Direkt zum Inhalt

Top 13 AWS-Projekte: Vom Anfänger zum Profi

Entdecke 13 praktische AWS-Projekte für alle Stufen. Verbessere deine Cloud-Kenntnisse mit praktischen, realen Anwendungen und fachkundiger Anleitung.
Aktualisierte 16. Jan. 2025  · 12 Min. Lesezeit

Amazon Web Services (AWS) ist derzeit der führende Anbieter von Cloud-Diensten, mit 31% des weltweiten Marktanteils. Das bedeutet, dass der Erwerb einer AWS-Zertifizierung entscheidend ist für viele technische Berufe wie Data Engineer oder Cloud Architect.

Theoretisches Wissen allein reicht jedoch nicht aus. Um die AWS-Funktionen wirklich zu verstehen und effektiv zu nutzen, sind praktische Projekte unerlässlich.

Dieser Artikel führt dich durch eine Reihe von AWS-Projekten, die für alle Erfahrungsstufen geeignet sind. Im letzten Abschnitt gehen wir auf einige DevOps-Projekte ein, die sich auf Microservices, Monitoring und Infrastruktur als Code konzentrieren.

Denke immer daran, die Ressourcen, die du für ein Projekt verwendest, zu schließen oder zu beenden, wenn du fertig bist. Lass keine AWS-Services länger als ein paar Stunden aktiv laufen, um unerwartete Kosten zu vermeiden.

Beginner

Zwischenbericht

Fortgeschrittene

DevOps

1. Hosting einer statischen Website auf Amazon S3

4. Aufbau eines serverlosen Bildverarbeitungssystems

6. Einsatz einer kompletten Betrugserkennungslösung durch maschinelles Lernen mit Amazon Sagemaker

11. Aufbau einer Fullstack-App mit ECS, Terraform und CodePipeline

2. Bereitstellung einer einfachen Python-Webanwendung mit AWS Elastic Beanstalk

5. Einen Chatbot mit AWS Lex erstellen

7. Aufbau eines Empfehlungssystems mit MXNET-Daten auf Amazon Sagemaker

12. Aufbau eines automatisierten CloudWatch Alarm Reporting Systems

3. Bereitstellung von SQL Server-Datenbanken auf Amazon RDS

 

8. Aufbau eines Bildklassifizierungssystems mit Amazon Sagemaker

13. Aufbau einer containerisierten Webanwendung mit Amazon ECS und AWS Fargate

 

9. Aufbau einer multimodalen RAG mit Foundation Models und AWS

 

10. Aufbau eines agentenbasierten LLM-Assistenten auf AWS

AWS-Projekte für Einsteiger

Wenn du ein relativer Neuling bei AWS bist, können dir diese Projekte helfen, einige der grundlegenden Funktionen zu erkunden und dich mit Best Practices und mehr vertraut zu machen. 

Erste Schritte mit AWS: IAM-Rollen und S3

Als AWS-Neuling machst du dich am besten mit dem AWS-Ökosystem und seinen Diensten vertraut. Unser Einführung in AWS Kurs führt dich durch die Grundlagen und einige fortgeschrittene Konzepte.

Die beiden am häufigsten genutzten Dienste, mit denen jeder Anfänger vertraut sein sollte, sind IAM und S3.

AWS Identitäts- und Zugriffsmanagement (IAM)

Der IAM-Service ist in jedem AWS-Konto enthalten. Über IAM kannst du neue Benutzer hinzufügen und ihren Zugriff auf AWS-Dienste und -Ressourcen kontrollieren.

Du musst wissen, wie du IAM verwendest und die bewährten Sicherheitsverfahren befolgen. Diese Fähigkeiten sind für die in diesem Artikel erwähnten AWS-Projekte entscheidend.

AWS IAM Überblick

Quelle: AWS

AWS Simple Storage Service (S3)

AWS S3 ist wahrscheinlich einer der beliebtesten und am meisten genutzten AWS-Dienste. Es bietet eine extrem kostengünstige Datenspeicherlösung und ist unglaublich einfach einzurichten. Amazon bietet auch das Elastic File System (EFS) als alternative Speicherlösung an. 

Unser AWS-Speicher-Tutorial erforscht die verschiedenen Funktionen und Vorteile von S3 und EFS.

Viele der in diesem Artikel aufgeführten Projekte nutzen S3 in irgendeiner Weise als Speicherlösung, und du wirst es in deinem Beruf wahrscheinlich ausgiebig nutzen. Informieren Sie sich darüber was Amazon S3 istund lesen Sie das Kapitel über AWS-Speicherdienste aus unserem KursEinführung in AWS.

1. Hosting einer statischen Website auf Amazon S3

Um die Projekte in diesem Artikel zu starten, beginnen wir mit dem einfachen Hosting einer statischen Website. Es wird empfohlen, dass du deine eigene statische Website erstellst, um nicht nur zu lernen, wie man einige AWS-Dienste nutzt, sondern auch, um deine Projekte zu veröffentlichen und deine AWS-Fähigkeiten in einem Portfolio zu demonstrieren, das du an zukünftige Arbeitgeber schicken kannst.

Die AWS-Dokumentation enthält eine sehr leicht verständliche Anleitung für Konfiguration einer statischen Website mit einer bei Route 53 registrierten Domain.

AWS-Services, die in diesem Projekt verwendet werden:

  • Amazon Route 53 für die Registrierung einer Domain.
  • Amazon S3 zum Speichern deiner Website-Inhalte.
  • CloudFront, um deine statische Website zu beschleunigen.
  • Lambda@Edge (eine Funktion von CloudFront) für die Sicherheit.

2. Bereitstellung einer einfachen Python-Webanwendung mit AWS Elastic Beanstalk

AWS Elastic Beanstalk Überblick

Quelle: AWS

Eine der besten Möglichkeiten, die grundlegende Funktionsweise von AWS Elastic Beanstalk kennenzulernen, ist die Bereitstellung einer Python-Webanwendung mit entweder Flask oder Django.

AWS Elastic Beanstalk ist ein großartiger Service für die Bereitstellung von Webanwendungen, weil du dich auf deinen Anwendungscode konzentrieren kannst, anstatt dich um die Verwaltung der Infrastruktur zu kümmern. 

Du musst jedoch noch einige wichtige Konzepte lernen, um deine Web-App richtig zu konfigurieren, z. B. Umgebungsvariablen, Lastausgleich und automatische Skalierung. Diese praktische Erfahrung ist eine gute Einführung in einige DevOps-Konzepte und -Praktiken.

3. Bereitstellen von SQL Server-Datenbanken auf Amazon RDS

Der Amazon RDS für SQL Server Workshop bietet eine Schritt-für-Schritt-Anleitung für Amazon RDS. Du erstellst eine DB-Instanz und lernst wichtige Konzepte zu Backups, Sicherheit, Skalierung, Optimierung und Überwachung deiner DB-Instanz.

Fortgeschrittene AWS-Projekte

Diese Projekte zeigen Anfängern, wie sie Cloud-Dienste für skalierbare, effiziente Lösungen nutzen können, und vermitteln gleichzeitig praktische Erfahrungen im Umgang mit realen Anwendungsfällen wie Bildverarbeitung und interaktiven Chatbots.

4. Aufbau eines serverlosen Bildverarbeitungssystems

Dieses Projekt führt dich durch die Erstellung eines serverlosen Bildverarbeitungs-Workflow mit AWS Step Functions, AWS Lambda, Amazon DynamoDB und Amazon SNS.

Indem du AWS Step Functions nutzt, um mehrere Services zu orchestrieren, lernst du, komplexe Workflows zu orchestrieren und zu automatisieren - eine wichtige Fähigkeit für moderne Cloud-basierte Lösungen.

AWS-Services, die in diesem Projekt verwendet werden:

  • Amazon Rekognition, um zu erkennen, ob ein Gesicht in einem hochgeladenen Bild vorhanden ist.
  • AWS CloudFormation für eine Vorlage, die schnell die für das Projekt benötigten Ressourcen einrichtet
  • AWS-Schrittfunktionen zur Orchestrierung des Workflows.
  • AWS Lambda, um Rekognition aufzurufen.
  • Amazon DynamoDB zum Speichern von Bild-Metadaten.
  • Amazon Simple Notification Service (SNS).
  • Amazon EventBridge, um den Zustandsautomaten auszulösen, der ausgeführt wird, wenn ein neues Bild hochgeladen wird.

AWS Serverless Image Processing System Architecture Zusammenfassung

Quelle: AWS

5. Einen Chatbot mit AWS Lex erstellen

Chatbots sind derzeit ein heißes Thema, und mit AWS Lex ist es unglaublich einfach, einen Chatbot mit einer Weboberfläche einzurichten, die in deine persönliche oder Unternehmenswebsite integriert werden kann.

AWS Lex Chatbot Demo

Quelle: AWS

AWS bietet ein Beispielprojekt für Amazon Lex UI mit dem du praktische Erfahrungen beim Einrichten und Verwenden eines Chatbots sammeln kannst. Die Verwendung einer Amazon CloudFormation-Vorlage beschleunigt dies noch weiter, da sie alle Ressourcen enthält, die du für die automatische Erstellung und Konfiguration der Chatbot-Benutzeroberfläche benötigst.

AWS-Services, die in diesem Projekt verwendet werden:

  • Amazon Cognito-Identitätspool, um Anmeldeinformationen zu erstellen, die für die Authentifizierung der Lex-API-Aufrufe im Browser verwendet werden.
  • AWS Lex für den Chatbot.
  • Amazon CloudFormation für die Vorlage.

Erweiterte AWS-Projekte

In diesem Abschnitt stellen wir maschinelles Lernen und KI-basierte Projekte vor, die eine breite Palette von AWS-Services nutzen.

Diese Projekte führen dich in fortschrittliche Technologien und Fertigkeiten ein und ermöglichen es dir, wirkungsvolle, innovative Lösungen zu entwickeln, die das Nutzererlebnis und die Geschäftsprozesse verbessern.

Projekte zum maschinellen Lernen mit AWS

Amazon Sagemaker ist ein vollständig verwalteter, vielseitiger und skalierbarer Service zum Erstellen, Trainieren und Bereitstellen von Machine Learning-Modellen in AWS. Es ist unser Tool der Wahl für fortgeschrittene AWS-Projekte mit maschinellem Lernen.

Schau dir diese Einführung in Sagemaker Tutorium für eine vollständige Übersicht über diesen Dienst.

6. Einsatz einer kompletten Lösung zur Betrugserkennung durch maschinelles Lernen mit Amazon Sagemaker

Das erste Projekt in diesem Abschnitt ist eine tiefgreifende End-to-End Lösung zur Betrugserkennung durch maschinelles Lernen die von AWS entwickelt wurde.

Dieses Projekt führt dich durch die Datenaufbereitung, die Modellschulung und den Einsatz. Du erhältst einen Einblick in den gesamten Prozess des maschinellen Lernens, und am Ende hast du ein voll funktionsfähiges System zur Betrugserkennung.

AWS-Lösung zur Betrugserkennung mit Amazon Sagemaker: Überblick über den Prozess des maschinellen Lernens

Quelle: AWS

Um das Projekt effektiv zu steuern, sind einige grundlegende Python-Kenntnisse erforderlich. Der Code ist jedoch gut erklärt, so dass du ihm auch dann folgen kannst, wenn du Python noch nicht kennst.

7. Aufbau eines Empfehlungssystems in Amazon Sagemaker

In diesem Projekt wirst du ein Empfehlungssystem trainieren und einsetzen. Empfehlungssystem mit Hilfe von Kundenbewertungsdaten auf Amazon Sagemaker.

Dieses Projekt führt in die grundlegenden Konzepte ein, die beim Aufbau von Empfehlungssystemen verwendet werden. Du wirst praktische Erfahrungen mit Deep Learning-Konzepten und SageMaker für skalierbares Modelltraining und -einsatz sammeln.

Empfehlungssysteme sind im E-Commerce, beim Streaming von Inhalten und in anderen Bereichen weit verbreitet, so dass dieses Projekt sehr relevant ist und den erlernten Fähigkeiten einen realen Kontext verleiht.

8. Aufbau einer Pipeline zur Bildklassifizierung mit Amazon Sagemaker und MXNet-Daten

In diesem Projekt erstellst du eine Pipeline zur Bildklassifizierung mit Amazon Sagemaker.

Dieses Projekt wird dich in die Bildklassifizierung einführeneine grundlegende Aufgabe in der Computer Vision. Wenn du jedoch Amazon Sagemaker nutzt, um die ganze Arbeit zu erledigen, kannst du dich auf das Verständnis des Arbeitsablaufs und der Schlüsselkonzepte konzentrieren, ohne dich um die Erstellung deiner eigenen Modelle kümmern zu müssen.

KI-Projekte mit AWS

Der zweite Teil der fortgeschrittenen Projekte konzentriert sich auf KI-basierte Lösungen. Generative KI, große Sprachmodelle und chatGPT dominieren derzeit den KI-Markt, sodass es ein guter Zeitpunkt ist, deine KI-Kenntnisse zu verbessern.

Amazon Bedrock ist ein vollständig verwalteter, serverloser Service, mit dem du einfach und sicher mit generativen KI-Lösungen experimentieren und sie einsetzen kannst.

Schau dir diesen Amazon Bedrock Workshop für eine Einführung in Bedrock und wie es funktioniert.

9. Aufbau einer multimodalen RAG mit Stiftungsmodellen und AWS

In diesem ersten Projekt baust du eine multimodale RAG mit Hilfe von Fundamentmodellen die auf Amazon Bedrock und Amazon Sagemaker gehostet werden.

Das Ziel ist es, kontextrelevante Informationen aus Tabellen, Diagrammen und Text in Foliendokumenten (wie z.B. Microsoft PowerPoint) zu extrahieren. Hier ist eine multimodale RAG besonders nützlich - wenn du Daten in verschiedenen Formaten (wie Bilder oder Text) hast und daraus Erkenntnisse gewinnen musst.

Durch die Arbeit mit Basismodellen auf Amazon Bedrock und SageMaker kannst du praktische Erfahrungen mit modernsten KI-Tools sammeln. Die Fähigkeit, KI zu nutzen, um komplexe Datenextraktionen und -analysen durchzuführen, ist in einer Vielzahl von Branchen und Anwendungen von großem Wert.

10. Aufbau eines agentenbasierten LLM-Assistenten auf AWS

In diesem Projekt baust du einen agentenbasierten LLM-Assistenten auf AWS mit Bedrock, Lambda, Cognito, Aurora und S3.

Dies ist ein umfassendes Projekt, das einen praktischen Einblick in eine umfangreiche dreistufige Architektur bietet. Außerdem wird realistisch demonstriert, wie eine KI-basierte Lösung auf einer cloudbasierten Plattform entwickelt und eingesetzt wird.

Dieses Projekt deckt auch wichtige Aspekte der Benutzerauthentifizierung mit Cognito und der Datenverwaltung mit Aurora und S3 ab und vermittelt ein umfassendes Verständnis für eine sichere und effiziente Anwendungsentwicklung.

AWS Agentic LLM Assistant Architektur Zusammenfassung

Quelle: AWS

AWS DevOps-Projekte

DevOps umfasst fünf Hauptbereiche oder Best Practices:

  • Kontinuierliche Integration und kontinuierliche Bereitstellung
  • Microservices
  • Infrastruktur als Code
  • Überwachung und Protokollierung
  • Kommunikation und Zusammenarbeit

AWS bietet Services, die all diese Bereiche abdecken und ist damit eine gute Wahl, wenn du eine Karriere im Bereich DevOps anstrebst. In diesem Abschnitt stellen wir Projekte vor, die drei der oben genannten Bereiche mit AWS-Diensten angehen.

11. Aufbau einer Fullstack-App mit ECS, Terraform und CodePipeline

Dieses Projekt zeigt, wie man AWS-Services nutzt, um eine robuste Architektur für die Bereitstellung einer Full-Stack-Anwendung.

Er zeigt die Vorteile der Nutzung von Managed Container Services und Infrastructure as Code (IaC) für eine effiziente und zuverlässige Anwendungsbereitstellung auf.

Du bekommst praktische Erfahrungen mit wichtigen AWS-Diensten wie ECS für das Container-Management, Terraform für Infrastructure as Code und CodePipeline für CI/CD und erwirbst so wichtige Cloud-Kenntnisse.

Durch die Integration von Continuous Integration und Continuous Deployment (CI/CD) Pipelines führt dich dieses Projekt auch in moderne DevOps-Praktiken ein. Du lernst, wie du Anwendungen zuverlässiger und effizienter bereitstellst. Diese Fähigkeiten sind entscheidend für die Aufrechterhaltung eines reibungslosen und automatisierten Arbeitsablaufs in Produktionsumgebungen.

AWS Full-Stack-Anwendung mit ECS, Terraform und CodePipeline Architektur Zusammenfassung

Quelle: AWS

12. Aufbau eines automatisierten CloudWatchalarm-Berichtssystems

Dieses Projekt führt dich durch die Erstellung eines automatisierten CloudWatch-Alarmberichtssystems das täglich Berichte über ausgelöste Amazon CloudWatch Alarme in einer bestimmten AWS Region erstellt. Der Bericht, der von einer durch Amazon EventBridge ausgelösten AWS Lambda-Funktion erstellt wird, wird als CSV-Datei in einem S3-Bucket gespeichert und über Amazon SES per E-Mail verschickt.

Dieses Projekt führt dich in die Automatisierung von Aufgaben mit AWS-Services wie Lambda, EventBridge und SES ein. Er zeigt, wie man Überwachungs- und Berichtsprozesse rationalisieren kann, was ein wichtiger Aspekt von DevOps ist.

Außerdem wird gezeigt, wie man mehrere AWS-Services (Lambda, S3, SES) integriert, um eine zusammenhängende Lösung zu schaffen, und du lernst, wie wichtig die Service-Orchestrierung in Cloud-Umgebungen ist.

AWS Automated CloudWatch Alarm Reporting System Zusammenfassung der ArchitekturQuelle: AWS

13. Aufbau einer containerisierten Webanwendung mit Amazon ECS und AWS Fargate

Dieses Projekt beinhaltet die Erstellung und Bereitstellung einer containerisierten Webanwendung mit Amazon ECS und Fargate. Die Anwendung zeigt je nach Auswahl des Benutzers zufällige Katzen- oder Hundebilder an.

Du wirst praktische Erfahrungen mit der Containerisierung mit Docker und der Orchestrierung mit Amazon ECS und Fargate sammeln.

AWS Fargate ist ein unverzichtbares DevOps-Tool für die Verwaltung und den Betrieb von Containern, ohne dass du Cluster von virtuellen Maschinen bereitstellen, konfigurieren oder skalieren musst.

Das Projekt umfasst auch Lasttests, bei denen du lernst, wie du die Skalierbarkeit und Zuverlässigkeit deiner Webanwendungen unter verschiedenen Verkehrsbedingungen bewerten und sicherstellen kannst.

AWS Containerized Web App mit Amazon ECS und AWS Fargate Demo-Prozess

Quelle: AWS

Fazit

Dieser Artikel stellt eine Reihe von AWS-Projekten vor, mit denen du deine Fähigkeiten auf allen Ebenen verbessern kannst. Er betont die Bedeutung praktischer Projekte, um praktische Erfahrungen und Kenntnisse über AWS-Dienste zu sammeln, die für verschiedene technische Aufgaben unerlässlich sind.

Egal, ob du eine Karriere in der Cloud-Technologie anstrebst oder einfach nur deine AWS-Kenntnisse erweitern möchtest, die in diesem Artikel vorgestellten Projekte bieten wertvolle Lernmöglichkeiten.

Um eine starke Karriere in AWS aufzubauen, melden Sie sich zunächst für unsere Einführung in AWS Kurs an und arbeite dich dann bis zur zertifiziert zu werden. Für einen Einblick in die Karriere- und Gehaltsoptionen für einen AWS Cloud Practitioner Rollefindest du in unserem detaillierten Leitfaden!

AWS Projekt FAQs

Mit welchen anfängerfreundlichen AWS-Projekten kannst du beginnen?

Zu den einsteigerfreundlichen AWS-Projekten gehören das Hosten einer statischen Website auf Amazon S3, das Bereitstellen einer einfachen Webanwendung mit AWS Elastic Beanstalk und das Einrichten einer grundlegenden serverlosen API mit AWS Lambda und API Gateway. Diese Projekte vermitteln grundlegende Kenntnisse über AWS-Services und ihre praktischen Anwendungen.

Wie hoch sind die Kosten für die Durchführung typischer AWS-Projekte?

Die Kosten für den Betrieb typischer AWS-Projekte variieren je nach den verwendeten Services, dem Umfang des Projekts und den Nutzungsmustern. AWS bietet einen Free Tier mit eingeschränktem Zugang zu vielen Diensten an, der es Anfängern ermöglicht, mit minimalen Kosten zu experimentieren, aber es ist wichtig, die Nutzung zu überwachen, um unerwartete Kosten zu vermeiden.

Wie stelle ich eine Webanwendung auf AWS bereit?

Um eine Webanwendung auf AWS bereitzustellen, kannst du Dienste wie AWS Elastic Beanstalk für einfache, skalierbare Bereitstellungen oder Amazon ECS für containerisierte Anwendungen nutzen. Der Prozess umfasst in der Regel die Vorbereitung deiner Anwendung, die Erstellung einer Umgebung in dem gewählten Dienst und die Bereitstellung deines Codes.

Wie automatisiere ich Bereitstellungen und Arbeitsabläufe auf AWS?

Du kannst Bereitstellungen und Arbeitsabläufe auf AWS automatisieren, indem du Dienste wie AWS CodePipeline für kontinuierliche Integration und kontinuierliche Bereitstellung (CI/CD), AWS CloudFormation für Infrastruktur als Code und AWS Step Functions für die Orchestrierung komplexer Arbeitsabläufe nutzt. Diese Tools helfen, Prozesse zu rationalisieren und manuelle Eingriffe zu reduzieren.

Welche Tools und Services muss ich für ein AWS DevOps-Projekt kennen?

Für ein AWS DevOps-Projekt solltest du mit AWS CodePipeline für CI/CD, AWS CodeBuild zum Erstellen und Testen von Code, AWS CodeDeploy für automatisierte Bereitstellungen und AWS CloudFormation für die Infrastrukturverwaltung vertraut sein. Außerdem sind Kenntnisse von AWS CloudWatch zur Überwachung und Protokollierung unerlässlich.


Joleen Bothma's photo
Author
Joleen Bothma
LinkedIn
Themen

Top AWS-Kurse

Kurs

AWS Concepts

2 hr
18.6K
Discover the world of Amazon Web Services (AWS) and understand why it's at the forefront of cloud computing.
Siehe DetailsRight Arrow
Kurs starten
Mehr anzeigenRight Arrow
Verwandt

Der Blog

Die 32 besten AWS-Interview-Fragen und Antworten für 2024

Ein kompletter Leitfaden zur Erkundung der grundlegenden, mittleren und fortgeschrittenen AWS-Interview-Fragen, zusammen mit Fragen, die auf realen Situationen basieren. Es deckt alle Bereiche ab und sorgt so für eine abgerundete Vorbereitungsstrategie.
Zoumana Keita 's photo

Zoumana Keita

30 Min.

Der Blog

Die 20 besten Snowflake-Interview-Fragen für alle Niveaus

Bist du gerade auf der Suche nach einem Job, der Snowflake nutzt? Bereite dich mit diesen 20 besten Snowflake-Interview-Fragen vor, damit du den Job bekommst!
Nisha Arya Ahmed's photo

Nisha Arya Ahmed

20 Min.

Der Blog

Lehrer/innen und Schüler/innen erhalten das Premium DataCamp kostenlos für ihre gesamte akademische Laufbahn

Keine Hacks, keine Tricks. Schüler/innen und Lehrer/innen, lest weiter, um zu erfahren, wie ihr die Datenerziehung, die euch zusteht, kostenlos bekommen könnt.
Nathaniel Taylor-Leach's photo

Nathaniel Taylor-Leach

4 Min.

Der Blog

Top 30 Generative KI Interview Fragen und Antworten für 2024

Dieser Blog bietet eine umfassende Sammlung von Fragen und Antworten zu generativen KI-Interviews, die von grundlegenden Konzepten bis hin zu fortgeschrittenen Themen reichen.
Hesam Sheikh Hassani's photo

Hesam Sheikh Hassani

15 Min.

Der Blog

Q2 2023 DataCamp Donates Digest

DataCamp Donates hat im zweiten Quartal 2023 über 20.000 Stipendien an unsere gemeinnützigen Partner vergeben. Erfahre, wie fleißige benachteiligte Lernende diese Chancen in lebensverändernde berufliche Erfolge verwandelt haben.
Nathaniel Taylor-Leach's photo

Nathaniel Taylor-Leach

Der Blog

2022-2023 DataCamp Classrooms Jahresbericht

Zu Beginn des neuen Schuljahres ist DataCamp Classrooms motivierter denn je, das Lernen mit Daten zu demokratisieren. In den letzten 12 Monaten sind über 7.650 neue Klassenzimmer hinzugekommen.
Nathaniel Taylor-Leach's photo

Nathaniel Taylor-Leach

8 Min.

Mehr anzeigenMehr anzeigen