AI Manager Black Belt (Teilzeit)

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Analysieren: Die Teilnehmer können die wichtigsten Meilensteine der KI-Entwicklung von den Anfängen bis heute benennen und deren jeweilige Bedeutung für die heutige KI-Landschaft einordnen.

LZ2 Reflektieren: Die Teilnehmer können verschiedene Darstellungen von KI in der Popkultur (z. B. Film, Social Media) beschreiben und deren Einfluss auf die öffentliche Wahrnehmung kritisch reflektieren.

LZ3 Diskutieren: Die Teilnehmer können die zentralen gesellschaftlichen Debatten rund um KI (z. B. Arbeitsmarkt, Ethik, Regulierung) in eigenen Worten wiedergeben und sich mit eigenen Argumenten daran beteiligen.

LZ4 Abgrenzen: Die Teilnehmer können die Schlüsselbegriffe Turing-Test, Expertensystem und KI-Winter im historischen Kontext erklären und von der heutigen Generativen KI konzeptionell unterscheiden.

LZ5 Positionieren: Die Teilnehmer können eigene Erwartungen und Bedenken gegenüber KI formulieren und diese im Austausch mit anderen Teilnehmenden begründet vertreten.

Lektion Inhalt

0% Vollständig 0/6 Schritte

LZ1 Einordnen: Die Teilnehmer können die Begriffe KI, Maschinelles Lernen (ML), Deep Learning (DL) und Generative KI (GenAI) voneinander abgrenzen und hierarchisch anordnen.

LZ2 Nachvollziehen: Die Teilnehmer können die grundlegende Funktionsweise eines künstlichen Neurons und eines neuronalen Netzes anhand einer Analogie nachvollziehen.

LZ3 Erklären: Die Teilnehmer können den Unterschied zwischen dem ressourcenintensiven Training „von Grund auf“ und dem effizienten Fine-Tuning eines vortrainierten Modells erklären.

LZ4 Anwenden: Die Teilnehmer können eine logisch korrekte Ordnerstruktur (Train, Val, Test) für ein Klassifizierungsmodell anlegen und die Notwendigkeit dieser Trennung begründen.

LZ5 Erklären: Die Teilnehmer können das Kernprinzip der Transformer-Architektur („Attention“) als Grundlage moderner Sprachmodelle konzeptionell erklären.

LZ6 Bewerten: Die Teilnehmer können die praktischen Grenzen aktueller KI-Modelle (z. B. Halluzinationen, Overfitting) und den Unterschied zu einer hypothetischen „starken KI“ (AGI) bewerten.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Zuordnen: Die Teilnehmer können die wichtigsten rechtlichen Rollen im KI-Kontext (Anbieter, Nutzer) korrekt zuordnen und deren grundlegende Verantwortlichkeiten beschreiben.

LZ2 Anwenden: Die Teilnehmer können den risikobasierten Ansatz des EU AI Acts anhand der Risikopyramide erklären und für ein Praxisbeispiel eine erste Risikoabschätzung vornehmen.

LZ3 Erläutern: Die Teilnehmer können die Relevanz der DSGVO für KI-Anwendungen an einem konkreten Fallbeispiel erläutern.

LZ4 Beschreiben: Die Teilnehmer können die grundlegenden urheberrechtlichen Fragen bei KI-generierten Inhalten (Input vs. Output) trennen und die Kernaussagen der aktuellen Rechtslage beschreiben.

LZ5 Identifizieren: Die Teilnehmer können für typische Unternehmens-Anwendungsfälle die wesentlichen rechtlichen Risiken und Pflichten identifizieren.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Bewerten: Die Teilnehmer können die strategischen Vor- und Nachteile von Open-Source- vs. Closed-Source-Modellen sowie Cloud- vs. lokalen Lösungen für einen konkreten Anwendungsfall bewerten.

LZ2 Interpretieren: Die Teilnehmer können die Aussagekraft der wichtigsten KI-Modell-Ranglisten (z. B. Chatbot Arena, Open LLM Leaderboard) kritisch interpretieren.

LZ3 Durchführen: Die Teilnehmer können unter detaillierter Anleitung Docker und Ollama auf ihrem eigenen System erfolgreich installieren.

LZ4 Anwenden: Die Teilnehmer können ein lokales KI-Modell über die Kommandozeile starten und eine grafische Benutzeroberfläche damit verbinden.

LZ5 Entwickeln: Die Teilnehmer können anhand einer Checkliste eigene, fundierte Kriterien für die Auswahl einer geeigneten KI-Lösung entwickeln.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Strukturieren: Die Teilnehmer können die vier wesentlichen Bestandteile eines effektiven Prompts (Rolle, Aufgabe, Kontext, Format) benennen und bewusst Strukturierungselemente (z. B. Markdown, XML-Tags) einsetzen.

LZ2 Anwenden: Die Teilnehmer können unterschiedliche Prompting-Strategien wie Zero-Shot, Few-Shot und Chain-of-Thought für passende Aufgabenstellungen gezielt anwenden.

LZ3 Nutzen: Die Teilnehmer können eine professionelle Workbench (z. B. OpenAI Playground) nutzen, um Prompts systematisch zu entwickeln und Parameter (z. B. Temperature) bewusst anzupassen.

LZ4 Konfigurieren: Die Teilnehmer können einen eigenen, spezialisierten KI-Assistenten (z. B. „Meeting-Assistent“) durch eine präzise System-Prompt-Anweisung konfigurieren.

LZ5 Recherchieren & Anwenden: Die Teilnehmer können die offizielle Hersteller-Dokumentation nutzen, um modellspezifische Best Practices zu finden und anzuwenden.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Erklären: Die Teilnehmer können die grundlegende Funktionsweise von Text-zu-Bild-, Text-zu-Video- und Text-zu-Audio-Modellen auf einer konzeptionellen Ebene erklären.

LZ2 Anwenden: Die Teilnehmer können spezifische Prompting-Techniken für die Bildgenerierung (z. B. Angabe von Stil, Kamera, Licht) anwenden, um visuelle Ergebnisse gezielt zu steuern.

LZ3 Unterscheiden: Die Teilnehmer können die zwei Hauptarten der KI-Videoproduktion – sprechende Avatare und animierte Szenen – unterscheiden und den jeweiligen Anwendungsfällen zuordnen.

LZ4 Einordnen: Die Teilnehmer können den Nutzen von Workflow-Automatisierungsplattformen (z. B. Weavy) und Methoden zur Sicherstellung von „Charakter-Konsistenz“ (z. B. LoRA) für professionelle Anwendungsfälle einordnen.

LZ5 Reflektieren: Die Teilnehmer können die ethischen und rechtlichen Herausforderungen (z. B. Deepfakes, Urheberrecht, Desinformation) durch KI-generierte Medien kritisch reflektieren.

Lektion Inhalt

0% Vollständig 0/2 Schritte

(LZ1) Erklären & Aufzeigen: Die Teilnehmer können den Zusammenhang zwischen einem KI-Dienst als „Mikrofon“ und der Cloud als „Aufnahmestudio“ erklären und mit dem „F12-Trick“ den Datenabfluss bei einem KI-Dienst selbstständig sichtbar machen.

(LZ2) Bewerten & Auswählen: Die Teilnehmer können den Prinzipienkonflikt zwischen DSGVO und extraterritorialem Datenzugriff erläutern und auf dieser Basis eine fundierte Entscheidung für datenschutzfreundliche Alternativen treffen.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Unterscheiden: Die Teilnehmer können die Datenbanktypen SQL, NoSQL und Vektordatenbanken anhand ihrer Struktur und typischen Anwendungsfälle im KI-Kontext unterscheiden.

LZ2 Erläutern: Die Teilnehmer können das Prinzip von Embeddings als „Bedeutungs-Koordinaten“ und die Funktionsweise einer Vektorsuche anhand einer Analogie erläutern.

LZ3 Beschreiben: Die Teilnehmer können den Prozess der Retrieval Augmented Generation (RAG) als Methode zur Anreicherung von LLMs mit externem Wissen beschreiben.

LZ4 Einordnen: Die Teilnehmer können den Unterschied zwischen Kurzzeit- und Langzeitgedächtnis (Memory) in KI-Systemen erklären und die Rolle der Vektordatenbank als Langzeitgedächtnis einordnen.

LZ5 Umsetzen: Die Teilnehmer können eine einfache RAG-Pipeline mit Tools wie Qdrant und Ollama konzeptionell entwerfen und in einem Workflow-Tool umsetzen.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Erklären: Die Teilnehmer können die Funktionsweise und die Unterschiede der Schnittstellen-Typen API (Pull) und Webhook (Push) anhand von alltagsnahen Analogien erklären.

LZ2 Beschreiben: Die Teilnehmer können den Nutzen von No-Code-Automatisierungsplattformen wie make.com für die Verbindung verschiedener Software-Anwendungen beschreiben.

LZ3 Erstellen: Die Teilnehmer können auf der Plattform make.com selbstständig einen einfachen, mehrstufigen Automatisierungs-Workflow erstellen und testen.

LZ4 Integrieren: Die Teilnehmer können ihr in M04 eingerichtetes, lokales Ollama-LLM als intelligenten Verarbeitungsschritt in einen make.com-Workflow integrieren.

LZ5 Benennen: Die Teilnehmer können die grundlegenden Best Practices für die Erstellung sicherer und zuverlässiger Automatisierungen (z. B. Umgang mit API-Schlüsseln, Fehlerbehandlung) benennen.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Erläutern: Die Teilnehmer können die wichtigsten Pflichten, die sich aus der KI-VO für Unternehmen ergeben, erläutern.

LZ2 Begründen: Die Teilnehmer können die Notwendigkeit von KI-Kompetenz im Unternehmen und einer unternehmensinternen KI-Richtlinie als zentrale Leitplanke begründen und deren wesentliche Bausteine benennen.

LZ3 Beschreiben: Die Teilnehmer können beschreiben, warum die KI-VO im Wesentlichen eine Regelung zur Produktsicherheit und zum Risikomanagement ist und welche Folgen sich daraus für Unternehmen ergeben.

LZ4 Erklären: Die Teilnehmer können die entscheidenden Unterschiede zwischen der KI-VO und Normen wie der ISO 42001 erklären und erläutern, warum die Erfüllung der Voraussetzungen solcher Normen nicht für die Einhaltung der Vorschriften der KI-VO reicht.

LZ5 Skizzieren: Die Teilnehmer können anhand einer Vorlage die ersten konkreten Schritte zur Implementierung einer grundlegenden KI-Richtlinie und ggfs. weiterer aus rechtlicher Sicht sinnvoller Unterlagen/Strukturen im eigenen Unternehmen skizzieren.

Lektion Inhalt

0% Vollständig 0/6 Schritte

LZ1 Erklären: Die Teilnehmer können die vier Säulen eines KI-Agenten (Modell, Tools, Memory, Observability) und dessen grundlegende Architektur (Wahrnehmen → Denken → Handeln) anhand einer Analogie erklären.

LZ2 Erstellen: Die Teilnehmer können in einer No-Code-Plattform einen einfachen, aber vollständigen KI-Agenten erstellen, der ein Ziel verfolgt, sein Gehirn (LLM) nutzt und Werkzeuge (z. B. Web-Suche) einsetzt.

LZ3 Begründen: Die Teilnehmer können den Nutzen von Transparenz- und Kontrollmechanismen (z. B. Status-Logging, strukturierte Testläufe, Agent-Reasoning-Logs) zur Analyse, zum Debugging und zur Qualitätssicherung von Agenten-Workflows begründen.

LZ4 Bewerten: Die Teilnehmer können die Vor- und Nachteile verschiedener No-Code-Plattformen (z. B. n8n vs. make.com) für den Bau von Agenten bewerten.

LZ5 Konzipieren: Die Teilnehmer können einen eigenen, praxisnahen Agenten-Workflow für einen spezifischen Anwendungsfall konzipieren und die Umsetzungsschritte planen.

LZ6 Unterscheiden: Die Teilnehmer können den Unterschied zwischen regelbasierten KI-Workflows und autonomen KI-Agenten anhand konkreter Anwendungsfälle erklären und die richtige Einsatzform für ein gegebenes Problem auswählen.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Skizzieren: Die Teilnehmer können die wichtigsten Meilensteine der Robotik von mechanischen Automaten bis zu den KI-gesteuerten humanoiden Robotern skizzieren.

LZ2 Unterscheiden: Die Teilnehmer können die wesentlichen Robotertypen (z. B. Industrieroboter, Cobots, Humanoide) und deren typische Einsatzbereiche unterscheiden.

LZ3 Erklären: Die Teilnehmer können den fundamentalen Wandel von klassischer, programmierter Robotik zu moderner, lernbasierter KI-Robotik erklären.

LZ4 Einordnen: Die Teilnehmer können die strategischen Schwerpunkte der führenden Regionen (USA, China, EU) im Bereich Robotik einordnen.

LZ5 Bewerten: Die Teilnehmer können die zentralen Chancen (z. B. Effizienz, Fachkräftemangel) und Herausforderungen (z. B. Kosten, Akzeptanz) für den Einsatz von Robotik im eigenen Unternehmenskontext bewerten.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Skizzieren: Die Teilnehmer können die industrielle Evolution von der Mechanisierung bis zur vernetzten Industrie 4.0 skizzieren und die Rolle des IIoT als Paradigmenwechsel einordnen.

LZ2 Beschreiben: Die Teilnehmer können die Architektur einer IIoT-Infrastruktur – von der Sensorebene über IoT-Plattformen bis zum Digital Thread – als technologisches Rückgrat des vernetzten Unternehmens beschreiben.

LZ3 Erklären: Die Teilnehmer können das Konzept des Digitalen Zwillings erklären und die drei Reifegrade (Digitales Modell, Digitaler Schatten, Digitaler Zwilling) voneinander unterscheiden.

LZ4 Bewerten: Die Teilnehmer können die strategischen Potenziale (z. B. Effizienz, Präzision, neue Geschäftsmodelle) und Risiken (z. B. Cybersicherheit, ROI, Change Management) von IIoT und Digitalem Zwilling für das eigene Unternehmen bewerten.

LZ5 Anwenden: Die Teilnehmer können anhand einer RFID-Fallstudie nachvollziehen, wie ein Digital Thread vom Wareneingang bis zum Versand operative Transparenzlücken schließt.

Lektion Inhalt

0% Vollständig 0/5 Schritte

LZ1 Einordnen: Die Teilnehmer können die Rollen verschiedener Arbeitsumgebungen (z.B. Notebooks für Prototyping, IDE zur Umsetzung) in einem KI-Projekt-Workflow einzuordnen.

LZ2 Konfigurieren: Die Teilnehmer können eine professionelle Entwicklungsumgebung einrichten und diese mit einem KI-Agenten erweitern.

LZ3 Anwenden: Die Teilnehmer können die Grundlagen der Versionskontrolle mit Git/GitHub anwenden, um ihre Arbeit zuverlässig zu speichern und Änderungen nachvollziehbar zu dokumentieren.

LZ4 Anwenden: Die Teilnehmer können einer KI relevante Projektkontexte geben, um die Qualität ihrer Unterstützung deutlich zu steigern.

LZ5 Anwenden: Die Teilnehmer können ein KI-gestütztes Projekt von der Architekturplanung über die schrittweise Implementierung bis zur Bereitstellung strukturiert umzusetzen.

Lektion Inhalt

0% Vollständig 0/4 Schritte

LZ1 Erklären: Die Teilnehmer können den Unterschied zwischen einem einzelnen KI-Agenten und einem Multi-Agenten-System anhand der Analogie „Solo-Handwerker vs. Fachteam“ erklären.

LZ2 Beschreiben: Die Teilnehmer können die Kernidee einer Supervisor-Architektur als Methode zur Orchestrierung von Agenten beschreiben („Der Projektleiter, der Aufgaben verteilt“).

LZ3 Einordnen: Die Teilnehmer können die grundlegenden Ansätze der wichtigsten Agentic-Frameworks (z. B. CrewAI, LangGraph, AutoGen) konzeptionell einordnen.

LZ4 Nachbauen: Die Teilnehmer können die Logik eines einfachen, rollenbasierten Multi-Agenten-Systems in einer No-Code-Plattform nachbauen, um das Prinzip der Orchestrierung praktisch zu verstehen.

Lektion Inhalt

0% Vollständig 0/6 Schritte

LZ1 Skizzieren: Die Teilnehmer können die vier Säulen einer ganzheitlichen KI-Strategie (Technologie, Organisation, Menschen, Governance) für ihr Unternehmen skizzieren.

LZ2 Bewerten: Die Teilnehmer können systematisch werthaltige KI-Anwendungsfälle identifizieren und methodisch bewerten (z. B. mittels Impacts/Effort-Matrix).

LZ3 Erstellen: Die Teilnehmer können einen Business Case für ein KI-Projekt erstellen und dessen potenziellen ROI (Return on Investment) abschätzen.

LZ4 Verstehen: Die Teilnehmer können die Ursachen für Konflikte bei der KI-Einführung benennen und die Leitidee von Industrie 5.0 als menschenzentrierten Ansatz erläutern.

LZ5 Anwenden: Die Teilnehmer können konkrete Lösungsansätze und Methoden des Changemanagements anwenden, um Konflikte zu begleiten und die Einführung von KI zu unterstützen.

LZ6 Bewerten: Die Teilnehmer können die zentralen Erfolgsfaktoren und häufigsten Fallstricke bei der Umsetzung von KI-Projekten bewerten.

Aktueller Status

Preis

Starten

Kurs Inhalt

Links

Kontakt