KI für Entscheider. Potenziale erkennen und Use Cases bewerten.
- Seminar
- Präsenz / Virtual Classroom
- 17 Termine verfügbar
- 16 Unterrichtseinheiten
- Teilnahmebescheinigung
- Garantietermine vorhanden
KI-Potenziale im Unternehmen erkennen, KI Use Cases bewerten und erfolgreich umsetzen.
Eine KI-Anwendung kann Herausforderungen in Ihrem Unternehmen lösen und Sie von Wettbewerbern abheben. Sei es durch Prozessoptimierung, gesteigerte Produktqualität oder einen besseren Kundenservice. Ansatzpunkte wie und wo Verbesserungen des eigenen Betriebsablaufs durch KI möglich sind, gibt es in der Regel viele. Die Kunst ist, diese Ansatzpunkte zielsicher identifizieren zu können.
In diesem praxisnahen Training lernen Sie die Potentiale von KI-Anwendungen kennen und erfahren, wo Sie solche Anwendungen im eigenen Unternehmen umsetzen können. Dabei lernen Sie, welche Einzelschritte bei der Entwicklung von KI-Anwendungen notwendig sind (von der Datenbeschaffung bis zum Endprodukt) und wie Sie solche Projekte sinnvoll und mit Mehrwert managen.
Dieser Kurs ist auch in englischer Sprache verfügbar.
Nutzen
- Sie erhalten einen kompakten Einstieg in das Thema künstliche Intelligenz und erlernen wichtige Begriffe.
- Sie lernen auf Augenhöhe mit KI-Experten und Data Scientists zu kommunizieren.
- Sie verstehen, dass Daten die absolute Grundlage für KI-Projekte sind und wie die Daten für KI-Projekte (vor-)verarbeitet werden müssen.
- Sie lernen Machine Learning Algorithmen kennen und können so Chancen und Grenzen einschätzen.
- Sie werden in die Lage versetzt, KI-Projekte in Ihrem eigenen Unternehmen zu identifizieren.
- Sie können einen Umsetzungsplan eigener KI-Projekte erstellen und diese dann auch managen.
Zielgruppe
Anforderungen
Inhalte
Erster Seminartag
1. KI Basics – Begrifflichkeiten & Grundkonzepte
- Wirtschaftlicher Stellenwert: Künstliche Intelligenz als strategischer Wettbewerbsvorteil
- Begriffsabgrenzung: Definition und Einordnung von wichtigen Begriffen, wie Machine Learning, Deep Learning, Neuronale Netze, Large Language Modelle, Tokens, …
- Funktionsweise: Klassische Programmierung vs. Machine Learning; Grundprinzip Neuronaler Netze
2. Chancen & Risiken im Unternehmenseinsatz
- Success Stories & Use Cases: Praxisbeispiele aus unterschiedlichen Branchen
- Risikomanagement: Bias in Trainingsdaten, Halluzinationen, Black-Box-Problematik und Bedrohungen wie Prompt Injections
3. KI-Strategie & Governance
- Use-Case-Evaluierung: Problem-First-Ansatz
- Wirtschaftlichkeit: Kosten-Nutzen-Analyse
- Make-or-Buy: Entscheidungsmatrix für Eigenentwicklung vs. Standardsoftware sowie Erstellung einer KI-Roadmap
4. Datenmanagement als Fundament für KI
- Datenstrategie & -qualität: Datenqualität als Grundlage für erfolgreiche KI Projekte
- Aufbereitung von Daten: Verbesserung der Datenqualität
- Data Splitting: Vermeidung von Overfitting
- Datenintegration: Konsolidierung komplexer Datenquellen via Data-Warehouse-Pipelines
Zweiter Seminartag
5. LLMs, Generative AI & Agentic Systems
- Technologietrends: LLM, KI Assistenten/Agenten und Workflows
- Optimierung LLM Outputs: Prompting, RAG & Finetuning
- Praxisanwendung: Erstellung eines eigenen KI Assistenten
6. Compliance, EU AI Act & Datenschutz
- EU AI Act: Risikobasierte Klassifizierung von KI-Anwendungen und Ableitung betrieblicher Pflichten
- DSGVO-Standards: Zweckbindung, Datenminimierung, Anonymisierungspflichten und Erklärungspflichten bei automatisierten Entscheiden
7. Modernes Infrastrukturdesign & Datensouveränität
- Datenbanksysteme: Relationale Datenbanken vs. Vektordatenbanken und Knowledge-Graphen für LLM-/RAG-Anwendungen
- Betriebsmodelle: Abwägung Cloud vs. On-Premise (Skalierbarkeit vs. Rechenpower vs. Kontrolle)
- Datensouveränität: Strategien zur Vollkontrolle über Unternehmensdaten (z. B. Hosting von Open-Source-Modellen)
8. KI-Projektmanagement & Change Management
- Lifecycle: Von der Potenzialanalyse über PoC und Prototyp bis zur Operationalisierung
- Team-Rollen: Abgrenzung von Data Scientist, Data Engineer, ML Engineer, Product Owner und Domain Expert
- Agile Frameworks: SCRUM Projektmanagement
- Transformation: Change Management zur Förderung der User Acceptance
