Entwicklung von KI-Lösungen
  • Schritte zur Umsetzung von KI-Projekten
  • Auswahl geeigneter KI-Software
  • CRISP-DM und Projektmanagement für KI
  • Verbindung von KI-Modellen mit Systemen
  • Der Data-Science-Stack
Grundlagen der KI
  • Der Gartner Hype Cycle und KI-Trends
  • Technologien: RPA, Robotik, Betrugserkennung, Optimierung und Empfehlungen
  • Sinnes-KI: Sehen, Riechen, Schmecken, Tasten, Hören
  • Autonome Fahrzeuge, IoT und smarte Städte
  • Natural Language Processing und die Rolle des Metaverse
Die Welt der Generativen KI
  • Die Revolution der Generativen KI und LLMs
  • Fine-Tuning, Chatbots und RAG-Architekturen
  • Agenten und multimodale Modelle
  • Praktische Unternehmensanwendungen und Risiken der Generativen KI
Daten als Grundlage von KI
  • Datenquellen und synthetische Daten
  • Speicherung und Verarbeitung: GPU, QPU und Cloud-Infrastrukturen
  • Datenlebenszyklus in KI-Projekten
  • Herausforderungen und Best Practices im Datenmanagement
  • Daten-Governance und Monetarisierungsstrategien
Aufbau eines KI-Portfolios
  • Auswahl wertvoller KI-Projekte
  • Kriterien für die Portfolio-Zusammenstellung
  • ROI-Berechnung für KI-Initiativen
Digitale Transformation mit KI
  • Rollen und Prozesse der digitalen Transformation
  • Erfolgsfaktoren und Fallstricke bei der Umsetzung
  • Entwicklung einer nachhaltigen KI-Strategie
Aufbau und Leitung von KI-Teams
  • Rollen im KI-Team und deren Aufgaben im Projektlebenszyklus
  • Rekrutierung und Motivation von KI-Experten
  • Teamgröße und Kommunikationsstrategien
Messbarkeit und Erfolgskontrolle
  • Strategische und operative Projektkennzahlen
  • Datenwissenschaftliche KPIs
MLOps und Modellmanagement
  • Wann und wie Modelle neu trainiert werden sollten
  • Automatisierte Training-Loops und Human-in-the-Loop-Ansätze
  • MLOps-Plattformen für den produktiven Einsatz
Management und Kommunikation von KI
  • Herausforderungen im KI-Management und wie sie gelöst werden
  • Überzeugende Präsentation von KI-Konzepten für Entscheidungsträger
  • Zusammenarbeit mit KI-Anbietern und Budgetierung von Projekten

Dieses Seminar vermittelt Führungskräften im Technologiebereich eine umfassende Einführung in die Landschaft der Künstlichen Intelligenz (KI). Es bietet praxisnahes Wissen, um Konzepte, Technologien und Strategien der KI effektiv zu verstehen und umzusetzen.

Sie lernen, wie der AI Tech Stack aufgebaut ist und wie Sie KI-Initiativen in Ihrem Unternehmen erfolgreich leiten und steuern können. Durch eine Kombination aus bewährtem Wissen, praxisorientierten Fallstudien und konkreten Handlungsempfehlungen erwerben Sie das Rüstzeug, um die dynamische KI-Welt sicher zu navigieren.

Lernziele
  • Verstehen Sie die grundlegenden Konzepte der KI, einschließlich Maschinellem Lernen, Generativer KI und Deep Learning, und kommunizieren Sie kompetent in technischen und strategischen Kontexten.
  • Entdecken Sie Technologien wie Natural Language Processing, Computer Vision und autonome Systeme und erfahren Sie, wie diese in verschiedenen Branchen eingesetzt werden.
  • Lernen Sie die Datenwertschöpfungskette kennen von der Erfassung über Governance bis zur Monetarisierung.
  • Erfahren Sie, wie MLOps-Plattformen den Lebenszyklus und die Verwaltung von KI-Modellen optimieren.
  • Entwickeln Sie Strategien zur Planung, Umsetzung und Steuerung von KI-Projekten sowie zur Bildung und Führung leistungsfähiger KI-Teams.

(Version: 2026-02-13T10:43:51+01:00)