Generative und analytische KI ist in Produktteams angekommen, doch ohne klare Bewertungskriterien drohen Fehlinvestitionen. Eine strukturierte Einordnung von KI-Anwendungen unterstuetzt Produktmanager:innen dabei, Mehrwert, Risiken und Einsatzgrenzen sachlich gegeneinander abzuwaegen.

!Kursinhalt

!1. Einordnung generativer und analytischer KI
*Unterschiede zwischen schwacher und starker KI sowie ML und Deep Learning
*Generative Modelle und ihre Funktionsweise im Ueberblick
*Anwendungsfelder in Kundenservice, Marketing und HR einordnen

!2. Bewertungskriterien fuer KI-Anwendungsfaelle
*Chancen und Grenzen von KI-Loesungen herausarbeiten
*Bias, Halluzinationen und Datenethik beruecksichtigen
*Einsatzentscheidungen entlang von Datenqualitaet bewerten

!3. Datenfundament fuer KI-Bewertungen
*Strukturierte und unstrukturierte Daten unterscheiden
*Datenqualitaet als Voraussetzung fuer KI-Ergebnisse pruefen
*Datafication und Datenvorbereitung als Vorarbeit verstehen

!4. Recht und Ethik als Bewertungsdimension
*DSGVO-Grundlagen fuer KI-Anwendungen einordnen
*Transparenz- und Erklaerbarkeitsanforderungen pruefen
*EU AI Act und Unternehmensrichtlinien beruecksichtigen

!5. Entscheidung und Roadmap-Integration
*KI-Anwendungsfaelle in Product Principles und Roadmap einordnen
*Validierungspfade ueber MVPs und PoCs vorbereiten
*Stakeholder-Argumente fuer KI-Investitionen aufbereiten

!Berufliche Relevanz

*Strukturierte Bewertung schuetzt vor Fehlinvestitionen in KI-Anwendungen
*Produktteams gewinnen eine gemeinsame Sprache fuer KI-Themen
*Datenethik und Recht werden frueh in Produktentscheidungen integriert