Die Weiterbildung zum AI Engineer vermittelt ein fundiertes Verständnis dafür, wie Automatisierung und Large Language Models (LLM) in modernen KI-Projekten eingesetzt werden. Teilnehmende lernen, welche Rolle Automatisierung in Analyse- und Entwicklungsprozessen spielt und wie Large Language Models (LLM) genutzt wird, um Modelle zu entwickeln, zu überprüfen oder bestimmte Funktionen zu unterstützen. Durch praktische Beispiele wird deutlich, wie Automatisierung und Large Language Models (LLM) gemeinsam genutzt werden, um technische und fachliche Fragestellungen zu bearbeiten.

Ein weiterer Schwerpunkt liegt auf der Frage, wie Automatisierung und Large Language Models (LLM) in unterschiedlichen Projektsituationen bewertet und angewendet werden können. Übungen zeigen, wie Automatisierung zur Strukturierung beiträgt, während Large Language Models (LLM) zusätzliche methodische oder funktionale Aspekte einbringt. Die Teilnehmenden reflektieren außerdem, wie Automatisierung und Large Language Models (LLM) in Teams eingesetzt werden, die an datengetriebenen oder KI-basierten Lösungen arbeiten.

Darüber hinaus wird betrachtet, welche organisatorischen Anforderungen entstehen, wenn Automatisierung und Large Language Models (LLM) in bestehende Arbeitsabläufe integriert werden. Beispiele verdeutlichen, wie Automatisierung hilft, Prozesse zu strukturieren, und wie Large Language Models (LLM) ergänzend genutzt werden kann, um Ergebnisse besser zu dokumentieren oder zu analysieren. Auch der Umgang mit Veränderungen, die durch Automatisierung und Large Language Models (LLM) entstehen, wird thematisiert.

Im nächsten Schritt wird gezeigt, wie Automatisierung und Large Language Models (LLM) langfristig zu einer Weiterentwicklung von Projekten beitragen können. Die Teilnehmenden erarbeiten, wie Automatisierung und Large Language Models (LLM) genutzt werden, um nachhaltige Strukturen aufzubauen, Innovationsprozesse zu begleiten oder neue Einsatzfelder zu identifizieren.

Agenda:
1. Einordnung der Rolle AI Engineer
2. Grundlagen moderner KI- und Datenprozesse
3. Einsatzmöglichkeiten ausgewählter KI-Methoden
4. Strukturierung technischer und fachlicher Anforderungen
5. Umsetzung praktischer Anwendungsbeispiele
6. Zusammenarbeit mit Entwicklungsteams und Fachbereichen
7. Dokumentation und Nachvollziehbarkeit
8. Weiterentwicklung technischer und organisatorischer Strukturen

Zum Abschluss der Weiterbildung steht folgendes Modul im Fokus: "Agile Scrum Master" vermittelt vertiefte Kenntnisse über die Rolle des Scrum Masters im agilen Projektmanagement. Teilnehmer lernen, wie sie agile Teams unterstützen, Prozesse moderieren und die Prinzipien des Scrum-Frameworks effektiv in der Praxis anwenden.