Nach der Vorstellung und einer Einführung in den Kurs- und Master Class-Ablauf sammeln die Teilnehmer:innen erste Szenarien für den Einsatz von KI aus ihren eigenen Kontexten ein. Diese werden gemeinsam in die verschiedenen Varianten Künstlicher Intelligenz eingeordnet und können im Verlauf des Kurses immer wieder als Beispiele herangezogen werden. 

Nach der Vorstellung und einer Einführung in den Kurs- und Master Class-Ablauf sammeln die Teilnehmer:innen erste Szenarien für den Einsatz von KI aus ihren eigenen Kontexten ein. Diese werden gemeinsam in die verschiedenen Varianten Künstlicher Intelligenz eingeordnet und können im Verlauf des Kurses immer wieder als Beispiele herangezogen werden. 

Nach der Vorstellung und einer Einführung in den Kurs- und Master Class-Ablauf sammeln die Teilnehmer:innen erste Szenarien für den Einsatz von KI aus ihren eigenen Kontexten ein. Diese werden gemeinsam in die verschiedenen Varianten Künstlicher Intelligenz eingeordnet und können im Verlauf des Kurses immer wieder als Beispiele herangezogen werden. 

Nach der Vorstellung und einer Einführung in den Kurs- und Master Class-Ablauf sammeln die Teilnehmer:innen erste Szenarien für den Einsatz von KI aus ihren eigenen Kontexten ein. Diese werden gemeinsam in die verschiedenen Varianten Künstlicher Intelligenz eingeordnet und können im Verlauf des Kurses immer wieder als Beispiele herangezogen werden. 

Nach der Vorstellung und einer Einführung in den Kurs- und Master Class-Ablauf sammeln die Teilnehmer:innen erste Szenarien für den Einsatz von KI aus ihren eigenen Kontexten ein. Diese werden gemeinsam in die verschiedenen Varianten Künstlicher Intelligenz eingeordnet und können im Verlauf des Kurses immer wieder als Beispiele herangezogen werden. 

Nach der Vorstellung und einer Einführung in den Kurs- und Master Class-Ablauf sammeln die Teilnehmer:innen erste Szenarien für den Einsatz von KI aus ihren eigenen Kontexten ein. Diese werden gemeinsam in die verschiedenen Varianten Künstlicher Intelligenz eingeordnet und können im Verlauf des Kurses immer wieder als Beispiele herangezogen werden. 

Nach der Vorstellung und einer Einführung in den Kurs- und Master Class-Ablauf sammeln die Teilnehmer:innen erste Szenarien für den Einsatz von KI aus ihren eigenen Kontexten ein. Diese werden gemeinsam in die verschiedenen Varianten Künstlicher Intelligenz eingeordnet und können im Verlauf des Kurses immer wieder als Beispiele herangezogen werden. 

• Was ist künstliche Intelligenz?
• Klassische Software von KI
• Machinelles Lernen und neuronale Netze
• APIs als Schlüssel zu KI-Modellen
• Generative KI
• Große Sprachmodelle 
• Agentische KI 
• Starke und Schwache KI 

• Was ist künstliche Intelligenz?
• Klassische Software von KI
• Machinelles Lernen und neuronale Netze
• APIs als Schlüssel zu KI-Modellen
• Generative KI
• Große Sprachmodelle 
• Agentische KI 
• Starke und Schwache KI 

• Was ist künstliche Intelligenz?
• Klassische Software von KI
• Machinelles Lernen und neuronale Netze
• APIs als Schlüssel zu KI-Modellen
• Generative KI
• Große Sprachmodelle 
• Agentische KI 
• Starke und Schwache KI 

• Was ist künstliche Intelligenz?
• Klassische Software von KI
• Machinelles Lernen und neuronale Netze
• APIs als Schlüssel zu KI-Modellen
• Generative KI
• Große Sprachmodelle 
• Agentische KI 
• Starke und Schwache KI 

• Was ist künstliche Intelligenz?
• Klassische Software von KI
• Machinelles Lernen und neuronale Netze
• APIs als Schlüssel zu KI-Modellen
• Generative KI
• Große Sprachmodelle 
• Agentische KI 
• Starke und Schwache KI 

• Was ist künstliche Intelligenz?
• Klassische Software von KI
• Machinelles Lernen und neuronale Netze
• APIs als Schlüssel zu KI-Modellen
• Generative KI
• Große Sprachmodelle 
• Agentische KI 
• Starke und Schwache KI 

• Was ist künstliche Intelligenz?
• Klassische Software von KI
• Machinelles Lernen und neuronale Netze
• APIs als Schlüssel zu KI-Modellen
• Generative KI
• Große Sprachmodelle 
• Agentische KI 
• Starke und Schwache KI 

• Wertbeiträge von KI
• Task Analysis
• Process Mining
• Value Stream Mapping
• Das AI Project Canvas
• Das Periodensystem der KI

• Wertbeiträge von KI
• Task Analysis
• Process Mining
• Value Stream Mapping
• Das AI Project Canvas
• Das Periodensystem der KI

• Wertbeiträge von KI
• Task Analysis
• Process Mining
• Value Stream Mapping
• Das AI Project Canvas
• Das Periodensystem der KI

• Wertbeiträge von KI
• Task Analysis
• Process Mining
• Value Stream Mapping
• Das AI Project Canvas
• Das Periodensystem der KI

• Wertbeiträge von KI
• Task Analysis
• Process Mining
• Value Stream Mapping
• Das AI Project Canvas
• Das Periodensystem der KI

• Wertbeiträge von KI
• Task Analysis
• Process Mining
• Value Stream Mapping
• Das AI Project Canvas
• Das Periodensystem der KI

• Wertbeiträge von KI
• Task Analysis
• Process Mining
• Value Stream Mapping
• Das AI Project Canvas
• Das Periodensystem der KI

Befasse dich mit deinem Use Case anhand des AI Project Canvas. Durchlaufe den Denkprozess von der Problemstellung bis zur Erfolgsmessung und überführe die Theorie in deinen Arbeitsalltag. 

Befasse dich mit deinem Use Case anhand des AI Project Canvas. Durchlaufe den Denkprozess von der Problemstellung bis zur Erfolgsmessung und überführe die Theorie in deinen Arbeitsalltag. 

Befasse dich mit deinem Use Case anhand des AI Project Canvas. Durchlaufe den Denkprozess von der Problemstellung bis zur Erfolgsmessung und überführe die Theorie in deinen Arbeitsalltag. 

Befasse dich mit deinem Use Case anhand des AI Project Canvas. Durchlaufe den Denkprozess von der Problemstellung bis zur Erfolgsmessung und überführe die Theorie in deinen Arbeitsalltag. 

Befasse dich mit deinem Use Case anhand des AI Project Canvas. Durchlaufe den Denkprozess von der Problemstellung bis zur Erfolgsmessung und überführe die Theorie in deinen Arbeitsalltag. 

Befasse dich mit deinem Use Case anhand des AI Project Canvas. Durchlaufe den Denkprozess von der Problemstellung bis zur Erfolgsmessung und überführe die Theorie in deinen Arbeitsalltag. 

Befasse dich mit deinem Use Case anhand des AI Project Canvas. Durchlaufe den Denkprozess von der Problemstellung bis zur Erfolgsmessung und überführe die Theorie in deinen Arbeitsalltag. 

Nach einer Reflexion der Inhalte aus den ersten Selbstlernphasen geht es an die konkrete Anwendung von KI im Business-Kontext. Anhand der AI Project Canvas lernen die Teilnehmer:innen ein Tool kennen, anhand dessen sie strukturiert und methodisch geleitet ihr KI-Vorhaben beschrieben können. Die AI Project Canvas stellt eine bewährte Methodik für den Start in ein neues KI-Projekt dar, um z. B. auch in die Stakeholder:innen-Kommunikation einzusteigen.

Nach einer Reflexion der Inhalte aus den ersten Selbstlernphasen geht es an die konkrete Anwendung von KI im Business-Kontext. Anhand der AI Project Canvas lernen die Teilnehmer:innen ein Tool kennen, anhand dessen sie strukturiert und methodisch geleitet ihr KI-Vorhaben beschrieben können. Die AI Project Canvas stellt eine bewährte Methodik für den Start in ein neues KI-Projekt dar, um z. B. auch in die Stakeholder:innen-Kommunikation einzusteigen.

Nach einer Reflexion der Inhalte aus den ersten Selbstlernphasen geht es an die konkrete Anwendung von KI im Business-Kontext. Anhand der AI Project Canvas lernen die Teilnehmer:innen ein Tool kennen, anhand dessen sie strukturiert und methodisch geleitet ihr KI-Vorhaben beschrieben können. Die AI Project Canvas stellt eine bewährte Methodik für den Start in ein neues KI-Projekt dar, um z. B. auch in die Stakeholder:innen-Kommunikation einzusteigen.

Nach einer Reflexion der Inhalte aus den ersten Selbstlernphasen geht es an die konkrete Anwendung von KI im Business-Kontext. Anhand der AI Project Canvas lernen die Teilnehmer:innen ein Tool kennen, anhand dessen sie strukturiert und methodisch geleitet ihr KI-Vorhaben beschrieben können. Die AI Project Canvas stellt eine bewährte Methodik für den Start in ein neues KI-Projekt dar, um z. B. auch in die Stakeholder:innen-Kommunikation einzusteigen.

Nach einer Reflexion der Inhalte aus den ersten Selbstlernphasen geht es an die konkrete Anwendung von KI im Business-Kontext. Anhand der AI Project Canvas lernen die Teilnehmer:innen ein Tool kennen, anhand dessen sie strukturiert und methodisch geleitet ihr KI-Vorhaben beschrieben können. Die AI Project Canvas stellt eine bewährte Methodik für den Start in ein neues KI-Projekt dar, um z. B. auch in die Stakeholder:innen-Kommunikation einzusteigen.

Nach einer Reflexion der Inhalte aus den ersten Selbstlernphasen geht es an die konkrete Anwendung von KI im Business-Kontext. Anhand der AI Project Canvas lernen die Teilnehmer:innen ein Tool kennen, anhand dessen sie strukturiert und methodisch geleitet ihr KI-Vorhaben beschrieben können. Die AI Project Canvas stellt eine bewährte Methodik für den Start in ein neues KI-Projekt dar, um z. B. auch in die Stakeholder:innen-Kommunikation einzusteigen.

Nach einer Reflexion der Inhalte aus den ersten Selbstlernphasen geht es an die konkrete Anwendung von KI im Business-Kontext. Anhand der AI Project Canvas lernen die Teilnehmer:innen ein Tool kennen, anhand dessen sie strukturiert und methodisch geleitet ihr KI-Vorhaben beschrieben können. Die AI Project Canvas stellt eine bewährte Methodik für den Start in ein neues KI-Projekt dar, um z. B. auch in die Stakeholder:innen-Kommunikation einzusteigen.

• Daten als Treibstoff der KI
• Daten, Datenpunkt, Datensatz, Datenfeld, Datenquelle
• Das macht gute Daten aus? 
• Vom Use Case zur Datenanforderung
• Informationen systematisch ableiten
• Von Informationen zu Datenfeldern
• Datenqualität prüfen
• Daten bereit machen für KI: der ETL-Prozess

• Daten als Treibstoff der KI
• Daten, Datenpunkt, Datensatz, Datenfeld, Datenquelle
• Das macht gute Daten aus? 
• Vom Use Case zur Datenanforderung
• Informationen systematisch ableiten
• Von Informationen zu Datenfeldern
• Datenqualität prüfen
• Daten bereit machen für KI: der ETL-Prozess

• Daten als Treibstoff der KI
• Daten, Datenpunkt, Datensatz, Datenfeld, Datenquelle
• Das macht gute Daten aus? 
• Vom Use Case zur Datenanforderung
• Informationen systematisch ableiten
• Von Informationen zu Datenfeldern
• Datenqualität prüfen
• Daten bereit machen für KI: der ETL-Prozess

• Daten als Treibstoff der KI
• Daten, Datenpunkt, Datensatz, Datenfeld, Datenquelle
• Das macht gute Daten aus? 
• Vom Use Case zur Datenanforderung
• Informationen systematisch ableiten
• Von Informationen zu Datenfeldern
• Datenqualität prüfen
• Daten bereit machen für KI: der ETL-Prozess

• Daten als Treibstoff der KI
• Daten, Datenpunkt, Datensatz, Datenfeld, Datenquelle
• Das macht gute Daten aus? 
• Vom Use Case zur Datenanforderung
• Informationen systematisch ableiten
• Von Informationen zu Datenfeldern
• Datenqualität prüfen
• Daten bereit machen für KI: der ETL-Prozess

• Daten als Treibstoff der KI
• Daten, Datenpunkt, Datensatz, Datenfeld, Datenquelle
• Das macht gute Daten aus? 
• Vom Use Case zur Datenanforderung
• Informationen systematisch ableiten
• Von Informationen zu Datenfeldern
• Datenqualität prüfen
• Daten bereit machen für KI: der ETL-Prozess

• Daten als Treibstoff der KI
• Daten, Datenpunkt, Datensatz, Datenfeld, Datenquelle
• Das macht gute Daten aus? 
• Vom Use Case zur Datenanforderung
• Informationen systematisch ableiten
• Von Informationen zu Datenfeldern
• Datenqualität prüfen
• Daten bereit machen für KI: der ETL-Prozess

• Ausrichtung auf Skalierbarkeit
• Phasenweise KI-Implementation
• Technische Herausforderungen 
• Reproduzierbarkeit
• Model Drift
• Black Box vs. Explainable AI
• Betrieb und Wartung langfristig denken
• Monitoring
• Human-in-the-Loop
• Post-Training
• Fallback-Strategie

• Ausrichtung auf Skalierbarkeit
• Phasenweise KI-Implementation
• Technische Herausforderungen 
• Reproduzierbarkeit
• Model Drift
• Black Box vs. Explainable AI
• Betrieb und Wartung langfristig denken
• Monitoring
• Human-in-the-Loop
• Post-Training
• Fallback-Strategie

• Ausrichtung auf Skalierbarkeit
• Phasenweise KI-Implementation
• Technische Herausforderungen 
• Reproduzierbarkeit
• Model Drift
• Black Box vs. Explainable AI
• Betrieb und Wartung langfristig denken
• Monitoring
• Human-in-the-Loop
• Post-Training
• Fallback-Strategie

• Ausrichtung auf Skalierbarkeit
• Phasenweise KI-Implementation
• Technische Herausforderungen 
• Reproduzierbarkeit
• Model Drift
• Black Box vs. Explainable AI
• Betrieb und Wartung langfristig denken
• Monitoring
• Human-in-the-Loop
• Post-Training
• Fallback-Strategie

• Ausrichtung auf Skalierbarkeit
• Phasenweise KI-Implementation
• Technische Herausforderungen 
• Reproduzierbarkeit
• Model Drift
• Black Box vs. Explainable AI
• Betrieb und Wartung langfristig denken
• Monitoring
• Human-in-the-Loop
• Post-Training
• Fallback-Strategie

• Ausrichtung auf Skalierbarkeit
• Phasenweise KI-Implementation
• Technische Herausforderungen 
• Reproduzierbarkeit
• Model Drift
• Black Box vs. Explainable AI
• Betrieb und Wartung langfristig denken
• Monitoring
• Human-in-the-Loop
• Post-Training
• Fallback-Strategie

• Ausrichtung auf Skalierbarkeit
• Phasenweise KI-Implementation
• Technische Herausforderungen 
• Reproduzierbarkeit
• Model Drift
• Black Box vs. Explainable AI
• Betrieb und Wartung langfristig denken
• Monitoring
• Human-in-the-Loop
• Post-Training
• Fallback-Strategie

Im abschließenden Live-Webinar werden - nach der Reflektion der Selbstlerneinheit und der Beantwortung offener Fragen - die vorbereiteten AI Project Canvas präsentiert und diskutiert. Das Feedback der Teilnehmer:innen und des:der Expert:in bereitet die Teilnehmer:innen intensiv auf eine mögliche Umsetzung ihres individuellen KI-Projekts vor.

Im abschließenden Live-Webinar werden - nach der Reflektion der Selbstlerneinheit und der Beantwortung offener Fragen - die vorbereiteten AI Project Canvas präsentiert und diskutiert. Das Feedback der Teilnehmer:innen und des:der Expert:in bereitet die Teilnehmer:innen intensiv auf eine mögliche Umsetzung ihres individuellen KI-Projekts vor.

Im abschließenden Live-Webinar werden - nach der Reflektion der Selbstlerneinheit und der Beantwortung offener Fragen - die vorbereiteten AI Project Canvas präsentiert und diskutiert. Das Feedback der Teilnehmer:innen und des:der Expert:in bereitet die Teilnehmer:innen intensiv auf eine mögliche Umsetzung ihres individuellen KI-Projekts vor.

Im abschließenden Live-Webinar werden - nach der Reflektion der Selbstlerneinheit und der Beantwortung offener Fragen - die vorbereiteten AI Project Canvas präsentiert und diskutiert. Das Feedback der Teilnehmer:innen und des:der Expert:in bereitet die Teilnehmer:innen intensiv auf eine mögliche Umsetzung ihres individuellen KI-Projekts vor.

Im abschließenden Live-Webinar werden - nach der Reflektion der Selbstlerneinheit und der Beantwortung offener Fragen - die vorbereiteten AI Project Canvas präsentiert und diskutiert. Das Feedback der Teilnehmer:innen und des:der Expert:in bereitet die Teilnehmer:innen intensiv auf eine mögliche Umsetzung ihres individuellen KI-Projekts vor.

Im abschließenden Live-Webinar werden - nach der Reflektion der Selbstlerneinheit und der Beantwortung offener Fragen - die vorbereiteten AI Project Canvas präsentiert und diskutiert. Das Feedback der Teilnehmer:innen und des:der Expert:in bereitet die Teilnehmer:innen intensiv auf eine mögliche Umsetzung ihres individuellen KI-Projekts vor.

Im abschließenden Live-Webinar werden - nach der Reflektion der Selbstlerneinheit und der Beantwortung offener Fragen - die vorbereiteten AI Project Canvas präsentiert und diskutiert. Das Feedback der Teilnehmer:innen und des:der Expert:in bereitet die Teilnehmer:innen intensiv auf eine mögliche Umsetzung ihres individuellen KI-Projekts vor.