KI-Schulung

Dieser Kurs vermittelt das Fundament moderner KI-Anwendungen. Teilnehmende verstehen, wie maschinelles Lernen, neuronale Netze und Sprachmodelle funktionieren, welche Datenqualitäten entscheidend sind und wie sich KI in Wirtschaft und Gesellschaft auswirkt. Themen: KI-Begriffe, Modelle, Ethik & Regulierung (EU AI Act), Chancen und Risiken, Praxisbeispiele aus Industrie und Alltag. Ziel: Ein fundiertes Verständnis, um KI-Technologien sicher einordnen und bewerten zu können.

Hier lernen Teilnehmende, wie man mit Sprach- und Bild-KI präzise kommuniziert. Der Kurs behandelt Prompt-Engineering, Zero-Shot- und Few-Shot-Techniken, Strukturierung von Eingaben, Chain-of-Thought-Ansätze und kreative Workflows mit ChatGPT, Midjourney & Co. Zusätzlich: Erstellung von Prompts für Text, Code, Bild und Video. Ziel: KI-Modelle effektiv und zielgerichtet steuern, um qualitativ hochwertige Ergebnisse zu erzeugen.

Dieser Kurs führt in die Welt der agentischen KI ein – Systeme, die selbstständig denken, handeln und lernen. Inhalte: Agentenarchitekturen (ReAct, AutoGPT, CrewAI, LangChain Agents), Planung und Task-Koordination, Tool-Nutzung, Entscheidungslogiken, Sicherheitsmechanismen und Praxisaufbau eigener KI-Assistenten. Ziel: Verständnis und Aufbau autonomer Systeme, die eigenständig Aufgaben ausführen und mit anderen Systemen interagieren.

In diesem Modul geht es um datengetriebene Entscheidungsfindung. Teilnehmende lernen, wie Daten gesammelt, bereinigt, visualisiert und mit KI analysiert werden. Inhalte: ETL-Prozesse, Datenmodelle, Dashboards, Predictive Analytics, KPI-Design, Integration von KI in BI-Tools (z. B. Power BI, Looker, Tableau). Ziel: Daten verstehen, Muster erkennen und aus Informationen handlungsrelevante Erkenntnisse gewinnen.

Dieser Kurs zeigt, wie wiederkehrende Geschäftsprozesse durch Bots und KI automatisiert werden. Inhalte: RPA-Grundlagen, Workflow-Design, Integration mit KI-Modellen, Tools wie UiPath, Make.com und n8n, Best Practices und Compliance. Ziel: Effizienz steigern, menschliche Fehler reduzieren und hybride Automationslösungen umsetzen, in denen KI und RPA Hand in Hand arbeiten.

Der Fokus liegt auf dem Aufbau, Deployment und Management produktiver KI-Systeme. Themen: KI-Infrastruktur (Cloud & On-Prem), MLOps, Containerisierung (Docker, Kubernetes), Monitoring, Daten- und Zugriffsmanagement, Skalierbarkeit und Governance. Ziel: Teilnehmende können stabile, sichere und skalierbare KI-Lösungen in Unternehmen betreiben.