Google Cloud Professional Machine Learning Engineer
PMLE
Die Zertifizierung Google Cloud Professional Machine Learning Engineer bestätigt die Fähigkeit, ML- und generative KI-Lösungen auf Google Cloud zu entwerfen, zu bauen, produktiv zu setzen und zu betreiben. Der Prüfungsleitfaden vom Juni 2026 umfasst sechs Bereiche: Low-Code-KI-Lösungen mit BigQuery ML, AutoML und vortrainierten APIs entwerfen; teamübergreifend zusammenarbeiten, um Daten zu erkunden, in Notebooks zu prototypisieren und Experimente nachzuverfolgen; Prototypen zu Modellen skalieren, einschließlich der Wahl zwischen CPU, GPU oder TPU; Modelle für Batch- und Online-Inferenz bereitstellen und skalieren; ML-Pipelines mit kontinuierlichem Training automatisieren und orchestrieren; sowie KI-Lösungen auf Drift, Bias und Prompt-Injection-Risiken überwachen. Python und SQL solltest du lesen können, Programmierkenntnisse werden jedoch nicht geprüft, und es gibt keine Fallstudien — jede Frage steht für sich.
50–60
120 Min.
70/ 100
Unser eigener Richtwert — der Anbieter veröffentlicht keinen
242+
Zielgruppe
ML-Engineers, Data Scientists und MLOps-Praktiker, die bereits Modelle ausliefern und nun Produktionsurteil auf Google Cloud nachweisen möchten. Google empfiehlt drei oder mehr Jahre Berufserfahrung, davon mindestens ein Jahr im Entwurf und Betrieb von Lösungen auf Google Cloud. Ebenso geeignet für Data- oder Platform-Engineers, die ML-Verantwortung übernehmen, und für Teams, die generative KI in ein bestehendes Produkt einbauen.
Voraussetzungen
Es gibt keine Voraussetzungszertifizierung, aber dies ist eine Prüfung auf Professional-Niveau und setzt praktische ML-Erfahrung voraus. Du solltest den gesamten Modelllebenszyklus beherrschen (Datenaufbereitung, Training, Evaluierung, Deployment, Monitoring) und Python sowie SQL lesen können, auch wenn Programmierung selbst nicht geprüft wird. Vertrautheit mit BigQuery, Gemini Enterprise Agent Platform (vormals Vertex AI), Pipelines und containerisiertem Serving zählt mehr als Framework-Tiefe. Wisse, wann Fine-Tuning richtig ist, wann RAG und wann eine vortrainierte API genügt.
Fragetypen
Language & Recognition
Official Exam Languages
PasslyExam Languages
Recognition Scope
Weltweit anerkannt und in vielen Ländern breit einsetzbar.
Prüfungsbereiche
Architektur von Low-Code-KI-Lösungen
Zusammenarbeit innerhalb und zwischen Teams zur Verwaltung von Daten und Modellen
Skalieren von Prototypen zu ML-Modellen
Bereitstellen und Skalieren von Modellen
Automatisieren und Orchestrieren von ML-Pipelines
Überwachen von KI-Lösungen
Empfohlener Lernplan
- Woche 1: Präge dir die sechs Abschnitte und ihre Gewichte aus dem offiziellen Leitfaden vom 1. Juni 2026 ein: Low-Code-KI 13 %, teamübergreifende Daten- und Modellverwaltung 16 %, Prototypen skalieren 21 %, Modelle bereitstellen und skalieren 20 %, Pipelines automatisieren 18 %, KI-Lösungen überwachen 13 %. Abschnitt 3 und 4 machen zusammen 41 % aus. Programmierung wird nicht geprüft, Fallstudien gibt es nicht.
- Woche 2: Lege eine Tabelle der Entscheidungsachsen an: die Leiter vortrainierte API → BigQuery ML → Agent Platform AutoML → Custom Training; Fine-Tuning (Verhalten, Stil, Format) gegenüber RAG (frisches oder internes Wissen); Batch- gegenüber Online-Inferenz; CPU/GPU/TPU; sowie Daten- gegenüber Modellparallelität. Löse täglich 20–25 Fragen.
- Woche 3: Wiederhole Betriebsszenarien: Agent Platform Pipelines gegenüber Managed Service for Apache Airflow, die CI/CD-Schleife mit kontinuierlichem Training, Feature Store als Heilmittel gegen Training-Serving-Skew und die Unterscheidung von Training-Serving-Skew, Data Drift, Concept Drift und Feature Attribution Drift.
- Letzte 5–7 Tage: Getimte Mock-Prüfungen, um die Zeiteinteilung über 2 Stunden zu fixieren. Seit dem Rebranding vom 22. April 2026 heißen alle Vertex-AI-Dienste Gemini Enterprise Agent Platform — prüfe zum Schluss, ob sich aus veraltetem Material alte Namen eingeschlichen haben.
Prüfungsprozess für Fragen
Probier das Übungsset direkt aus und beurteile die Ähnlichkeit zur echten Prüfung selbst.
Häufig gestellte Fragen (FAQ)
Q. Was prüft die PMLE-Zertifizierung?
A. Sie bestätigt, dass du ML- und generative KI-Lösungen auf Google Cloud entwerfen, bauen, produktiv setzen und betreiben kannst — auf Professional-Niveau. 2 Stunden, 50–60 Multiple-Choice- und Multiple-Select-Fragen, 200 USD. Der offizielle Leitfaden hält fest, dass Programmierkenntnisse nicht geprüft werden, und Fallstudien gibt es nicht.
Q. Wie viel Erfahrung wird empfohlen?
A. Google empfiehlt drei oder mehr Jahre Berufserfahrung, davon mindestens ein Jahr im Entwurf und Betrieb von Lösungen auf Google Cloud. Eine Voraussetzungszertifizierung gibt es nicht, aber wer noch nie ein Modell in Produktion gebracht hat, festigt die Google-Cloud-Grundlagen besser zuerst mit ACE.
Q. Wo gehen die meisten Punkte verloren?
A. An vier Stellen: ein Problem mit frischem oder internem Wissen per Fine-Tuning lösen zu wollen (richtig ist RAG/Grounding); Batch-Inferenz bei einer Millisekunden-Latenzanforderung zu wählen; Modellparallelität zu wählen, obwohl das Modell auf einen Accelerator passt; und die vier Drift-Arten zu verwechseln.
Q. Sind die Produktumbenennungen wichtig?
A. In dieser Prüfung besonders. Seit dem 22. April 2026 heißt Vertex AI Gemini Enterprise Agent Platform, und AutoML, Workbench, Pipelines, Feature Store, Model Registry und Inference tragen Agent-Platform-Namen. BigQuery, Model Garden, Gemini, Gemma, Ray und Model Armor haben sich dagegen nicht geändert — sie umzubenennen ist genauso falsch.
Q. Welcher Mock-Score gilt als stabil?
A. 75–80 %+ über deine letzten 3 Mock-Prüfungen, ohne in Abschnitt 3 und 4 (zusammen 41 %) einzubrechen. Google veröffentlicht keine offizielle Bestehensgrenze — behandle also keine Zahl als offiziellen Schwellenwert.
Q. Worin unterscheiden sich Übungsfragen und die Prüfungssimulation auf Zeit?
A. Übungsfragen löst du nach Thema mit Fehlererklärungen, um Schwächen auszugleichen; die Prüfungssimulation auf Zeit machst du wie die echte Prüfung. Beide nutzen Originalfragen mit Erklärungen vom KI-Tutor.
Q. Ist das mit Exam-Dumps vergleichbar?
A. PasslyExam bietet keine geleakten Dumps. Unsere Inhalte entstehen aus offiziellen Leitfäden und öffentlichen Prüfungszielen und werden anschließend so abgestimmt, dass sie realistische Fragemuster und eine passende Schwierigkeitsverteilung widerspiegeln. Der Fokus liegt auf praxisnaher Vorbereitung mit erklärungsbasiertem Lernen, nicht auf dem Auswendiglernen geleakter Inhalte.
Leitfaden als Dump-Alternative ansehen