Künstliche Intelligenz ist längst kein Zukunftsszenario mehr - sie ist tägliche Realität. Ob Chatbots, Bilderkennung, Predictive Maintenance oder generative Modelle: KI-Technologien sind dabei, alle Branchen zu transformieren. Doch echte Innovation braucht mehr als fertige Tools - sie braucht Menschen mit technischer Expertise, klarem Fokus und Gestaltungskompetenz - kompetente AI Engineers.

In diesem Zertifizierungsprogramm erhalten Sie einen Überblick über die Grundlagen von Künstlicher Intelligenz, Neuronaler Netze und Deep Learning und arbeiten mit der Programmiersprache Python. Sie lernen, AI Modelle zu entwickeln, zu trainieren, zu bewerten und ihren Nutzen abzuschätzen. Zudem arbeiten Sie mit aktuellen Bibliotheken und verschiedenen Arten von Machine Learning und können diese für eine Vielzahl von Aufgabenstellungen nutzen. Sie planen, implementieren und evaluieren Artificial Intelligence Projekte und berücksichtigen dabei Möglichkeiten, Grenzen und potenzielle Auswirkungen auf ethische Fragestellungen.

Das Kursprogramm wird in Kombination mit einer Vertiefung zum KI Manager und Agile Project Manager angeboten und bietet neben den technischen und fachlichen Kompetenzen auch die Möglichkeit, persönliche und soziale Kompetenzen zu erweitern.

Durch internationale Dozent:innen, reale Praxisprojekte und Kleingruppen erlernen Sie konkrete Tools & Methoden, die Sie als Certified AI Engineer positionieren.


An wen richtet sich dieses Kursprogramm?

Fach- und Führungskräfte, Programmierkenntnisse empfehlenswert, die verwendete Programmiersprache ist Python.
Das Zertifizierungsprogramm schließt mit zwei Zertifikaten nach ISO-Standard ab, die international anerkannt sind.


Inhalt der Weiterbildung:
Digital Transformation und New Work
  • Digitale Technologien, Digitale Geschäftsmodelle, Megatrends
  • New Work / New Culture, Arbeitswelt 4.0, New Work Toolset

Digital Ethics und Sustainability
  • Ethische Dimension von Künstlicher Intelligenz, Anwendungsbereiche digitaler Ethik
  • Ethics & Artificial Intelligence Assessment, Corporate Digital Responsibility und Nachhaltigkeitsziele

KI & Data Science Grundlagen
  • Einführung Data Science, Statistische Grundlagen, Explorative Datenanalyse
  • Data Mining, Data Preprocessing, Data Analytics
  • Datenbanken, Data Warehouse, Datenmanagement
  • Lineare Regressionen, Logistische Regressionen, Gradientenverfahren,
  • Rollen Data Analyst, Data Manager, Data Engineering

Vertiefung Artificial Intelligence
  • Feed-Forward Neural Networks, Convolutional Neural Networks, Recurrent Neural Networks, LSTM, Autoencoder, Generative Adversarial Networks
  • Reinforcement Learning, Data Augmentation, Representation Learning, NLP.

Software Engineering Praxis
  • Agiles Arbeiten mit Git und Jira, Scrum Projektmanagement, Machine Learning
  • Agiles Projektmanagement, Methoden, Framework und Tools

KI Management / KI Manager
  • Methodik zur Auswahl sinnvoller Anwendungsfelder
  • Wirtschaftlichkeit, Skalierbarkeit und Datenverfügbarkeit
  • Quick Wins vs. strukturelle Transformation / Roadmap für KI Projekte
  • Best Practices aus Industrie und Dienstleistung

Wahlmodul: Agiles Projektmanagement
  • Einführung in agiles Manifest, agiles Mindset und agiles Arbeiten
  • Agile Frameworks, Tools und Methoden
  • agiles Projektmanagement und hybrides Projektmanagement
  • Scrum, Kanban, LeSS, Nexus, Scaled Agile Framework


Die Weiterbildung schließt mit einem Praxisprojekt zu AI Anwendungen / Deep Learning Anwendungen ab (Entwicklung von Neuronalen Netzen bspw. für Sprachverarbeitung, Bilderkennung, Datengenerierung, etc.)