Die Weiterbildung vermittelt die Verbindung von Künstlicher Intelligenz und datenwissenschaftlichen Methoden im betrieblichen Kontext. Teilnehmende lernen, wie KI-Modelle entwickelt, trainiert und mit datenanalytischen Verfahren kombiniert werden, um Muster zu erkennen und Entscheidungen zu unterstützen. Der Kurs deckt den gesamten Prozess datengetriebener Arbeit ab - von der Aufbereitung und Modellierung über SQL-basierte Datenstrukturen bis hin zur Visualisierung und verantwortungsvollen Anwendung.

1. Grundlagen - Artificial Intelligence und datenbasierte Systeme
2. Data Science - Analyse und Modellierung
3. Datenmanagement und Visualisierung
4. Anwendung, Verantwortung und Praxisumsetzung
1. Grundlagen - Artificial Intelligence und datenbasierte Systeme
  • Einführung in Konzepte der künstlichen Intelligenz und maschinellen Lernens
  • Abgrenzung zwischen regelbasierten, lernenden und generativen Systemen
  • Verständnis von Datenqualität, Transparenz und Nachvollziehbarkeit in KI-Prozessen
  • Überblick über Einsatzfelder datenbasierter Intelligenz in Organisationen

2. Data Science - Analyse und Modellierung
  • Datenaufbereitung und Feature Engineering zur Vorbereitung von Modellen
  • Erstellung und Bewertung von Regressions-, Klassifikations- und Clustering-Modellen
  • Analyse von Modellgüte und Fehlertypen zur Verbesserung der Prognoseleistung
  • Nutzung von Python und Statistik zur Umsetzung datengetriebener Anwendungen

3. Datenmanagement und Visualisierung
  • Erstellung relationaler Datenmodelle mit SQL zur strukturierten Analyse
  • Nutzung von Abfragen zur Selektion, Filterung und Aggregation großer Datenmengen
  • Visualisierung von Ergebnissen mit interaktiven Dashboards und Reports
  • Kombination analytischer Modelle mit visueller Datenkommunikation für Entscheidungsträger

4. Anwendung, Verantwortung und Praxisumsetzung
  • Einbindung datengetriebener Systeme in Geschäfts- und Analyseprozesse
  • Berücksichtigung ethischer, rechtlicher und datenschutzbezogener Anforderungen
  • Reflexion über gesellschaftliche Auswirkungen und Verantwortung im KI-Einsatz
  • Sicherstellung nachhaltiger, nachvollziehbarer und qualitätsgesicherter KI-Entwicklungen