- Künstliche Intelligenz, was ist das?
- Die wichtigsten Fachbegriffe genau erklärt
- Einsatzgebiete von KI-Lösungen: entscheiden, planen, generieren, automatisieren
Machine Learning
- Funktionsweise von Lern-Algorithmen verstehen
- Basisaufbau neuronaler Netze
- Extraktion relevanter Informationen aus Daten (Feature Engineering)
- Mit Kennzahlen, Baselines und Benchmarks die Qualität von Machine-Learning-Lösungen beurteilen
- Anwendungsbeispiele, z. B. Autonomes Fahren, Finanzen, Betrugsfallerkennung
- In praktischen Übungen selbst eigene KI-Modelle erstellen
Deep Learning und generative KI
- Prinzipien des Deep Learnings
- Die wichtigsten Verfahren im Vergleich: Supervised Learning, Unsupervised Learning und Reinforcement Learning
- Anomalien in Daten automatisch finden (Autoencoders)
- KI-generierte Fakes verstehen (Generative Adversarial Networks)
- Marktübersicht: Die wichtigsten technologischen Plattformen
- Schwächen aktueller Verfahren und Trends der kommenden Jahre
- Im Detail erklärt: Wie ChatGPT & Co funktionieren
- Prozesse intelligent automatisieren (z. B. LangChain)
- Prompt-Engineering mit Praxisübung
- Einsatzgebiete von Prompt-Engineering mit Praxisübung
- KI-Lösungen an die Anforderungen des eigenen Unternehmens anpassen
- In Übungen praktisches Know-how aufbauen
Strategieentwicklung und Projekte
- Automatisierungspotenzial in eigenen Prozessen erkennen
- Erfolgsfaktoren und Fallstricke verstehen
- Was KI-Projekte von anderen IT-Projekten unterscheidet
- Evolution und Disruption: Geschäftsmodelle transformieren
- Eine KI-Strategie für das eigene Unternehmen entwickeln
- Starker durch Fallbeispielen
- Moralische und gesellschaftliche Herausforderungen
- Security by Design: Leitlinien zur Gestaltung "sicherer" KI
- Regulatorische Rahmenbedingungen: KI-Verordnung der EU, DSGVO, EU Data Act
- Human Level AI: Wann werden Maschinen das Intelligenzniveau von Menschen erreichen?
1