AI Manager Yellow Belt (Vollzeit) - VC ACADEMY

AI Manager Yellow Belt (Vollzeit)

Aktueller Status

Preis

50

Starten

Der Versteher: AI Manager (Yellow Belt)

Sie möchten ein solides Fundament schaffen, die Technologie verstehen und kompetent mitreden können? Der Yellow Belt ist Ihr perfekter Einstieg. In diesem Kurs erlernen Sie die grundlegenden Konzepte, die technischen Funktionsweisen und die rechtlichen Rahmenbedingungen. Sie machen erste praktische Schritte und sind danach in der Lage, das Potenzial von KI fundiert einzuschätzen.

Ideal für: Alle, die ein schnelles, aber umfassendes Grundverständnis aufbauen wollen.
Fokus: Verstehen, Einordnen, Mitreden, erste praktische Anwendung.

Kurs Inhalt

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.

Verfügbar am 01.05.2026 8:00