Hoe slaag je voor het Microsoft Azure AI Engineer-examen AI-102 in 6 weken?

AI-102 is in juli 2026 het examen voor Azure AI Engineer-vaardigheden en bouwt voort op jaren van ontwikkeling binnen azure-iot-ontwikkelaar-wordt" data-autoinject="link_injection">Azure AI, waarin losse API-kennis is verschoven naar het ontwerpen, beveiligen, integreren, testen en beheren van AI-functionaliteit binnen Azure-oplossingen.

AI-102, voluit Designing and Implementing a Microsoft Azure AI Solution, hoort bij de certificering Microsoft Certified: Azure AI Engineer Associate. De kern van het examen ligt bij oplossingen met Azure AI services, Azure AI Search, Azure AI Document Intelligence, taal- en spraakdiensten, vision-services, conversationele AI en de operationele keuzes die nodig zijn om zulke oplossingen betrouwbaar te laten draaien. Microsoft Learn blijft de officiële bron voor de actuele examenpagina en het document Skills measured; die pagina’s moeten vlak voor het boeken van het examen opnieuw worden gecontroleerd, omdat examendoelen kunnen wijzigen.

Laatst bijgewerkt: 20 juli 2026. Deze gids is opgebouwd vanuit de huidige rolbeschrijving van Azure AI Engineer Associate, de officiële Microsoft Learn-examenstructuur, de Azure-documentatie voor de betrokken services en praktijkgerichte labs die de belangrijkste integratiepunten afdekken. De nadruk ligt op taken die in echte projecten samenkomen: identiteit, resourceconfiguratie, data-inname, model- en servicekeuze, monitoring, beveiliging en Responsible AI.

Wat AI-102 wel en niet toetst

Een Azure AI Engineer bouwt oplossingen die bestaande AI-mogelijkheden toepassen binnen applicaties en bedrijfsprocessen. Dat verschilt van een data scientist die vooral modellen traint, evalueert en experimenteert met machine learning. Het verschilt ook van een algemene Azure developer die cloudapplicaties bouwt waarin AI slechts één onderdeel kan zijn.

Die afbakening voorkomt een veelgemaakte studiefout. AI-102 gaat niet primair over het trainen van eigen machine-learningmodellen in Azure Machine Learning; dat sluit beter aan bij DP-100. Het examen is ook geen brede ontwikkelaarstoets over storage, messaging, API Management en algemene app-services; dat is eerder AZ-204. AI-102 richt zich op het ontwerpen en implementeren van Azure AI-oplossingen, waaronder zoeken, documentverwerking, taal, vision, spraak, bot-achtige interacties en de integratie van die onderdelen in veilige applicaties.

De praktische consequentie is duidelijk: wie voor AI-102 studeert, moet minder tijd besteden aan algemene Azure-ontwikkeling en meer aan end-to-end scenario’s waarin Azure AI-services samenwerken. Een kandidaat moet bijvoorbeeld kunnen uitleggen wanneer Azure AI Search met vector- of semantische zoekmogelijkheden nuttig is, hoe Document Intelligence documenten omzet in gestructureerde informatie, hoe taal- of vision-services worden aangeroepen, en hoe secrets, toegangsrechten en logs worden beheerd.

Voorkennis die vóór week één op orde moet zijn

AI-102 is een associate-examen, maar het voelt lastig wanneer basisvaardigheden ontbreken. Kandidaten hebben doorgaans een werkbare kennis nodig van Azure-resources, resource groups, identity and access management, networking op hoofdlijnen, logging en deployment vanuit portal, CLI of SDK. Daarnaast is ervaring met ten minste één gangbare programmeertaal, zoals Python, C# of JavaScript, belangrijk omdat veel AI-oplossingen via SDK’s of REST-API’s worden geïntegreerd.

De programmeerkennis hoeft niet het niveau van een senior software engineer te hebben, maar oppervlakkige scriptvaardigheid is meestal onvoldoende. Het examen beloont begrip van hoe een applicatie een service aanroept, hoe authenticatie werkt, waar foutafhandeling en throttling relevant worden, en welke configuratiekeuzes invloed hebben op kosten, beveiliging en onderhoud. Kandidaten die alleen portal-wizards volgen zonder de achterliggende resourceconfiguratie te begrijpen, missen vaak precies de details die in scenario-vragen terugkomen.

Ook Responsible AI hoort bij de basis. Microsoft behandelt onderwerpen zoals transparantie, privacy, fairness, betrouwbaarheid en veiligheid niet als losse theorie, maar als ontwerpcriteria. In een Belgische of bredere EU-context is dat extra relevant omdat oplossingen vaak documenten, klantvragen, persoonsgegevens of meertalige content verwerken. Het is verstandig om tijdens labs al na te denken over dataminimalisatie, PII-redactie, logging zonder gevoelige inhoud en regionale servicebeschikbaarheid.

Een realistisch zeswekenplan voor AI-102

Zes weken is haalbaar voor kandidaten die al met Azure hebben gewerkt en meerdere keren per week kunnen oefenen. Het doel is niet om alle documentatie uit het hoofd te leren, maar om elke week een aantoonbare vaardigheid op te bouwen. Microsoft Learn-modules zijn geschikt om de examendoelen te structureren; de Azure-documentatie is nodig voor details over servicegedrag, SDK’s, limieten en regionale beschikbaarheid.

De kracht van dit plan zit in de volgorde. Eerst worden resources, identiteit en beveiliging opgezet; daarna komen services en integratie. Dat voorkomt dat de voorbereiding verandert in een verzameling losse API-demo’s. In praktijkprojecten mislukt een AI-oplossing zelden omdat iemand één endpointnaam niet kent; problemen ontstaan vaker bij sleutelbeheer, rechten, regioselectie, logging, foutafhandeling of onduidelijke dataflows.

Wie liever met vaste lesdagen, begeleiding en labstructuur werkt, kan een instructor-led traject zoals de AI-102-training van Readynez overwegen naast de officiële Microsoft Learn-route. Dat is vooral zinvol wanneer de kandidaat snel moet schakelen tussen examendoelen, praktijkvragen en ontbrekende Azure-basiskennis. Zelfstudie blijft echter alleen effectief als er ook echte resources worden gebouwd en weer opgeruimd.

Bouw een minimum viable AI-oplossing

Een nuttig voorbereidingsproject voor AI-102 is een kleine documentzoekoplossing. De applicatie neemt documenten op, extraheert tekst en velden met Azure AI Document Intelligence, indexeert de resultaten in Azure AI Search, ontsluit een eenvoudige API via Azure Functions of App Service, bewaart geheimen in Key Vault en stuurt telemetrie naar Azure Monitor of Application Insights. Dit project dwingt kandidaten om de diensten te verbinden in plaats van ze alleen afzonderlijk te testen.

Voor Belgische organisaties is een realistische dataset bijvoorbeeld een set Nederlandstalige en Franstalige beleidsdocumenten, offertes, productfiches of interne kennisartikelen. Gebruik geen echte persoonsgegevens in een examenlab. Wanneer persoonsgegevens nodig zijn om gedrag te testen, gebruik dan synthetische data en controleer hoe PII-detectie, redactie, toegangsrechten en logging worden toegepast.

Onderstaand voorbeeld zet de basisresources klaar voor zo’n lab. De exacte regio moet worden gekozen op basis van de officiële Azure-regiolijst en de beschikbaarheid van de gebruikte AI-services; niet elke service of feature is in elke regio beschikbaar. Voor Belgische en EU-scenario’s is het verstandig om vooraf te controleren of de gekozen regio past bij dataresidentie, latency, beleid en interne compliance-eisen.

Example — basisresources voor een AI-102-documentzoeklab

az group create \
  --name rg-ai102-docsearch-weu \
  --location westeurope

az keyvault create \
  --name kv-ai102-docsearch-$RANDOM \
  --resource-group rg-ai102-docsearch-weu \
  --location westeurope \
  --enable-rbac-authorization true

az cognitiveservices account create \
  --name ai102-docintel-weu \
  --resource-group rg-ai102-docsearch-weu \
  --location westeurope \
  --kind FormRecognizer \
  --sku S0 \
  --yes

az search service create \
  --name srch-ai102-docsearch-weu \
  --resource-group rg-ai102-docsearch-weu \
  --location westeurope \
  --sku basic

az monitor app-insights component create \
  --app appi-ai102-docsearch-weu \
  --location westeurope \
  --resource-group rg-ai102-docsearch-weu \
  --application-type web

Dit script maakt nog geen volledige applicatie, maar het legt wel de fundamenten die in AI-102-scenario’s vaak samenkomen: resourcekeuze, regio, sleutel- en toegangsbeheer, search en monitoring. De volgende stap is het toevoegen van een kleine Function App met managed identity, waarna de applicatie Document Intelligence aanroept, resultaten naar een Search-index schrijft en operationele signalen naar Application Insights stuurt. Controleer na het lab of sleutels niet in code staan, of toegang via rollen is geregeld en of foutmeldingen geen gevoelige documentinhoud loggen.

Veelvoorkomende fouten tijdens de voorbereiding

De eerste fout is te veel nadruk op codevoorbeelden en te weinig op integratie. AI-102-kandidaten moeten SDK-aanroepen kunnen herkennen en gebruiken, maar het examen vraagt vaak naar ontwerpkeuzes: welke service past bij het scenario, hoe wordt toegang geregeld, waar moet content worden gefilterd, en hoe blijft de oplossing beheerbaar. Oefenvragen met cases belonen meestal kandidaten die de trade-offs kunnen uitleggen, niet kandidaten die alleen methode- of parameternaamgeving herkennen.

Een tweede fout is het onderschatten van identity en secrets. Sleutels hardcoden, connection strings in configuratiebestanden laten staan of managed identities overslaan is in een lab misschien snel, maar het is slechte voorbereiding op het examen en op productie. Key Vault, role assignments en managed identities horen vanaf het eerste lab in het ontwerp te zitten. Dat maakt latere scenario’s over beveiliging, onderhoud en rotatie veel begrijpelijker.

Een derde fout is Responsible AI behandelen als een korte theorieles aan het einde. Content safety, PII-redactie, menselijke controle, loggingbeleid en datakwaliteit raken direct aan de bruikbaarheid van AI-oplossingen. In document- en taalprojecten moet een kandidaat bijvoorbeeld kunnen uitleggen wat er gebeurt met gevoelige input, welke output wordt opgeslagen en hoe ongewenste inhoud wordt beperkt.

Een vierde fout is aannemen dat alle features overal beschikbaar zijn. Azure-services verschillen per regio, en sommige mogelijkheden kunnen regionale beperkingen of specifieke configuratievereisten hebben. Dat is geen detail voor Belgische en Europese teams: regioselectie raakt aan beschikbaarheid, dataresidentie, latency, herstelstrategie en intern beleid. De officiële Azure-productbeschikbaarheid en Microsoft Learn-documentatie blijven hiervoor de bron van waarheid.

Hoe AI-102-vragen meestal aanvoelen

AI-102 is geen examen waarin alleen losse definities worden gevraagd. Kandidaten moeten rekening houden met scenario’s waarin een organisatie documenten wil analyseren, klanteninteracties wil automatiseren, zoekervaringen wil verbeteren of bestaande applicaties wil uitbreiden met AI. Zulke vragen bevatten vaak beperkingen rond kosten, beveiliging, taal, regio, datatypes of onderhoud.

Daarom is het nuttig om tijdens het oefenen telkens drie vragen te stellen. Welke Azure AI-service past het best bij het probleem? Welke beveiligings- en integratiekeuzes zijn nodig om dit verantwoord te implementeren? Welke operationele signalen tonen straks of de oplossing werkt zoals bedoeld? Die manier van lezen voorkomt dat een kandidaat te snel naar een bekende service grijpt terwijl de case eigenlijk om een andere afweging vraagt.

Oefenvragen zijn waardevol, maar alleen wanneer ze worden gebruikt als diagnose. Een fout antwoord moet leiden tot een korte notitie: ontbreekt servicekennis, is het probleem een security-concept, was de vraag verkeerd gelezen, of ontbrak praktijkervaring? Brain dumps en examenvragen uit onbetrouwbare bronnen zijn geen goede voorbereiding en kunnen in strijd zijn met examenregels. Bovendien leren ze zelden de redenering die nodig is bij nieuwe scenario’s.

Examendag: timing, omgeving en aanpak

De exacte examenervaring kan verschillen per afnamemethode en per update van Microsoft, dus de instructies van Microsoft en de exam provider zijn leidend. Bij een online examen moeten identificatie, ruimtecontrole, camera, microfoon, netwerkverbinding en software vooraf worden getest. Bij een testcentrum blijft het belangrijk om vroeg aanwezig te zijn en geen aannames te doen over toegestane materialen.

1. Lees eerst de vraag en daarna pas de antwoorden, zodat serviceherkenning niet de analyse overneemt.
2. Markeer vragen waar twee opties plausibel lijken en keer later terug met de beperkingen uit de case in gedachten.
3. Let op woorden die kosten, regio, security, latency, compliance of beheerbaarheid sturen.
4. Gebruik de laatste minuten om gemarkeerde vragen te controleren, niet om alle antwoorden impulsief te wijzigen.

Case-achtige vragen vragen extra discipline. De relevante informatie staat vaak verspreid over meerdere tabs of tekstblokken, en sommige details zijn afleidend. Kandidaten doen er goed aan om eerst het doel van de oplossing te bepalen, daarna de harde beperkingen te zoeken en pas dan de technische keuze te maken. In veel gevallen is het veiligste antwoord niet het meest uitgebreide antwoord, maar het antwoord dat het probleem oplost met de minste onnodige complexiteit.

Na het examen: certificering onderhouden en richting kiezen

Wie slaagt voor AI-102 behaalt de Microsoft Certified: Azure AI Engineer Associate-certificering. Microsoft-certificeringen hebben een eigen renewal-proces via Microsoft Learn, en kandidaten moeten de officiële certificeringspagina raadplegen voor de actuele vernieuwingsregels. Het is verstandig om niet te wachten tot vlak voor de vervaldatum, omdat Azure AI-services snel veranderen en vernieuwing makkelijker is wanneer de kennis actief wordt bijgehouden.

De vervolgstap hangt af van de rolrichting. Wie dieper wil werken met modeltraining, experimenten en MLOps kan DP-100 onderzoeken. Wie bredere cloudapplicaties wil bouwen rond API’s, event-driven architecturen, storage en beveiliging kan AZ-204 overwegen. Wie AI-oplossingen in governance-, security- of compliancecontexten inzet, doet er goed aan om zich aanvullend te verdiepen in Microsoft Purview, Entra ID, Azure Policy, NIST CSF en ISO/IEC 27001-principes, zonder die onderwerpen te verwarren met de kernscope van AI-102.

Van examenvoorbereiding naar bruikbare Azure AI-vaardigheid

De sterkste AI-102-voorbereiding combineert officiële examendoelen met labs waarin services samenwerken. Een kandidaat die Document Intelligence, Azure AI Search, Key Vault, managed identity, monitoring en Responsible AI in één kleine oplossing heeft gebruikt, begrijpt de examenvragen meestal beter dan iemand die alleen losse modules heeft afgerond. De voorbereiding wordt daardoor niet alleen gerichter, maar ook nuttiger voor werk in Belgische en Europese Azure-omgevingen.

Een praktische volgende stap is om het zeswekenplan om te zetten in agenda-afspraken, per week één labresultaat vast te leggen en de officiële Microsoft Learn Skills measured-pagina vóór het examen opnieuw te controleren. Wie daar gestructureerde begeleiding naast wil zetten, kan de AI-102-training van Readynez gebruiken als aanvullend kader voor uitleg, labs en herhaling, terwijl de eigen praktijkoplossing het bewijs blijft dat de stof echt is begrepen.