KI–Automatisierung und Data Science für Controlling und Finance

Modul 1: KI-Grundlagen, RAG und LLM-Anwendungen (2 Tage, Live-Online)

• Einführung in Large Language Models (LLMs) – mit Fokus auf echte Praxisfälle aus Finance, Controlling und Risikomanagement.
• Von den Basics bis zur Anwendung: Was ist ein Prompt? Wie funktioniert Prompt Engineering? Wie entstehen daraus steuerbare KI-Workflows?
• Schritt-für-Schritt-Umsetzung moderner RAG-Workflows (Retrieval Augmented Generation) für den Finanzbereich:
  • Dokumenten-Upload, automatisiertes Chunking, Embedding, Vektorsuche und semantische Suche in eigenen Daten.
  • Praktische Anwendung mit Rechnungs-PDFs, Verträgen oder anderen Finanzdokumenten.
• Einführung und Nutzung von No-Code-Tools wie LangFlow für schnelle, visuelle Prozessautomatisierung.
• Visualisierung und Vergleich: No-Code-Flows vs. Python-Code – für jeden verständlich.
• Verständnis, wie man KI-gestützte Dokumentenanalyse und Q&A-Systeme auf eigene Daten anwendet.
• Gruppen- und Einzelübungen: Von der ersten Idee bis zur funktionierenden KI-Lösung im eigenen Kontext.
• Theorie & Praxis des Automatisierungs-Frameworks:
  • Einführung in ein praxiserprobtes Framework zur Identifikation, Bewertung und Konzeption von KI-Automatisierungsprojekten.
  • Workshop: Anwendungs- und Übungsphase mit realistischen Beispielen aus Finance/Controlling.
  • Direkter Transfer: Nach dem Modul erkennst du geeignete Prozesse und konzipierst erste Projekte.

Ziel: Du verstehst nicht nur die Technik, sondern baust deine ersten eigenen KI-gestützten Finanzworkflows und hast einen echten Werkzeugkoffer für die Praxis.

Modul 2: KI-Automatisierung & No-Code/Python-Integration (1 Tag, Präsenz)

• Hands-on mit KI-Tools für Finance, Controlling & Buchhaltung:
  • Entwicklung eigener Reporting- und Buchhaltungs-Assistenten (z. B. für doppelte Buchführung, automatisierte Auswertungen).
  • Reporting-Workflows mit SQL-Agenten, Charting-Agenten und Writing-Agenten (z. B. automatisch generierte Berichte mit Grafiken).
  • Automatisierte Fraud- und Anomalie-Erkennung per KI – visuell mit LangFlow, aber auch „unter der Haube“ mit Python-Integrationen.
• Kombination von No-Code und Python:
  • Auch Nicht-Programmierer können mitmachen – Profis steigen bei Bedarf tiefer ein.
  • Live-Demo: Integration von Python-Knoten in LangFlow für komplexere Logik.
• Anwendung im Unternehmensalltag: Typische Finance-Automationsprojekte.
• Automatisierungs-Framework (Vertiefung & Anwendung):
  • Vertiefende Übungen: Auswahl und Skizzierung konkreter Automatisierungsprojekte, die mit Agenten oder KI-Workflows umgesetzt werden können.
  • „Von der Idee zum Proof-of-Concept“ – Entwicklung eines eigenen Fahrplans zur Umsetzung mit modernen KI-Technologien.

Ziel: Du entwickelst eigene Automatisierungen, kombinierst No-Code- und Python-Lösungen und bist bereit, Prozesse im Finanzbereich KI-gestützt zu optimieren.

Modul 3: Advanced Agenten-Frameworks & Self-Improving KI (1 Tag, Präsenz)

• Moderne Multi-Agenten-Systeme mit LangGraph, AutoGen und Python:
  • Überblick: Was sind KI-Agenten und wie werden sie im Finance/Controlling-Kontext eingesetzt?
  • Praxis: Bau von Self-Reflecting Reporting-Agenten, die ihre eigenen Ergebnisse überprüfen, optimieren und bei Fehlern selbständig nachbessern.
  • Prognose-Agenten-Frameworks mit Self-Evaluation: Zeitreihen-Analyse und automatische Validierung der Prognosegüte (z. B. Cashflow- oder Umsatzforecast).
• Simulation & Live-Tests:
  • Eigene KI-Agenten entwickeln, testen und verbessern.
  • Was bedeutet „Self-Reflection“/„Self-Evaluation“ in der Praxis und wie nutzt du es für robuste KI-Automation?
• Praktischer Nutzen: Automatisierte, robuste KI-Workflows, die nicht nur Aufgaben übernehmen, sondern sich laufend selbst verbessern.
• Automatisierungs-Framework im Agenten-Kontext:
  • Methodischer Fahrplan: Von der Prozessanalyse bis zum Proof-of-Concept für komplexe Automatisierungen mit Agenten.

Ziel: Du lernst die neuesten Agenten-Technologien kennen, baust eigene Self-Improving-Workflows und bist bereit für die nächste Stufe der KI-Automatisierung.

Modul 4: Praxistransfer & Automatisierungs-Framework (Selbstlernphase)

• Direkter Transfer in die Unternehmensrealität:
  • Analyse und Auswahl von Automatisierungspotenzialen im eigenen Unternehmen mithilfe eines strukturierten KI-Automatisierungs-Frameworks.
  • Schritt-für-Schritt: Identifikation, Evaluation, Priorisierung und Konzeption deines eigenen KI-Automatisierungsprojekts.
  • Entwicklung eines individuellen KI-Use-Cases inkl. Business-Nutzen, Ressourcenabschätzung und Umsetzungsskizze (fachlich & technisch).
  • Anwendung des Frameworks zur konkreten Planung der technischen Umsetzung, inkl. Schnittstellen, Datenvorbereitung, Integration von LLMs, Machine Learning und Automatisierungstools.

Ziel: Du entwickelst ein umsetzbares Automatisierungskonzept, das unmittelbar Wert in deinem Unternehmen schaffen kann.

Modul 5: Präsentation & Optimierung der eigenen KI-Projekte (1 Tag, Live-Online)

• Präsentation deiner individuellen Use-Cases:
  • Vorstellung deines Projekts, inkl. Kosten-Nutzen-Analyse, Workflow, technische und organisatorische Umsetzung.
  • Peer- und Trainer-Feedback: Diskussion und Feinschliff mit der Gruppe.
  • Gemeinsames Schärfen der Praxisprojekte für maximalen Unternehmensnutzen.
  • Implementierungsempfehlungen und nächste Schritte für die Umsetzung im Arbeitsalltag.

Ziel: Du bekommst wertvolles Feedback, stärkst deine Umsetzungskompetenz und schließt das Programm mit einem nachhaltigen Automatisierungsprojekt ab, das echten Mehrwert für dein Unternehmen liefert.