Zum Inhalt springen
TokIQ
Lernen

AWS MLA-C02 lernen: Lernplan für Machine Learning Engineer

MLA-C02-Lernplan: Stunden pro Woche, die vier Domänen mit Gewichtung, die GenAI-Themen seit MLA-C01, kostenloses AWS-Material und der Umgang mit der Beta.

TokIQ Editorial4 Min. Lesezeit
In diesem Artikel
  1. Was die Prüfung von dir verlangt
  2. Ein Achtwochenplan neben dem Job
  3. Kostenloses Material, das sich lohnt
  4. Fallen, die Punkte kosten
  5. Beta oder allgemeine Verfügbarkeit?
  6. Mit TokIQ üben

Gib dir für MLA-C02 sechs bis acht Wochen mit 6 bis 8 Stunden pro Woche, wenn du schon auf AWS baust, und mehr Zeit, wenn SageMaker AI und Bedrock neu für dich sind. Es ist eine Associate-Prüfung mit langen Szenariofragen, und das Update von MLA-C01 hat eine ganze Ebene generative KI ergänzt: Bedrock, RAG, Vektorspeicher, Agents und Modellbewertung. Plane diese Ebene bewusst ein, statt mit alten MLA-C01-Notizen zu lernen.

Das Wichtigste in Kürze

  • Vier Domänen: Datenaufbereitung 28 %, danach Modellentwicklung, Bereitstellung und Orchestrierung sowie Betrieb und Sicherheit mit je 24 %.
  • Neu seit MLA-C01: Foundation Models, Dokumentenaufbereitung für RAG, Vektorspeicher, agentische Workflows, GenAI-Bewertung.
  • Die Beta läuft jetzt (nur Englisch, 75 USD Beta-Preis). Die Ergebnisse kommen nach Ende der Beta.

Was die Prüfung von dir verlangt

MLA-C02 prüft, ob du einen ML- oder GenAI-Workload von den Rohdaten bis zu einem überwachten, abgesicherten Produktions-Endpunkt auf AWS bringen kannst. Die Fragen sind Szenarien: Ein Team hat eine Vorgabe (Latenz, Kosten, Datenresidenz, Drift), und du wählst den passenden Dienst oder die passende Konfiguration. Die folgenden Fakten stammen von der AWS-Zertifizierungsseite und aus dem MLA-C02-Prüfungsleitfaden, geprüft am 2026-11-17.

DomäneGewichtungDas solltest du können
Datenaufbereitung für ML und KI28 %Daten aufnehmen und speichern, Feature Engineering, Dokumente und Embeddings für RAG vorbereiten, Datenqualität und Bias
Entwicklung von ML-Modellen und Foundation Models24 %Zwischen Training, Fine-Tuning und RAG wählen; trainieren und abstimmen; ML- und GenAI-Systeme bewerten
Bereitstellung und Orchestrierung von ML- und KI-Workflows24 %Endpunkte und Infrastruktur wählen, auch für Agents und RAG; CI/CD und Pipelines für MLOps
Betrieb, Überwachung und Absicherung von ML- und KI-Lösungen24 %Inferenz und Drift überwachen, Kosten und Leistung abstimmen, Endpunkte und Daten absichern

Die Datenaufbereitung ist die schwerste Domäne, und genau dort taucht generative KI jetzt am häufigsten auf: Chunking, Embeddings und Vektorspeicher zählen als Datenarbeit.

Ein Achtwochenplan neben dem Job

Unsere Schätzung auf Basis der Domänengewichtung, keine AWS-Angabe:

  1. Woche 1: die Prüfung kartieren. Lies den Prüfungsleitfaden und den AWS-Vergleich MLA-C01 vs. MLA-C02. Markiere jede Aufgabe für dich als grün, gelb oder rot.
  2. Wochen 2–3: Datenaufbereitung. Optionen für Aufnahme und Speicherung, SageMaker-Datenwerkzeuge, Feature Engineering, Datenqualität und Bias-Erkennung, dann Dokumentenaufbereitung für RAG und die Wahl des Vektorspeichers auf AWS.
  3. Woche 4: Modellentwicklung. Eingebaute Algorithmen vs. eigene Container, Hyperparameter-Tuning, wann du ein Foundation Model feinabstimmst und wann RAG reicht, und Bewertungsmetriken für klassisches ML wie für GenAI.
  4. Woche 5: Bereitstellung und Orchestrierung. Echtzeit-, Serverless-, asynchrone und Batch-Inferenz; Pipelines und CI/CD; wie Agents und RAG-Apps bereitgestellt und mit Tools verbunden werden.
  5. Woche 6: Betrieb und Sicherheit. Überwachung von Modell- und Daten-Drift, Kosten und Right-Sizing, IAM, Verschlüsselung, Netzwerkisolierung und Guardrails für GenAI-Endpunkte.
  6. Wochen 7–8: Üben unter Zeitdruck. Täglich gemischte Fragen, dann komplette Durchläufe mit Zeitlimit. Lies bei jedem Fehler die Doku dahinter nach, nicht nur die Antwort.

Hast du MLA-C01 schon bestanden, verdichte die Wochen 2 bis 6 auf die GenAI-Ergänzungen und steck die gewonnene Zeit in Übungen unter Zeitlimit.

Kostenloses Material, das sich lohnt

  • Der Prüfungsleitfaden ist der Lehrplan. Jede Frage lässt sich einer Aufgabenbeschreibung darin zuordnen.
  • AWS Skill Builder bietet ein offizielles Übungsfragenset und kostenlose Kurse für diese Zertifizierung. Prüfe, was in deiner Region kostenlos ist, denn der Katalog ändert sich.
  • Servicedokumentation und Entwicklerleitfäden zu SageMaker AI und Amazon Bedrock. Szenariofragen beantwortet oft eine einzige Zeile im Abschnitt „Wann verwenden“.
  • Praktische Erfahrung. Baue eine kleine RAG-App auf Bedrock und einen SageMaker-Endpunkt mit Monitoring. Ein Wochenende damit bringt mehr als eine Woche Lesen.

Fallen, die Punkte kosten

  • Im MLA-C01-Stil antworten. Wenn das Szenario Dokumente, Chatbots oder Agents erwähnt, erwarte Antworten mit Bedrock, RAG oder Vektorspeicher, nicht mit einem eigenen Modell.
  • Das Vorgabewort übersehen. „Geringster Betriebsaufwand“, „geringste Kosten“ und „nahezu in Echtzeit“ führen jeweils zu anderen Antworten. Unterstreiche es, bevor du die Optionen liest.
  • Überengineering. In AWS-Prüfungen gewinnt meist die verwaltete Option, solange das Szenario sie nicht ausschließt.
  • Fragen mit mehreren Antworten. Lies, wie viele Antworten verlangt sind. Teilantworten geben null Punkte.

Beta oder allgemeine Verfügbarkeit?

AWS hat die MLA-C02-Beta am 29. September 2026 geöffnet, nur auf Englisch, mit 85 Fragen in 170 Minuten zum Beta-Preis von 75 USD. Stand 2026-11-17 nennt die Zertifizierungsseite kein Datum für die allgemeine Verfügbarkeit. Die Beta-Ergebnisse kommen, nachdem AWS die Beta beendet hat. Mach sie also jetzt nur, wenn du bereit bist und das Zertifikat nicht bis zu einem festen Termin brauchst. Alle Fakten und das Übungsset findest du bei den MLA-C02-Übungsfragen.

Mit TokIQ üben

Der MLA-C02-Modus in TokIQ baut eine tägliche Session über die vier Domänen auf, bringt falsch beantwortete Fragen zurück und hat Mock-Prüfungen, mit Link zur AWS-Dokumentation hinter jeder Frage. Öffne die MLA-C02-Prüfungsseite oder sieh in Welche KI-Zertifizierung zuerst? den Vergleich mit den Grundlagenprüfungen. TokIQ ist unabhängig und steht in keiner Verbindung zu AWS.

Häufige Fragen

Wie lange dauert die Vorbereitung auf MLA-C02?

Wir schätzen 40 bis 60 Stunden über sechs bis acht Wochen, wenn du bereits bei der Arbeit mit SageMaker AI oder Bedrock arbeitest, und länger, wenn AWS neu für dich ist. AWS veröffentlicht keine Lernzeit, nimm das also als Planungswert und nicht als offizielle Angabe.

Ist MLA-C02 schwerer als MLA-C01?

Sie ist breiter. MLA-C02 behält den ML-Engineering-Kern von MLA-C01 und ergänzt Foundation Models und generative KI: Amazon Bedrock, RAG, Vektorspeicher, Agents und Bewertungsmethoden wie LLM-as-a-judge. Wenn deine MLA-C01-Notizen nur klassisches ML enthalten, hast du neuen Stoff vor dir.

Sollte ich die MLA-C02-Beta ablegen?

Mach es, wenn du jetzt bereit bist und den günstigeren Beta-Preis nutzen willst (75 USD laut AWS-Zertifizierungsseite, geprüft am 2026-11-17). Beta-Ergebnisse kommen später als üblich, nachdem AWS die Beta beendet hat, und die Beta gibt es nur auf Englisch. Brauchst du das Ergebnis bis zu einem festen Termin, warte auf die allgemeine Verfügbarkeit.

Welche Bestehensgrenze hat MLA-C02?

Der Prüfungsleitfaden nennt eine skalierte Punktzahl von 100 bis 1.000 mit mindestens 720. Die Bewertung ist kompensatorisch: Du bestehst die Prüfung als Ganzes, nicht jede Domäne einzeln.

Brauche ich AIF-C01, bevor ich MLA-C02 mache?

Nein. Es gibt keine Voraussetzung. AWS empfiehlt stattdessen mindestens 1 Jahr praktische Erfahrung mit SageMaker AI, Bedrock und verwandten Diensten. Wenn KI auf AWS neu für dich ist, ist AIF-C01 der sanftere erste Schritt.

  • #MLA-C02
  • #AWS
  • #Machine Learning Engineer Associate
  • #Lernplan
  • #Zertifizierungsvorbereitung

Jetzt üben

TokIQ macht aus Prompt Engineering kurze Quizze, mit einer Erklärung zu jeder Antwort.

Bald beiApp StoreJetzt beiGoogle Play

Schreibe bessere Prompts, mit ein paar Fragen am Tag.

Kurze Quizze zu echten Prompting-Entscheidungen, mit einer Erklärung zu jeder Antwort. Kostenlos starten auf iPhone und Android.

Bald beiApp StoreJetzt beiGoogle Play