KI-Strategie & Grundlagen

Von neuronalen Netzen bis Sprachmodell: KI für Führung und Stab verstehen

Führungskräfte und Stabsstellen sollen KI-Vorhaben anstoßen, bewerten und begleiten, oft ohne je selbst ein Modell gebaut zu haben. Zwei Tage lang erarbeiten Sie die Technik dahinter, vom maschinellen Lernen über Deep Learning bis zu großen Sprachmodellen, und probieren sie in Übungen mit Orange3 und Flowise AI selbst aus. Der zweite Tag führt über Risiken, Ethik und den Rechtsrahmen zur Frage, wie daraus eine KI-Strategie und messbare Projekte werden. Anschließend ordnen Sie Anbieterversprechen technisch ein und steuern Vorhaben im eigenen Haus fundiert mit.

Für wen

Führungskräfte sowie Beschäftigte aus Stabsabteilungen, die KI-Themen fachlich beurteilen und vorantreiben. IT-Kenntnisse sind dafür nicht erforderlich.

KI-Intensivseminar · 2 Tage

Die Technik hinter KI begreifen und daraus Strategie und Projekte ableiten

Das nehmen Sie mit

  • Sie unterscheiden Lernverfahren, neuronale Netze, Autoencoder, GAN und Sprachmodelle und wissen, wofür sich welches eignet.
  • Sie haben selbst zwei Modelle in Orange3 trainiert, Prompting-Techniken geübt und einen RAG-Ablauf mit Flowise AI aufgebaut.
  • Sie kennen Halluzinationen, Prompt Injection und Bias, die Grundzüge von KI-Verordnung, DSGVO und EU Data Act sowie Kennzahlen, mit denen sich KI-Projekte steuern lassen.

Ablauf

  1. Teil 1

    Tag 1 – Modul 1 – Grundbegriffe: Was hinter der Abkürzung KI steckt

    • Künstliche Intelligenz definieren, und zwar so, dass Fachbereich, IT und Leitung dasselbe darunter verstehen
    • Das Fachvokabular sortieren, das in Projektskizzen und Anbieterpräsentationen ständig auftaucht
    • Vier Einsatzfelder: generative KI, datengetriebene Entscheidungen, Planung, Prozessautomatisierung
  2. Teil 2

    Tag 1 – Modul 2 – Maschinelles Lernen: Wie Modelle aus Beispieldaten Regeln gewinnen

    • Lernalgorithmen und neuronale Netze anschaulich nachvollziehen, ganz ohne Formeln
    • Feature Engineering: aus Rohdaten die Merkmale herausziehen, auf die sich eine Vorhersage stützt
    • Phasen eines Machine-Learning-Projekts, von der Datensammlung bis zum laufenden Betrieb
    • Fallbeispiele: Betrugsbekämpfung, Wissensmanagement, Retailbanking und autonomes Fahren
    • Übung: In der grafischen Oberfläche von Orange3 Datamining entstehen zwei eigene KI-Modelle
  3. Teil 3

    Tag 1 – Modul 3 – Deep Learning: Verfahren, Anomalien, Fälschungen und Plattformen

    • Supervised, Unsupervised und Reinforcement Learning im Vergleich: Datenbedarf und passende Aufgaben
    • Autoencoder: Wie ein Netz ungewöhnliche Datensätze meldet, ohne dass jemand sie vorher markiert hat
    • Generative Adversarial Networks: So entstehen KI-Fälschungen, die echt wirken
    • Marktüberblick: große Cloud-AI-Plattformen und ihre quelloffenen Gegenstücke
    • Neue technologische Entwicklungen und ihre Bedeutung für die Planung in Stabsabteilungen
  4. Teil 4

    Tag 2 – Modul 4 – Sprachmodelle: ChatGPT verstehen und gezielt anleiten

    • Funktionsweise von ChatGPT und anderen Large Language Models im Detail
    • Prompting-Techniken kennenlernen und gegeneinander abwägen
    • Übung: Anfragen für Stabsaufgaben wie das Verdichten einer Sitzungsvorlage schreiben und nachschärfen
    • Alternativen zu ChatGPT einordnen: Gemma, Llama2, Aleph Alpha, LeoLM
    • Multimodale Modelle am Beispiel Gemini: Audio und Video erzeugen
  5. Teil 5

    Tag 2 – Modul 5 – Eigenes Wissen anbinden: Finetuning, RAG und Flowise AI

    • Finetuning: generative Modelle mit Unternehmensdaten auf firmeneigene Aufgaben zuschneiden
    • Retrieval Augmented Generation: Antworten auf interne Richtlinien und Handbücher stützen
    • Übung: Mit Flowise AI einen Enterprise-Workflow bauen, der Fragen aus einer Dokumentensammlung beantwortet
  6. Teil 6

    Tag 2 – Modul 6 – Risiken und Rahmen: Sicherheit, Ethik, Regulierung

    • Halluzinationen, Prompt Injection und Bias: wie Chatbots fehlleiten und was dagegen hilft
    • Security by Design: Grundsätze für KI-Systeme, die von Anfang an sicherer angelegt sind
    • Ethische und gesellschaftliche Spannungsfelder, die jede Entscheidung über KI begleiten
    • Regulatorik im Überblick: EU-KI-Verordnung, DSGVO und EU Data Act
    • Artificial General Intelligence (AGI): aktuelle Konzepte für eine Intelligenz auf menschlichem Niveau
  7. Teil 7

    Tag 2 – Modul 7 – Strategie und Projekte: Aus Potenzial ein steuerbares Vorhaben machen

    • Automatisierungspotenzial in Abläufen anhand erprobter Vorgehensweisen aufspüren
    • Evolution oder Disruption: Geschäftsmodell schrittweise weiterentwickeln oder grundlegend umbauen
    • Eckpunkte einer eigenen AI-Strategie für Ihre Organisation entwerfen
    • Qualität messbar halten: Kennzahlen (KPI), Baselines und Benchmarks festlegen
    • Erfahrungen aus Projekten: was Vorhaben trägt und welche Fallstricke drohen
    • Übung: Zwei Anwendungsfälle mit den Mitteln des Moduls bewerten und als Projekt skizzieren

VoraussetzungenTechnisches Vorwissen brauchen Sie nicht.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen