Kursbeschreibung
AWS Rekognition ist schnell gestartet, aber der Unterschied zwischen einem Proof of Concept und einer produktionsfähigen Lösung liegt in Details: Datenfluss, Berechtigungen, Ergebnisqualität, Fehlerbehandlung und Governance. In diesem Seminar gehst Du genau diese Punkte systematisch an. Du lernst, welche Rekognition Image- und Rekognition Video-APIs zu Deinem Use Case passen, wie Sync- und Async-Workflows funktionieren und wie Du Kosten, Limits und Latenzen realistisch bewertest. In praktischen Übungen nutzt Du Label Detection für automatisches Tagging, Text Detection für OCR und Moderation Labels für Content-Filter. Du arbeitest mit Gesichts-Funktionen und verstehst, wann Face Detection ausreicht und wann Face Search mit Collections sinnvoll ist. Dabei geht es nicht um „mehr Features“, sondern um saubere Entscheidungen: Welche Confidence Thresholds sind vertretbar, wie gehst Du mit Grenzfällen um, und wie baust Du eine Qualitätskontrolle auf? Für Videos setzt Du Analyse-Jobs auf, orchestrierst die Verarbeitung und holst Ergebnisse zuverlässig ab, auch wenn viele Treffer entstehen. Du entwirfst eine Referenzarchitektur mit S3, Lambda und Step Functions, definierst least-privilege IAM Policies und planst Verschlüsselung mit KMS. Abschließend klärst Du Datenschutz, Aufbewahrung, Löschung und Dokumentationspflichten, damit Deine Rekognition-Lösung nicht nur funktioniert, sondern auch intern genehmigungsfähig und langfristig wartbar ist.
Die wichtigsten Themen im Überblick
- AWS Rekognition für Bild- und Videoanalyse sicher einsetzen
- Confidence Scores, Thresholds und Qualität richtig bewerten
- Objekte, Text, Gesichter und Moderationsrisiken erkennen
- Image und Video APIs im passenden Workflow nutzen
- Pipelines mit S3, Lambda und Step Functions aufbauen
- Zugriffe mit IAM, KMS und Least Privilege absichern
- Ergebnisse in DynamoDB oder OpenSearch speichern
- Datenschutz, Bias und Human-in-the-Loop prüfen
Zielgruppe
- Cloud Engineers und DevOps Engineers mit AWS-Verantwortung
- Softwareentwicklerinnen und Softwareentwickler, die Medienanalyse integrieren
- Data Engineers und Analytics Engineers für Tagging und Suche
- IT-Sicherheits- und Compliance-Verantwortliche, die Rekognition bewerten
- Alle, die Bild- und Videoanalyse mit AWS Rekognition in Prozesse bringen wollen
Voraussetzung für die Schulung
- Grundkenntnisse in AWS (S3, IAM) und API-Grundverständnis
- Keine Vorkenntnisse in Computer Vision erforderlich
Kursinhalte
- Rekognition verstehen und richtig einsetzen
- Capabilities, Limits, Kostenlogik und typische Fehlannahmen
- Image vs. Video APIs, Sync vs. Async Workflows
- Confidence Scores, Thresholds und Qualitätsmetriken
- Bildanalyse mit Rekognition Image
- Labels, Moderation Labels, Text Detection (OCR)
- Face Detection vs. Face Search vs. Face Comparison
- Custom Labels: Wann es sich lohnt und wann nicht
- Videoanalyse mit Rekognition Video
- Person Tracking, Segment Detection und Label Detection
- Jobs orchestrieren: Start, Polling, Results Paging
- Near-real-time mit Streams: Einordnung und Grenzen
- Datenfluss: S3, IAM, KMS und saubere Zugriffe
- S3 Buckets, Events und sinnvolle Objektstruktur
- IAM Policies least privilege für Rekognition und S3
- Verschlüsselung, Schlüsselverwaltung und Auditing
- Praxis-Pipeline: vom Upload bis zum Ergebnis
- Referenzarchitektur mit S3, Lambda und Step Functions
- Ergebnisse speichern: DynamoDB oder OpenSearch
- Fehlerfälle, Retries, Idempotenz und Monitoring
- Compliance, Datenschutz und Responsible AI
- PII, Einwilligung, Aufbewahrung und Löschkonzepte
- Bias-Risiken, Qualitätsprüfung und Human-in-the-Loop
- Dokumentation für Audits und interne Freigaben
