Warum AutoML?

Weil Du keine eigene Data-Science-Abteilung brauchst.
Weil Du die Daten schon hast – in Access.
Und weil Azure Dir fertige Modelle liefert, wenn Du’s richtig anstellst.

AutoML übernimmt:
Modellwahl, Training, Bewertung – alles im Azure Portal.
Du rufst es einfach per REST aus Access auf.

Was brauchst Du?

• Azure-Konto mit Machine Learning Workspace
• AutoML-Projekt mit veröffentlichtem Modell
• REST-Endpoint + API-Key
• Datenstruktur, die zum Modell passt
• VBA in Access, um alles zu verbinden

Setup im Azure Portal

1. Dataset hochladen (CSV reicht)
2. AutoML starten (Regression, Klassifikation etc.)
3. Modell wählen und deployen
4. Endpoint & Primary Key notieren

Beispiel-URL:

https://mlworkspace1234.europe.azureml.net/score

Tabellenstruktur

Tabelle	Zweck
tblDaten	Eingangsdaten für Vorhersage
tblPrognosen	Modellantworten speichern

Beispiel: Prognose eines Verkaufspreises

JSON-Body aufbauen (mit deinen Spaltennamen)

Function ErzeugeRequestBody(preis As Double, region As String, saison As String) As String
    Dim json As String
    json = "{" & _
           """Inputs"": {""data"": [" & _
           "{""PreisBasis"": " & preis & "," & _
           """Region"": """ & region & """," & _
           """Saison"": """ & saison & """}" & _
           "]}, ""GlobalParameters"": {} }"
    ErzeugeRequestBody = json
End Function

REST-Aufruf aus Access

Function RufeAutoMLVorhersage(jsonRequest As String) As String
    Dim http As Object
    Dim url As String
    Dim apiKey As String

    url = "https://mlworkspace1234.europe.azureml.net/score"
    apiKey = "DEIN_API_KEY"

    Set http = CreateObject("MSXML2.ServerXMLHTTP")
    http.Open "POST", url, False
    http.setRequestHeader "Content-Type", "application/json"
    http.setRequestHeader "Authorization", "Bearer " & apiKey
    http.send jsonRequest

    RufeAutoMLVorhersage = http.responseText
End Function

Antwort extrahieren

Function ExtrahiereVorhersage(json As String) As String
    Dim sc As Object
    Set sc = CreateObject("ScriptControl")
    sc.Language = "JScript"
    sc.AddCode "function extract(j){return JSON.parse(j).Results[0];}"
    ExtrahiereVorhersage = sc.Run("extract", json)
End Function

Oder, je nach Modellstruktur:

sc.AddCode "function extract(j){return JSON.parse(j).Results[0].ScoredLabels;}"

Button: Prognose starten

Private Sub btnVorhersage_Click()
    Dim eingabeJSON As String
    Dim antwort As String
    Dim ergebnis As String

    eingabeJSON = ErzeugeRequestBody(Me.txtBasispreis, Me.cboRegion, Me.cboSaison)
    antwort = RufeAutoMLVorhersage(eingabeJSON)
    ergebnis = ExtrahiereVorhersage(antwort)

    Me.txtVorhersage = ergebnis
    Call SpeicherePrognose(Me.ID, ergebnis)
End Sub

Prognose speichern

Sub SpeicherePrognose(datenID As Long, wert As String)
    CurrentDb.Execute "INSERT INTO tblPrognosen (DatenID, Ergebnis, Zeitstempel) VALUES (" & _
                      datenID & ", '" & Replace(wert, "'", "''") & "', Now())"
End Sub

Was AutoML dir abnimmt

• Feature-Auswahl
• Modellvergleich
• Hyperparameter-Tuning
• Bewertung (RMSE, Accuracy etc.)
• Deployment + REST-Schnittstelle

Was Du trotzdem brauchst

• Saubere Daten (kein Schrott rein)
• Klare Zielspalte
• Zugriff auf Azure-Ressourcen
• Monitoring Deiner Nutzung (API-Limits)

Was Du analysieren kannst

Anwendungsfall	Ziel
Angebotspreis	Regression
Kündigerkennung	Klassifikation
Bedarfserkennung	Binary Classification
Lieferzeitprognose	Regression

„Access liefert die Daten, Azure die Vorhersage. Ohne Bullshit-Bingo.“

Wenn Du das brauchst – ich helf Dir beim Aufsetzen.
AutoML für Mittelstand. In der Sprache, die Du sprichst. Access VBA.