Format · 1 Tag bzw. 9 Stunden
KI-Tagesseminar
Ein Fachthema systematisch erarbeiten, mit Übungen. 166 Themen gibt es in diesem Format.
Gesundheit & Pflege 5
- Abrechnungen im Gesundheitswesen: Auffälligkeiten per ML finden und prüfen
- Arztbriefe, ICD/OPS-Codierung und Abrechnung mit KI vorbereiten
- KI im Praxis- und Klinikmanagement: Verwaltung entlasten, Recht wahren
- KI-Chatbot für Praxis, MVZ und Klinik: Telefon entlasten, Recall planen
- Pharmakovigilanz mit KI: Fallmeldungen strukturieren, Signale priorisieren
Soziales, Bildung & Vereine 5
- Adaptives Lernen mit KI: Lernpfade, die sich dem Wissensstand anpassen
- E-Learning mit KI produzieren: Storyboard, Vertonung und Kurspflege
- Seminare mit KI entwickeln: Konzept und Material für Trainer und Dozenten
- Spenden gewinnen und binden: KI-gestützte Spenderanalyse für Non-Profits
- Verbände und Kammern: Rundschreiben, Stellungnahmen und Protokolle mit KI
Öffentliche Verwaltung 5
- Anträge in Behörden KI-gestützt bearbeiten: vom Posteingang zur E-Akte
- Bürger-Chatbots für Kommunen: KI-Auskunft aufbauen, prüfen und betreiben
- E-Akte mit KI erschließen: Suche, Schwärzung und Auskunft in Behörden
- KI in Kommunen und Behörden: Einsatzfelder, Rechtsrahmen, erste Schritte
- Souveräne KI für Behörden: offene Sprachmodelle im eigenen Betrieb
Industrie & Produktion 4
Agrar & Lebensmittel 3
Handwerk, Bau & Immobilien 6
- Bauangebote mit KI: Leistungsverzeichnisse auswerten und kalkulieren
- Bauprojekte mit KI steuern: Verzug, Mehrkosten und Nachträge früh erkennen
- Büroarbeit im Handwerk mit KI: Angebote, Belege und Kundenpost schneller
- Immobilienbewertung mit Machine Learning: AVM-Werte verstehen und prüfen
- KI-Grundlagen für Bau und Immobilien: Potenziale prüfen, Projekt anstoßen
- Wohnungswirtschaft mit KI: Mieterservice, Nebenkosten, Instandhaltung
Handel 7
- Dynamic Pricing im Onlinehandel: Preise per Machine Learning steuern
- KI im Autohaus: Leads gewinnen, Gebrauchtwagen bepreisen, Service stärken
- Produktdaten mit KI anreichern: Texte, Attribute und Kategorien im PIM
- Produktempfehlungen im Onlineshop: Recommender mit ML bauen und testen
- Retouren senken, Betrug erkennen: Machine Learning im Onlinehandel
- Sortiment und Absatz im Einzelhandel: Listung und Fläche per ML planen
- Verkaufen auf Amazon und eBay: Listings, Repricing und Werbung mit KI
Logistik & Mobilität 6
- Fahrgastnachfrage vorhersagen: Machine Learning für ÖPNV und Planung
- Lagerbestände mit ML senken: Kapital freisetzen, lieferfähig bleiben
- Lieferketten mit KI steuern: Bedarfsprognose, Bestände und Control Tower
- Nachfrage mit ML vorhersagen: Absatzplanung für Disposition und Vertrieb
- Tourenplanung mit KI und OR-Tools: Zustellung und Disposition optimieren
- Zoll und Spedition: Frachtpapiere mit KI auslesen und Sendungsdaten prüfen
Energie, Versorgung & Entsorgung 8
- Abfallsammlung mit KI: Touren nach Füllstand planen, Behälter steuern
- KI für Stadtwerke und Energieversorger: Einsatzfelder sichten und angehen
- Last-, PV- und Windprognosen: Bilanzkreise mit ML genauer bewirtschaften
- Predictive Maintenance für Wind, PV und Netze: Schäden mit KI früh sehen
- Recycling mit Computer Vision: Wertstoffe erkennen, Fehlwürfe senken
- Stadtwerk und Versorger: Kundenservice mit KI entlasten, Kunden binden
- Strompreise vorhersagen: Machine Learning und Backtesting im Energiehandel
- Verteilnetze mit KI auswerten: Engpässe, Verluste und Ausbaubedarf
Banken, Versicherungen & Kanzleien 22
- Anwaltliche Arbeit mit KI: Schriftsätze, Recherche und Mandatsgeheimnis
- Betrugserkennung mit KI im Retailbanking: Muster, Modelle, Grenzen
- Chatbots und Voicebots im Banking: Kundenservice planen und absichern
- Computer Vision im Finanzwesen: Scans, Belege und Ausweise auswerten
- Dunkelverarbeitung in Versicherungen: Vorgänge mit KI durchautomatisieren
- E-Discovery mit Machine Learning: Dokumentenberge verteidigbar sichten
- Jahresabschlussprüfung mit KI: Journal Entry Testing und LLM-Auswertung
- Kanzleiwissen per RAG erschließen: Mandantenanfragen schneller beantworten
- KI für Versicherer: Einsatzfelder von Vertrieb bis Schaden einordnen
- KI im Bankgeschäft verstehen: Modelle, Einsatzfelder und Regulierung
- KI in Steuerkanzlei und Wirtschaftsprüfung: Einsatzfelder und Fahrplan
- Legal Chatbots für Kanzleien: Mandantenaufnahme per KI vorqualifizieren
- MLOps für Banken und Versicherungen: ML-Modelle prüfbar in Betrieb bringen
- Neuronale Netze in Banken: Kreditrisiko, Kursprognose und Betrug mit Python
- Robo-Advisors in der Finanzberatung: Empfehlungen verstehen und einführen
- Schadenfotos automatisch bewerten: Computer Vision für Versicherer
- Service-Bots für Versicherer: Chat und Telefon mit RAG belastbar gestalten
- Stornoquote senken und Bestand ausschöpfen: ML im Versicherungsvertrieb
- Underwriting mit KI: Risiken datenbasiert, fair und prüfbar zeichnen
- Versicherungsbetrug in der Schadenregulierung: Verdachtsfälle per ML finden
- Versicherungstarife mit Machine Learning: vom GLM zum fairen Marktpreis
- Vertragsprüfung mit LLMs: Klauseln, Fristen und Risiken sicher erfassen
Dienstleistungen 7
- AIOps für IT-Dienstleister: Alarme bündeln, Ursachen schneller finden
- Fachübersetzungen mit KI: Terminologie steuern und Qualität absichern
- Kfz-Gutachten mit Computer Vision: Schäden aus Fotos vorab einschätzen
- KI-Leistungen im Systemhaus: Portfolio schnüren, Preise setzen, verkaufen
- Redaktionsarbeit mit KI: Recherche, Rohtext und Faktencheck verantworten
- Telekommunikationsnetze mit ML: Störungen vorhersagen, Ausbau planen
- Veranstaltungen mit KI organisieren: Konzept, Budget und Gäste im Griff
Tourismus, Hotel & Gastronomie 3
Geschäftsführung & Führung 5
- Agentic AI für die Leitungsebene: KI-Agenten bewerten, absichern, einführen
- Geschäftsmodelle unter KI-Druck: Angriffspunkte erkennen, neu ausrichten
- KI im Unternehmen organisieren: Rollen, Kompetenzen und Betriebsmodell
- KI-Einsatz verantworten: Potenziale bewerten, Risiken und Projekte lenken
- KI-Initiativen als Portfolio führen: priorisieren, Wert messen, skalieren
Personal, Ausbildung & Mitbestimmung 6
- Fluktuation, Fehlzeiten, Entgelt: People Analytics mit Machine Learning
- HR-Chatbots: Mitarbeiterfragen mit RAG und Firmenwissen beantworten
- KI-Einführung als Wandel begleiten: Ängste ernst nehmen, Teams beteiligen
- Kompetenzen sichtbar machen: Skill-Gaps und Lernpfade mit KI planen
- Personalarbeit mit KI: Zeugnisse, People Analytics und Mitbestimmung
- Stellen schneller besetzen: KI in Sourcing, Vorauswahl und Interview
Finanzen & Controlling 6
- Anomalien im Buchungsjournal mit ML aufspüren: Revision und Controlling
- Business Cases mit KI erarbeiten: Vorhaben solide rechnen und vertreten
- Dokumenten-KI in der Buchhaltung: Vom Belegeingang zur Dunkelbuchung
- Machine Learning im Controlling: Forecasts mit Treibern und Bandbreiten
- RPA und KI im Finanzwesen: Belege, Abgleiche und Zahlungen automatisieren
- Wirtschaftlichkeit von KI-Vorhaben: Nutzen, Kosten und Risiko beziffern
Vertrieb, Marketing & Kundenservice 10
- Bid Management mit LLMs: Ausschreibungen auswerten, Angebote zuschneiden
- Content-Pakete mit generativer KI: Text, Bild, Audio und Video produzieren
- Generative KI im Marketing: Texte, Key Visuals und Kampagnenabläufe
- KI im Marketing: Zielgruppen segmentieren, Kampagnen datenbasiert steuern
- Kundenabwanderung mit Machine Learning früh erkennen und gegensteuern
- Lead Scoring mit Machine Learning: Opportunities gezielt priorisieren
- Podcasts und Videos mit KI produzieren: Schnitt, Ton und Kurzclips
- Social Media mit KI: Redaktionsplan, Posts und Community im Team steuern
- Telko-Kunden halten: Churn-Modelle, Uplift und passende Tarifangebote
- Vom gepflegten CRM zur Steuerung: Next Best Action und Forecast mit KI
Einkauf & Fuhrpark 4
Qualität, Sicherheit & Compliance 6
- AI Governance im Unternehmen: Richtlinie, Rollen und Freigaben festlegen
- Data Governance für KI: Daten freigeben, ohne die Kontrolle zu verlieren
- KI-Risiken steuern: Anforderungen der KI-VO und ISO/IEC 42001 umsetzen
- Machine Learning im SOC: Anomalien erkennen und die Alarmflut ordnen
- Nachhaltigkeitsbericht mit KI: CSRD-Daten bündeln, ESRS-Texte entwerfen
- Penetrationstests für LLM-Anwendungen: den OWASP-Katalog praktisch nutzen
Büro, Organisation & IT 10
- Agentic AI steuern: Plattform, Kostenkontrolle und Freigaben für Agenten
- Business-Analyse mit KI: Anforderungen erheben, Entscheidungen vorbereiten
- IT-Support mit KI: Tickets einordnen, routen und Lösungen per RAG finden
- KI im Büroalltag: E-Mails, Meetings, Recherche und Excel zügig erledigen
- Process Mining und KI: Geschäftsprozesse aus Event Logs heraus verbessern
- Prozessanalyse mit Machine Learning: Engpässe und Schleifen aufdecken
- Requirements Engineering mit KI: Anforderungen erheben, prüfen, verfolgen
- Unternehmenswissen mit KI erschließen: von verstreuten Quellen zur Suche
- User Stories mit KI: Stakeholder-Aussagen zu einem prüfbaren Backlog
- Vorträge mit KI gestalten: Storyline, Folien, Bilder und Stimme verbinden
KI-Werkzeuge 5
- ChatGPT im Berufsalltag: von präzisen Prompts bis zur Automatisierung
- Claude Cowork: Büroarbeit als Auftrag an einen KI-Agenten vergeben
- Copilot, Cursor oder Claude Code: KI-Coding-Tools fürs Team auswählen
- Literaturrecherche mit KI: Quellen finden, vernetzen und belastbar prüfen
- Vibe Coding: mit Bolt, Lovable und Cursor im Dialog mit KI entwickeln
KI-Technik & Entwicklung 27
- Altsysteme mit LLMs modernisieren: Fachlogik bergen und sicher migrieren
- Belastbare Trainingsdaten: Datenqualität in ML-Projekten prüfen und sichern
- Causal Inference für ML-Praktiker: Ursache und Wirkung belastbar schätzen
- Computer-Use- und Browser-Agenten: GUI-Abläufe mit KI automatisieren
- Entropie, Kompression, Perplexität: Informationstheorie für ML-Modelle
- Erklärbare KI (XAI): Modellentscheidungen mit SHAP und LIME offenlegen
- Generalisierung im Machine Learning: Bias-Variance-Tradeoff und Overfitting
- Generative Modelle verstehen: GPT, Diffusion, GANs und VAEs im Vergleich
- Große Sprachmodelle von innen: Embeddings, Attention und Training
- Große Sprachmodelle von innen: Transformer, Training und Prompting
- In neuronale Netze hineinsehen: Interpretierbarkeit und Alignment
- KI in CI/CD-Pipelines: Builds analysieren, Releases sicher automatisieren
- KI-Agenten verlässlich machen: Evals, Red Teaming und Monitoring
- Kooperierende KI-Agenten: Multi-Agenten-Workflows entwerfen und betreiben
- LLM-Anwendungen gegen Angriffe härten: Prompt Injection bis Datenabfluss
- MCP-Server entwickeln: Unternehmenssysteme für KI-Agenten erschließen
- ML-Datenpipelines aufbauen: Features konsistent für Training und Inferenz
- ML-Modelle gegen gezielte Angriffe härten: Adversarial ML in der Praxis
- Neuronale Netze trainieren: Loss, Backpropagation und Gradientenabstieg
- OpenAI Codex in der Softwareentwicklung: Code erzeugen, prüfen, einbinden
- Produktentwicklung mit KI: Ideen prüfen, Anforderungen klären, MVPs testen
- RAG weiterentwickeln: präziseres Retrieval und agentische Recherche
- Semantische Suche mit Embeddings: Vektordatenbanken wählen und betreiben
- Skalierungsgesetze und Emergenz: was die Forschung über LLMs weiß
- Softwaretests mit LLMs: Testfälle, Testdaten und Automatisierung absichern
- Transformer nachgerechnet: Tokens, Self-Attention und Sampling in LLMs
- Unternehmens-Chatbots mit RAG absichern: Zugriffe, Injection, Nachweise
KI-Strategie & Grundlagen 6
- Datenstrategie für KI: Datenbestände ordnen, priorisieren, nutzbar machen
- KI-Piloten in den Regelbetrieb bringen: Stolpersteine früh ausräumen
- KI-Reifegrad messen: Stärken, Lücken und Handlungsfelder der Organisation
- KI-Vorhaben auswählen: Use Cases nach Wert, Aufwand und Risiko ordnen
- Von Turing zur AGI-Debatte: KI geschichtlich und philosophisch einordnen
- Was KI prinzipiell nicht kann: Berechenbarkeit, Komplexität, Lerngrenzen
Ihr Thema ist nicht dabei oder Sie wollen mehrere kombinieren? Wir schneiden die Schulung auf Ihr Haus zu.
Beratung anfragen