Themen
KI-Schulungen: KI-Strategie & Grundlagen
Grundlagen und Strategie: was KI kann und was nicht, wie Unternehmen den Einsatz planen, bewerten und verantwortungsvoll einführen.
Im Katalog filtern und durchsuchen→
Schwerpunkt KI-Strategie & Grundlagen 8
- Datenstrategie für KI: Datenbestände ordnen, priorisieren, nutzbar machen
- Eigenbau, Kauf oder Partnerschaft: KI-Lösungen nach Gesamtkosten wählen
- 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 neuronalen Netzen bis Sprachmodell: KI für Führung und Stab verstehen
- Von Turing zur AGI-Debatte: KI geschichtlich und philosophisch einordnen
- Was KI prinzipiell nicht kann: Berechenbarkeit, Komplexität, Lerngrenzen
Ebenfalls passend 56
- Adaptives Lernen mit KI: Lernpfade, die sich dem Wissensstand anpassen
- Agentic AI für die Leitungsebene: KI-Agenten bewerten, absichern, einführen
- Anwaltliche Arbeit mit KI: Schriftsätze, Recherche und Mandatsgeheimnis
- Arbeitsblätter und Unterrichtsmaterial mit KI: Entwürfe fachlich prüfen
- Business-Analyse mit KI: Anforderungen erheben, Entscheidungen vorbereiten
- Causal Inference für ML-Praktiker: Ursache und Wirkung belastbar schätzen
- Eigene KI-Anwendungen einstufen: Anhang III und Art. 6 KI-VO prüfen
- Eigenen Prozess mit KI erproben: Pilot im Fachbereich mit zehn Vorgängen
- Entlassmanagement im Krankenhaus mit KI: Chancen und Grenzen einordnen
- Entropie, Kompression, Perplexität: Informationstheorie für ML-Modelle
- Erster KI-Anwendungsfall: Kandidaten durchrechnen, Piloten beschließen
- Generalisierung im Machine Learning: Bias-Variance-Tradeoff und Overfitting
- Generative Modelle verstehen: GPT, Diffusion, GANs und VAEs im Vergleich
- Geschäftsmodelle unter KI-Druck: Angriffspunkte erkennen, neu ausrichten
- Große Sprachmodelle von innen: Embeddings, Attention und Training
- Große Sprachmodelle von innen: Transformer, Training und Prompting
- KI für Stadtwerke und Energieversorger: Einsatzfelder sichten und angehen
- KI für Versicherer: Einsatzfelder von Vertrieb bis Schaden einordnen
- KI im Bankgeschäft verstehen: Modelle, Einsatzfelder und Regulierung
- KI im eigenen Verantwortungsbereich: Einsatzfelder finden, Team mitnehmen
- KI im ganzen Haus ausrollen: Wellenplan und Kostenrahmen für die Leitung
- KI im Unternehmen organisieren: Rollen, Kompetenzen und Betriebsmodell
- KI in KMU aus Leitungssicht: Kosten rechnen, Pflichten kennen, entscheiden
- KI in Kommunen und Behörden: Einsatzfelder, Rechtsrahmen, erste Schritte
- KI in Pharma und Chemie: Einsatzfelder einordnen, GxP-gerecht starten
- KI in Steuerkanzlei und Wirtschaftsprüfung: Einsatzfelder und Fahrplan
- KI vom Acker bis zur Verarbeitung: Einsatzfelder finden und priorisieren
- KI-Beauftragte/-r werden: Governance aufbauen und KI-Verordnung umsetzen
- KI-Einführung als Wandel begleiten: Ängste ernst nehmen, Teams beteiligen
- KI-Einsatz verantworten: Potenziale bewerten, Risiken und Projekte lenken
- KI-Grundlagen für Bau und Immobilien: Potenziale prüfen, Projekt anstoßen
- KI-Initiativen als Portfolio führen: priorisieren, Wert messen, skalieren
- KI-Innovationen im Privatkundengeschäft von Banken gestalten und steuern
- KI-Nutzen gegenüber der Leitung belegen: Kennzahlen, Kosten, Berichte
- KI-Risiken steuern: Anforderungen der KI-VO und ISO/IEC 42001 umsetzen
- KI-Roadmap im Führungsteam: Zielbild, Use Cases und Meilensteine festlegen
- KI-Strategie im Mittelstand: Reifegrad klären, Lücken schließen, Plan bauen
- KI-Strategie im Unternehmen: Von der Zielsetzung zu priorisierten Piloten
- Kompetenzen sichtbar machen: Skill-Gaps und Lernpfade mit KI planen
- Kundenabwanderung mit Machine Learning früh erkennen und gegensteuern
- Literaturrecherche mit KI: Quellen finden, vernetzen und belastbar prüfen
- Machine Learning und Sprachmodelle im Retail-Banking praktisch erproben
- Mathematik für Machine Learning: Matrizen, Wahrscheinlichkeit, Gradienten
- Nachfolge im Mittelstand: Übergabewissen mit KI geordnet festhalten
- Neuronale Netze trainieren: Loss, Backpropagation und Gradientenabstieg
- Personalarbeit mit KI: Zeugnisse, People Analytics und Mitbestimmung
- Process Mining und KI: Geschäftsprozesse aus Event Logs heraus verbessern
- Produktentwicklung mit KI: Ideen prüfen, Anforderungen klären, MVPs testen
- Python und Machine Learning: Ohne Vorwissen zum eigenen ML-Projekt
- Reinforcement Learning in der Theorie: von Markov-Entscheidungen bis RLHF
- Skalierungsgesetze und Emergenz: was die Forschung über LLMs weiß
- Teams durch die KI-Einführung führen: Sorgen aufgreifen, Regeln vereinbaren
- Transformer nachgerechnet: Tokens, Self-Attention und Sampling in LLMs
- Versicherungsangebote verständlich vergleichen: KI im Makler-Innendienst
- Vom KI-Versuch zur Arbeitsanweisung: Verfahren im Fachbereich verankern
- Wirtschaftlichkeit von KI-Vorhaben: Nutzen, Kosten und Risiko beziffern
Ihr Thema ist nicht dabei oder Sie wollen mehrere kombinieren? Wir schneiden die Schulung auf Ihr Haus zu.
Beratung anfragen