Data Literacy - die Schlüsselqualifikation für künstliche Intelligenz.
- Seminar
- Präsenz / Virtual Classroom
- 7 Termine verfügbar
- 8 Unterrichtseinheiten
- Teilnahmebescheinigung
- Online durchführbar
Erfolgreiche KI Anwendung mit der richtigen Datenstrategie
Erfolgreiche KI-Projekte basieren auf einer durchdachten Datenbasis und Struktur, da Daten der KI als “Weltbild” dienen. Dieses Online-Seminar vermittelt Methoden für die Sammlung, Speicherung, Aufbereitung und Analyse von Daten, um einen sinnvolle Entwicklung von KI-Anwendungen zu gewährleisten. Anhand von Grundlagen und Best-Practice-Erfahrungen aus umgesetzten KI-Projekten lernen Sie, wie Sie Daten für den KI-Einsatz bereitstellen und worauf dabei zu achten ist.
Nutzen
Grundlagen: Sie erhalten einen praktischen Überblick über die Grundlagen zu Daten und KI.
Datensicht: Sie lernen, warum eine passende Datenbasis für den Einsatz von KI wichtig ist.
Best-Practice-Erfahrungen: Durch Beispiele aus der Praxis erhalten Sie Best-Practice Kenntnisse direkt aus der KI-Entwicklung.
Networking: Tauschen Sie sich mit anderen Teilnehmern aus und erweitern Sie Ihr berufliches Netzwerk im Bereich Data Literacy und KI.
Zielgruppe
Diese Schulung richtet sich an Personen, die in ihrem Unternehmen die Digitalisierung oder Innovation vorantreiben, sowie an Projektmitarbeiter und Fach- und Führungskräfte, die noch keine oder wenig Erfahrung mit dem Einsatz von Daten für Künstliche Intelligenz haben.
Inhalte
KI verstehen & Potenziale richtig einordnen
- Wettbewerbsfaktor Daten: Wie Daten zum strategischen Kerngut moderner Unternehmen werden
- Begriffe: Das wichtigste Vokabular rund um KI und Daten praxisnah erklärt
- Daten & KI: Warum Machine Learning ohne die richtigen Daten wirkungslos bleibt
Daten als Fundament funktionierender KI-Systeme
- Datenvielfalt beherrschen: Potenziale von strukturierten, semistrukturierten & unstrukturierten Daten heben
- Qualitätsprinzip „Good Data“: Klare Standards setzen und das „Garbage in, Garbage out“-Risiko minimieren
- Modellqualität gewährleisten: Überanpassung (Overfitting) durch kluges Data Splitting (Training/Test) vermeiden
- Datenflüsse durchblicken: Die Funktionsweise moderner ETL-Pipelines verstehen
Zukunftsfähige Infrastruktur & Datensouveränität
- Neue Speicherarchitekturen: Wann klassisches SQL an Grenzen stößt – Vektordatenbanken & Knowledge-Graphen für LLMs & RAG
- Betriebsmodelle im Vergleich: Cloud vs. On-Premise – Skalierbarkeit, Leistung und Datenschutz optimal abwägen
- Datensouveränität wahren: Strategien zur vollen Datenkontrolle und der sichere Betrieb von Open-Source-Modellen
Daten- & KI-Projekte erfolgreich umsetzen
- Recht & Compliance: DSGVO-Standards einhalten und die Anforderungen des EU AI Acts meistern
- Der KI-Projekt-Lifecycle: Strukturierter Pfad von der Potenzialanalyse über PoC & Prototyp bis zur Operationalisierung
- Erfolgsfaktor Teamrollen: Klare Aufgabenverteilung zwischen Data Scientist, Data Engineer, ML Engineer, Product Owner & Domain Expert
