige davon — Bedrock, SageMaker — sind die offensichtlichen Hauptakteure. Andere — Macie, KMS, CloudWatch — tauchen in Szenariofragen auf, in denen die Antwort davon abhängt, das richtige Tool für eine Sicherheits- oder Governance-Anforderung zu kennen. Wenn Sie die Prüfung nur mit Kenntnissen der generativen AI-Services antreten, lassen Sie wertvolle Punkte liegen.

Dieser Leitfaden listet jeden AWS-Service auf, der in der AIF-C01-Prüfung vorkommt, erklärt seine Funktion in einfachem Deutsch und zeigt auf, zu welcher Prüfungs-Domain er gehört. Ich habe sie so gruppiert, wie sie in der Prüfung strukturiert sind: Zuerst die zentralen generativen AI-Services, dann spezialisierte, vorgefertigte AI-Services und schließlich die Governance- und Sicherheitsinfrastruktur.

Core generative-AI services

Dies sind die Services, für die Sie die meiste Lernzeit aufwenden sollten. Sie kommen in Domain 2, Domain 3 und Domain 4 vor — dem Hauptteil der Prüfung.

Amazon Bedrock

Amazon Bedrock ist das Herzstück der AIF-C01-Prüfung. Es ist ein vollständig verwalteter Service, der Ihnen API-Zugriff auf Foundation-Modelle von Anthropic (Claude), Meta (Llama), Mistral, AI21, Cohere, Stability AI und Amazons eigener Titan-Familie bietet. Sie müssen keine Infrastruktur verwalten und nichts trainieren — Sie senden Prompts und erhalten Antworten.

Prüfungsfokus: Domain 3 (Applications of Foundation Models) stützt sich stark auf Amazon Bedrock. Erwarten Sie Szenariofragen zur Modellauswahl (wann Claude vs. Titan vs. Llama zu wählen ist), zu Infernezparametern (temperature, top-p, max tokens) und wann Amazon Bedrock die richtige Wahl gegenüber dem Self-Hosting auf Amazon SageMaker ist.

Amazon Bedrock Knowledge Bases

Dies ist die verwaltete RAG-Lösung (Retrieval-Augmented Generation) von AWS. Sie verweisen auf Dokumente in Amazon S3, der Service teilt diese in Blöcke auf, generiert Embeddings, speichert sie in einer Vektordatenbank und ermöglicht es einem Foundation-Modell, relevante Abschnitte abzurufen, bevor eine Antwort generiert wird. Die Nachverfolgung von Quellenangaben erfolgt automatisch.

Prüfungsfokus: RAG ist die Standardantwort auf die Frage: „Wie verankern Sie ein Foundation-Modell in Ihren privaten Daten, ohne ein Fine-Tuning durchzuführen?“ Dieses Szenario wird Ihnen in der Prüfung mehrfach begegnen. Kennen Sie den Unterschied zwischen RAG und Fine-Tuning — die Prüfung fragt dies explizit ab.

Amazon Bedrock Guardrails

Amazon Bedrock Guardrails ist eine Richtlinienschicht, die sich zwischen dem Benutzer und dem Modell befindet. Sie kann schädliche Inhalte filtern, von Ihnen definierte spezifische Themen blockieren, PII aus Eingaben und Ausgaben schwärzen und Antworten verankern, um Halluzinationen zu reduzieren. Die Konfiguration erfolgt deklarativ — es ist kein benutzerdefinierter Code erforderlich.

Prüfungsfokus: Domain 4 (Guidelines for Responsible AI) befasst sich mit der Frage, wie verhindert werden kann, dass ein Modell unsichere oder halluzinierte Inhalte generiert. Amazon Bedrock Guardrails ist die namentliche Antwort von AWS. Kennen Sie die vier angebotenen Schutzarten: Inhaltsfilter, blockierte Themen, PII-Schwärzung und Verankerungsprüfungen.

Amazon Bedrock Agents

Amazon Bedrock Agents geben einem Foundation-Modell die Möglichkeit, Aktionen auszuführen — APIs aufzurufen, Knowledge Bases abzufragen und mehrstufige Workflows auszuführen. Sie definieren „Aktionsgruppen“, die beschreiben, welche Tools das Modell verwenden kann, und Amazon Bedrock Agents übernimmt die Orchestrierungsschleife (Denken → Handeln → Beobachten → Antworten).

Prüfungsfokus: Domain 3 umfasst Szenarien zur „AI-Orchestrierung“. Die Prüfung unterscheidet Amazon Bedrock Agents (mehrstufig, werkzeugnutzend) von einer einfachen Amazon Bedrock-Inferenz (einzelner Prompt → einzelne Antwort). Wenn eine Frage einen Chatbot beschreibt, der den Bestellstatus nachschlagen, eine Datenbank ändern und antworten muss, lautet die Antwort Amazon Bedrock Agents.

Amazon Q

Amazon Q ist das vorgefertigte AI-Assistentenprodukt von AWS. Amazon Q Developer ist in IDEs und der AWS-Konsole integriert, um bei Fragen zur Codierung, zum Debugging und zur Infrastruktur zu helfen. Amazon Q Business stellt Verbindungen zu Unternehmensdatenquellen (SharePoint, Confluence, Salesforce) für interne Fragen und Antworten her.

Prüfungsfokus: AIF-C01 führt Amazon Q als die Option ein, die zu wählen ist, wenn Sie nichts selbst bauen möchten. Fragen testen, wann Amazon Q (vorgefertigt, meinungsstark) gegenüber Amazon Bedrock (anpassbar, zum Selbstbauen) bevorzugt werden sollte.

Amazon SageMaker

Amazon SageMaker ist die vollständige ML-Plattform — Notebooks, Trainingsjobs, Hyperparametertuning, verwaltete Inferenz-Endpunkte und MLOps-Pipelines. Diesen Service nutzen Sie, wenn Sie benutzerdefinierte Modelle erstellen und trainieren, anstatt nur vorgefertigte Modelle aufzurufen.

Prüfungsfokus: Domain 2 (Fundamentals of AI and ML) bezieht sich auf Amazon SageMaker für den gesamten ML-Lebenszyklus. Die Prüfung testet, ob Sie den Unterschied zwischen Training (Amazon SageMaker), Inferenz-Hosting (Amazon SageMaker-Endpunkte) und API-basiertem Modellzugriff (Amazon Bedrock) kennen.

Amazon SageMaker JumpStart

Amazon SageMaker JumpStart ist ein Modellkatalog innerhalb von Amazon SageMaker. Er bietet vorgefertigte Foundation-Modelle und aufgabenspezifische Modelle mit One-Click-Bereitstellung sowie Notebooks für das Fine-Tuning. Betrachten Sie es als einen App Store für ML-Modelle, die Sie in Ihrem eigenen AWS-Konto bereitstellen können.

Prüfungsfokus: Die Prüfung unterscheidet drei Arten der Modellnutzung: (1) Aufruf einer gehosteten API über Amazon Bedrock, (2) Bereitstellung eines vorab trainierten Modells aus Amazon SageMaker JumpStart auf einem eigenen Endpunkt, (3) Training von Grund auf mit Amazon SageMaker. Amazon SageMaker JumpStart ist Option 2.

Amazon SageMaker Clarify

Amazon SageMaker Clarify ist ein Werkzeug zur Erkennung von Verzerrungen (Bias) und zur Erklärbarkeit von Modellen. Es berechnet SHAP-Feature-Attributionen (welche Eingabemerkmale haben diese Vorhersage beeinflusst?), misst Vor- und Nachbereitungseffekte von Verzerrungen über demografische Gruppen hinweg und funktioniert sowohl für tabellarische Modelle als auch für die Ausgaben von Foundation-Modellen.

Prüfungsfokus: Domain 4 (Responsible AI) prüft die Erkennung von Verzerrungen und die Erklärbarkeit. Wenn eine Frage lautet: „Wie stellen Sie fest, ob Ihr Modell gegenüber einer demografischen Gruppe voreingenommen ist?“ — ist Amazon SageMaker Clarify die Antwort.

Specialized pre-built AI services

Diese Services lösen spezifische AI-Aufgaben, ohne dass Sie Modelle trainieren oder verwalten müssen. Die Prüfung testet Ihre Fähigkeit, den richtigen Service für einen bestimmten Anwendungsfall auszuwählen.

Amazon Comprehend

Verwaltete NLP: Sentimentanalyse, Entitätserkennung, Extraktion von Schlüsselphrasen, Spracherkennung und PII-Identifikation. Kein Training erforderlich — Text senden, strukturierte Ergebnisse erhalten.

Prüfungsfokus: „Ich muss Kundenfeedback auf Sentiments analysieren“ → Amazon Comprehend. „Ich muss PII in einer Dokumentensammlung finden“ → Amazon Comprehend (oder Amazon Macie für das S3-Scannen). Kennen Sie die Unterschiede.

Amazon Rekognition

Computer Vision: Label-Erkennung, Gesichtsanalyse, Inhaltsmoderation, Prominentenerkennung, Videoaktivitätserkennung. Bild oder Video rein, strukturierte Labels raus.

Prüfungsfokus: „Ich habe Bilder, aber kein ML-Team“ → Amazon Rekognition. Die Prüfung verwendet auch die Inhaltsmoderationsfunktion von Amazon Rekognition in Szenarien zur verantwortungsvollen AI (responsible-AI).

Amazon Textract

Dokumentenverständnis: Extrahiert Text, Schlüssel-Wert-Paare, Tabellen und Formularfelder aus PDFs und gescannten Bildern. Geht über einfaches OCR hinaus — der Service versteht die Dokumentenstruktur.

Prüfungsfokus: „Daten aus Rechnungen/Quittungen/Formularen extrahieren“ → Amazon Textract. Die Prüfung testet insbesondere den Unterschied zwischen Amazon Textract (strukturierte Dokumentenextraktion) und Amazon Rekognition DetectText (generisches OCR auf Fotos).

Amazon Transcribe

Speech-to-Text mit Sprecheridentifikation, benutzerdefinierten Vokabularen, Echtzeit-Streaming und spezialisierten Varianten für Audioinhalte im medizinischen Bereich und in Callcentern.

Prüfungsfokus: Wird in Pipeline-Fragen mit Amazon Comprehend kombiniert: „Transkribieren Sie eine Callcenter-Aufzeichnung und analysieren Sie anschließend das Sentiment“ → Amazon Transcribe + Amazon Comprehend.

Amazon Polly

Text-to-Speech mit neuronalen und generativen Stimmen in Dutzenden von Sprachen. Unterstützt SSML zur feinen Steuerung von Aussprache, Tempo und Betonung.

Prüfungsfokus: „Text in Sprache umwandeln“ → Amazon Polly. Die Prüfung testet, wann Amazon Polly (vorgefertigtes TTS) ausreicht und wann Sie ein benutzerdefiniertes Sprachmodell auf Amazon SageMaker benötigen würden.

Amazon Translate

Neuronale maschinelle Übersetzung in über 75 Sprachen mit Unterstützung für benutzerdefinierte Terminologien für domänenspezifische Formulierungen.

Prüfungsfokus: Unkompliziert — „Inhalte in mehrere Sprachen übersetzen, ohne ein Modell zu trainieren“ → Amazon Translate.

Amazon Lex

Konversations-AI zum Erstellen von Chatbots mit Intents, Slots und Sprachausgabe über Amazon Polly. Ermöglicht Interaktionen im Alexa-Stil.

Prüfungsfokus: Amazon Lex ist das vorgefertigte Chatbot-Framework. Die Prüfung kontrastiert es mit Amazon Bedrock Agents — Amazon Lex für strukturierte, Intent-basierte Konversationen; Amazon Bedrock Agents für offene, werkzeugnutzende AI-Assistenten.

Amazon Kendra

ML-gestützte Unternehmenssuche über Dokumente, SharePoint, Confluence und Datenbanken hinweg. Versteht Abfragen in natürlicher Sprache, nicht nur Keyword-Matching.

Prüfungsfokus: Amazon Kendra wird als reine Suchalternative zu Amazon Bedrock Knowledge Bases aufgeführt. Wenn die Frage lautet: „Suchen, keine Generierung erforderlich“ → Amazon Kendra. Wenn es heißt: „Suchen und eine Antwort synthetisieren“ → Amazon Bedrock Knowledge Bases.

Security, governance, and supporting infrastructure

Diese Services sind nicht AI-spezifisch, tauchen jedoch in Fragen der Domain 5 (Security, Compliance, and Governance) auf. Die Prüfung testet, ob Sie wissen, wie AI-Workloads gesichert und überwacht werden.

AWS IAM

Benutzer, Rollen, Richtlinien, Föderation und Least-Privilege-Berechtigungen für jeden AWS-Serviceaufruf. Nicht AI-spezifisch, aber die Prüfung testet AI-spezifische IAM-Muster.

Prüfungsfokus: „Wie schränken Sie ein, welche Modelle ein Entwickler in Amazon Bedrock aufrufen kann?“ → IAM-Richtlinien. „Wie greift ein Amazon SageMaker-Notebook auf Trainingsdaten in S3 zu?“ → IAM-Rolle. Das Prinzip der geringsten Rechte (Least-Privilege) ist das wiederkehrende Thema.

AWS KMS

Verwaltete kryptografische Schlüssel zur Verschlüsselung ruhender Daten — Trainingsdatensätze, Modellartefakte, Inferenzprotokolle.

Prüfungsfokus: „Wie verschlüsseln Sie ruhende Modellgewichte mit einem vom Kunden verwalteten Schlüssel?“ → AWS KMS. Dies kommt in Compliance-orientierten Fragen vor.

Amazon Macie

Dienst zur Erkennung sensibler Daten, der ML verwendet, um PII, Anmeldeinformationen und Finanzdaten in S3-Buckets zu finden.

Prüfungsfokus: „Wie suchen Sie vor dem Einspeisen von Dokumenten in eine RAG-Pipeline nach PII in den Quelldaten?“ → Amazon Macie scannt den S3-Bucket; Amazon Bedrock Guardrails filtert zur Inferenzzeit. Die Prüfung testet beide Schichten.

Amazon CloudWatch

Metriken, Protokolle und Alarme für alle AWS-Services. Für AI-Workloads: Amazon Bedrock-Aufrufprotokolle, Amazon SageMaker-Endpunktlatenz, MLOps-Drift-Alarme.

Prüfungsfokus: „Wie überwachen Sie die Modellleistung in der Produktion?“ → Amazon CloudWatch-Metriken + Alarme. „Wie überprüfen Sie, welche Prompts an Amazon Bedrock gesendet wurden?“ → Amazon CloudWatch Logs bei aktivierter Amazon Bedrock-Aufrufprotokollierung.

How to study this

Versuchen Sie nicht, jede Funktion jedes Services auswendig zu lernen. Die Prüfung testet die Mustererkennung: Welcher Service löst das gegebene Szenario? Hier ist das mentale Modell:

• „Ich möchte ein Foundation-Modell über eine API aufrufen“ → Amazon Bedrock
• „Ich möchte ein Modell in meinen privaten Daten verankern“ → Amazon Bedrock Knowledge Bases (RAG)
• „Ich möchte, dass das Modell Aktionen ausführt“ → Amazon Bedrock Agents
• „Ich möchte Sicherheitsrichtlinien für die Modellausgabe“ → Amazon Bedrock Guardrails
• „Ich möchte nichts selbst bauen, sondern nur AI nutzen“ → Amazon Q
• „Ich muss ein benutzerdefiniertes Modell trainieren“ → Amazon SageMaker
• „Ich benötige ein vorab trainiertes Modell, das ich selbst bereitstellen kann“ → Amazon SageMaker JumpStart
• „Ich muss mein Modell auf Verzerrungen überprüfen“ → Amazon SageMaker Clarify
• „Ich muss [Texte analysieren / Bilder sehen / Dokumente extrahieren / Audio transkribieren / Sprache synthetisieren / übersetzen / einen Chatbot bauen / Dokumente durchsuchen]“ → der entsprechende spezialisierte Service
• „Ich muss sichern / verschlüsseln / scannen / überwachen“ → AWS IAM / AWS KMS / Amazon Macie / Amazon CloudWatch

Gehen Sie Übungsfragen mit diesem Framework durch und Sie werden feststellen, dass Sie die meisten Fragen zur Serviceauswahl in weniger als 30 Sekunden beantworten können.

Source: AWS AI Practitioner (AIF-C01) exam guide v1.1 (2024-08), AWS documentation as of May 2026.