Bitte wählen Sie die Bereiche, die Sie exportieren möchten:
Schulung Amazon Redshift ML mit Amazon Q und Generative SQL
ML in SQL, Bedrock-LLMs, Natural Language Queries
Schulungsformen
Inhouse-/Firmenschulung
- 2 Tage - anpassbar
- Termin nach Wunsch
- In Ihrem Hause oder bei der GFU
- Preis nach Angebot
- Lernumgebung in der Cloud
- Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.
Individualschulung
- 2 Tage - anpassbar
- Termin nach Wunsch
- In Ihrem Hause oder bei der GFU
- Preis nach Angebot
- Lernumgebung in der Cloud
- 1 Teilnehmender = Fokus aufs Fachliche und maximaler Raum für individuelle Fragen.
Beschreibung
Damit ist Redshift 2026 nicht mehr nur ein Daten-Warehouse, sondern eine KI-gestützte Analyse-Plattform - mit klarer Stärke gegen Wettbewerber wie Snowflake (Cortex AI), Databricks (MosaicAI) und Microsoft Fabric (Copilot in Fabric).
Der Workshop führt in zwei Tagen durch die KI-Welt. Zwei Praxis-Werkstätten sichern den Lern-Erfolg ab.
Schulungsziel
Jede teilnehmende Person verlässt das Seminar mit drei produktiven ML-Modellen in Redshift (Forecasting, Klassifikation, Sentiment-Analyse) aus Praxis-Übung Tag 1, einer Amazon-Q-Welt mit Natural-Language-Queries und einer RAG-Anwendung aus Praxis-Übung Tag 2, einem Verständnis der KI-Welt von Redshift (CREATE MODEL, SageMaker-Anbindung, Bedrock-LLMs, Embeddings), einem Vergleich zu Cortex AI, Databricks ML und BigQuery ML, einer Compliance-Sicht mit EU-AI-Act- und DSGVO-Bezug und konkreten Roll-out-Ideen für die eigene Daten-Welt.
Details
Inhalt
- Ziele und Erwartungen der Teilnehmenden
- Klärung individueller Lernziele und Erwartungen für ein praxisnahes und relevantes Seminar
- Tag 1: Redshift ML, CREATE MODEL, Bedrock und SageMaker
- 1. Was Redshift ML 2026 leistet
- Markt-Welt: KI-Funktionen in Cloud-Data-Warehouses als Wettbewerbs-Anker
- Vergleich: Redshift ML versus Snowflake Cortex AI versus Databricks ML versus BigQuery ML
- Architektur: Redshift ML im Zusammenspiel mit Amazon SageMaker und Amazon Bedrock
- Daten bleiben in Redshift - Modelle werden im Hintergrund trainiert
- Anwendungs-Welten: Klassifikation, Regression, Forecasting, Anomalie-Erkennung, NLP
- 2. CREATE MODEL und ML in SQL
- CREATE MODEL-Syntax in Redshift-SQL
- AutoML-Welt: Redshift wählt Algorithmus, Features und Hyper-Parameter automatisch
- Manuelle Steuerung mit Algorithmus-Wahl (XGBoost, Linear Learner, KMeans, Forecast)
- Forecasting mit DeepAR auf Zeit-Reihen
- Anomalie-Erkennung mit Random Cut Forest
- Modell-Auswertung mit Metriken (Accuracy, F1, RMSE)
- Modell-Lebens-Zyklus: Training, Inferenz, Re-Training
- 3. Anbindung an SageMaker und Bedrock
- Amazon SageMaker Endpoints für eigene Modelle (Bring Your Own Model)
- SageMaker JumpStart als Vorlagen-Welt
- Amazon Bedrock LLM-Funktionen in SQL :
- Anthropic Claude (Claude Opus, Claude Sonnet, Claude Haiku) als Standard-Welt
- Amazon Nova Modelle
- Meta Llama, Mistral als Alternativen
- Inferenz-Funktionen in SQL: INVOKE_MODEL, Bedrock-Bedingungen
- Kosten- und Latenz-Klärung
- 4. Forecasting, Klassifikation und Anomalie-Erkennung in der Praxis
- Forecasting für Sales-Daten und IoT-Welten
- Klassifikation für Kunden-Segmentierung
- Anomalie-Erkennung für Fraud Detection und Monitoring
- NLP mit Bedrock: Sentiment-Analyse, Zusammenfassung, Übersetzung
- Integration in BI-Welt: Modelle als Spalten in QuickSight-, Tableau- oder Power-BI-Berichten
- Praxis-Übung Tag 1: ML-Modelle in Redshift bauen
- Ziel: Drei produktive ML-Anwendungs-Welten in Redshift aufbauen
- Aufgaben: Ein Forecasting-Modell für eine Zeit-Reihe mit CREATE MODEL trainieren, ein Klassifikations-Modell für Kunden-Segmentierung bauen, eine Bedrock-LLM-Funktion für Sentiment-Analyse auf Text-Daten anwenden
- Tools: Redshift Serverless mit ML-Funktionen, Amazon SageMaker (im Hintergrund), Amazon Bedrock-Zugang mit Claude- oder Nova-Modell, vorbereitete Beispiel-Datensätze
- Ergebnis: drei produktive ML-Welten mit dokumentierten Modellen und Inferenz-Abfragen
- Tag 2: Amazon Q Generative SQL, Embeddings, RAG, Compliance
- 5. Amazon Q Generative SQL
- Amazon Q in Redshift Query Editor v2 seit 2024
- Natural Language Queries auf Deutsch oder Englisch
- Schema-bewusste SQL-Generierung
- Frage-Welten: „Welche Produkte hatten den höchsten Umsatz im Q3?" -> fertige SQL-Abfrage
- Erklärung bestehender Abfragen in natürlicher Sprache
- Optimierungs-Vorschläge: bessere JOINs, Index-Hinweise, Performance-Welt
- Anwendungs-Welten für Fach-Mannschaften (Self-Service Analytics ohne SQL-Profi)
- 6. Vector-Embeddings und Vector Search
- Vector-Daten-Typ in Redshift
- Erstellen von Embeddings über Bedrock (Titan Embeddings, Cohere)
- Vector-Suche mit Cosine Similarity, Euclidean Distance
- Anwendungs-Welten: semantische Suche, Empfehlungs-Welten, Duplikat-Erkennung
- Vergleich zu pgvector in PostgreSQL und Cortex Search in Snowflake
- 7. RAG-Welten mit Redshift
- Retrieval-Augmented Generation mit Redshift als Wissens-Basis
- Architektur: Dokumente -> Embeddings -> Redshift -> Vector-Suche -> LLM-Antwort
- Anwendungs-Beispiele: interne Wissens-Suche, Kunden-Support-Welten, Compliance-Dokumenten-Suche
- Vergleich zu Amazon Kendra, OpenSearch Serverless und SageMaker JumpStart RAG
- Latenz- und Kosten-Welt
- 8. Sicherheit, Compliance und Roll-out
- Daten bleiben in Redshift - kein Daten-Abfluss zu LLM-Anbietern
- IAM-Berechtigungen für ML-Funktionen
- Bedrock-Zugriffs-Kontrolle und Modell-Auswahl
- EU AI Act seit 2. August 2026 mit Transparenz-Pflicht bei generativer KI
- DSGVO bei personenbezogenen Daten in ML-Welten
- Recht-Klärung beim Einsatz von LLM-Funktionen
- Roll-out-Strategie: Pilot-Projekt, Mannschafts-Schulung, Erweiterung auf Fach-Welten
- Praxis-Übung Tag 2: Amazon Q und RAG-Anwendung
- Ziel: Eine moderne KI-Anwendung mit Amazon Q und einer RAG-Welt aufbauen
- Aufgaben: Amazon Q Generative SQL für drei Natural-Language-Fragen nutzen (mit Schema-Bezug), eine Vector-Embeddings-Welt aus einem Dokument-Datensatz erstellen, eine semantische Suche mit Cosine Similarity testen, eine einfache RAG-Welt mit Vector-Suche und LLM-Antwort konfigurieren
- Tools: Redshift Serverless mit Amazon Q-Anbindung, Bedrock-Modelle (Titan Embeddings, Claude), vorbereitete Dokument-Daten, Query Editor v2
- Ergebnis: produktive Amazon-Q-Welt mit drei Beispiel-Abfragen und funktionale RAG-Anwendung
Zielgruppe & Vorkenntnisse
- Data Scientists und ML Engineers mit AWS-Welt: Die ML-Workflows direkt in Redshift bauen wollen ohne Python-Pipeline-Aufwand.
- BI-Profis und Daten-Analysten: Die mit Natural Language Queries und KI-Vorschlägen ihre Self-Service-Welt erweitern.
- Data Engineers mit Redshift-Bestand: Die Anomalie-Erkennung, Forecasting und Klassifikation in produktive Daten-Pipelines integrieren.
- Daten-Architektinnen und -Architekten: Die KI-gestützte Welten für Fach-Mannschaften öffnen.
Ihre Schulung
In Präsenz | Online |
|---|---|
| Lernmethode | |
Ausgewogene Mischung aus Theorie und praktischen Übungen auf persönlichem Schulungs-PC. | Wie auch bei unseren Präsenz-Seminaren: Ausgewogene Mischung aus Theorie und praktischen Übungen. Trainer durchgehend präsent. |
| Unterlagen | |
Seminarunterlagen oder Fachbuch inklusive. Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. | Seminarunterlagen oder Fachbuch inklusive (via DHL). Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. |
| Arbeitsmaterialien | |
Din A4 Block, Notizblock, Kugelschreiber, USB-Stick, Textmarker, Post-its | |
| Teilnahmezertifikat | |
Nach Abschluss des Seminars erhalten Sie das Teilnahmezertifikat inkl. Inhaltsverzeichnis per E-Mail als PDF. | |
Organisation
In Präsenz | Online | |
|---|---|---|
| Teilnehmendenzahl | ||
min. 1, max. 8 Personen | ||
| Garantierte Durchführung * | ||
Ab 1 Teilnehmenden | ||
| Schulungszeiten | ||
| ||
| Ort der Schulung | ||
 GFU SchulungszentrumAm Grauen Stein 27 51105 Köln-Deutz oder online im Virtual Classroom oder europaweit bei Ihnen als Inhouse-Schulung Um ein optimales Raumklima zu gewährleisten, haben wir das Schulungszentrum mit 17 hochmodernen Trotec TAC V+ Luftreinigern ausgestattet. Diese innovative Filtertechnologie (H14 zertifiziert nach DIN EN1822) sorgt dafür, dass die Raumluft mehrfach pro Stunde umgewälzt wird und Schadstoffe zu 99.995% im HEPA-Filter abgeschieden und infektiöse Aerosole abgetötet werden. Zusätzlich sind alle Räume mit CO2-Ampeln ausgestattet, um jederzeit eine hervorragende Luftqualität sicherzustellen. | ||
| Räumlichkeiten | ||
Helle und modern ausgestattete Räume mit perfekter Infrastruktur | Bequem aus dem Homeoffice von überall | |
| All-Inclusive | ||
Frühstück, Snacks und Getränke ganztägig, Mittagessen im eigenen Restaurant, täglich 6 Menüs, auch vegetarisch | Eine Auswahl unserer Frühstücks-Snacks und Nervennahrungs-Highlights senden wir Ihnen mit den Seminarunterlagen via DHL zu. | |
| Barrierefreiheit | ||
Das GFU-Schulungszentrum (Am Grauen Stein 27) ist barrierefrei | - | |
Kostenfreie Services
In Präsenz | Online |
|---|---|
|
|
Buchungsmöglichkeiten
Online oder in Präsenz teilnehmen
Sie können sowohl Online als auch in Präsenz am Seminar teilnehmen. Klicken Sie bei Ihrer Buchung oder Anfrage einfach die entsprechende Option an.
- Lernumgebung in der Cloud
- Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.
- Lernumgebung in der Cloud
- 1 Teilnehmender = Fokus aufs Fachliche und maximaler Raum für individuelle Fragen.
Was bedeutet Offene Schulung und Inhouse Schulung?
Bei einer offenen Schulung stehen Ort und Termin vorab fest. Jeder Interessent kann eine offene Schulung buchen, daher treffen Teilnehmer aus verschiedenen Unternehmen aufeinander.
Inhouse Schulungen können auf Ihren individuellen Schulungsbedarf zugeschnitten werden. Sie bestimmen den Teilnehmerkreis, Termin und Schulungsort.
Ist eine Inhouse Schulung die richtige Wahl?
Bei einer Inhouse Schulung gehen wir auf die individuellen Bedürfnisse Ihres Unternehmens ein und decken den Schulungsbedarf direkt bei Ihnen im Unternehmen ab.
Das spart Zeit und Geld und sorgt für einen schnellen Wissenstransfer Ihrer Mitarbeiter.
Wer kümmert sich um die Technik bei Inhouse Schulungen?
Eine komplette Lernumgebung in der Cloud mit Remote Zugriff ist für uns selbstverständlich. Sie müssen sich um nichts kümmern. Lediglich ein funktionierender PC oder Notebook mit Internetanschluss sollte für jeden Teilnehmer am Schulungstag bereit stehen.
Vorteile einer Inhouse Schulung
- Kompetente Seminarberatung
- Dozenten aus der Praxis
- Auf Ihre Bedürfnisse zugeschnittener individueller Lernstoff
- Sie können den Termin flexibel gestalten, so wie es für Sie am besten passt
- Unsere Inhouse Schulungen können Europaweit durchgeführt werden
- Der Fokus liegt auf Ihrem Schulungsbedarf, somit schonen Sie Ihr Budget
- Wissenslücken Ihrer Mitarbeitet werden schnell geschlossen