+49 (0) 30 5201 4923
info@orb-experts.com
Ein praxisnaher Einsteigerkurs für Fachabteilungen. An drei Tagen lernen Teilnehmende die wichtigsten Modellfamilien kennen, verstehen die Einsatzgrenzen und bauen eine kleine, verantwortungsvolle KI-Lösung von der Idee bis zum vorzeigbaren Prototyp.
Sie verstehen moderne KI-Modelle wie tiefe neuronale Netze, generative KI, NLP, Computer Vision, Multimodalität, Agenten und Erklärbarkeit in verständlicher Sprache. Sie übertragen echte Anwendungsfälle in umsetzbare Workflows, berücksichtigen Ethik, Recht und Datenschutz und präsentieren eine kleine End-to-End Lösung.
Nach diesem Training können Sie sicher:
• Stärken und Grenzen von tiefen Netzen, generativen Modellen, NLP, Vision und multimodalen Systemen erklären
• Reale Use Cases identifizieren, Datenbedarf einschätzen und Build-vs-Buy abwägen
• Prompts gestalten, Retrieval-Konzepte nutzen und einfache Agenten-Workflows skizzieren
• Ergebnisse mit einfachen Erklärbarkeits- und Evaluationsansätzen prüfen
• Risiken wie Bias, Datenschutz, Sicherheit und Missbrauch erkennen und mindern
• Eine kleine End-to-End KI-Lösung konzipieren, Ergebnis präsentieren und nächste Schritte planen
• Keine Programmierkenntnisse erforderlich
• Routine im Umgang mit Webanwendungen und Tabellen
• Eine einfache Idee oder ein Anwendungsfall sowie unkritische Beispielmaterialien sind hilfreich
*Wir passen den Kursaufbau und die Inhalte an Ihre spezifischen Anforderungen und relevanten Anwendungsfälle an.
Modul 1: Orientierung und KI-Landschaft
• Was KI heute kann und wo Grenzen liegen
• Modellfamilien im Überblick: klassische ML-Verfahren, Deep Learning, Transformer, Diffusion
• Einordnung von generativer, multimodaler und agentischer KI in Ihren Arbeitsalltag
Modul 2: Datenkompetenz für KI
• Datensätze, Qualität, Labeling, Datenminimierung
• Sensible Daten, Einwilligung, Datenschutz in Klartext
• Grundbegriffe der Bewertung: Genauigkeit, Präzision, Recall, Fehlalarme
Modul 3: Tiefe neuronale Netze verständlich
• Schichten, Parameter und Trainingsprinzip auf hoher Ebene
• CNN, RNN und Transformer in einfachen Bildern
• Embeddings als Basis für Suche, Clustering und Retrieval
Modul 4: Generative KI in der Praxis
• Sprachmodelle für Entwürfe, Zusammenfassungen und Q&A
• Bild- und Audioerzeugung inkl. Diffusionsideen in einfacher Sprache
• Prompt-Muster, Inhaltskontrollen und Start des persönlichen Projekt-Scopes
Modul 5: NLP-Anwendungen
• Klassifikation, Extraktion, Zusammenfassung
• Retrieval-unterstützte Generierung zur Fundierung von Antworten
• Mehrsprachigkeit und Domänenanpassung
Modul 6: Computer Vision Anwendungen
• Bildklassifikation, Objekterkennung, OCR, Qualitätsgrenzen
• Datenbedarf für Bilder und typische Fallstricke
• Realistische Erfolgskriterien für Pilotvorhaben
Modul 7: Smarte Agenten und Arbeitsabläufe
• Wann Agenten sinnvoll sind, um Tools und Daten zu orchestrieren
• Leitplanken, Einschränkungen und Übergaben an Menschen
• Zuverlässigkeit messen und sichere Fehlermodi definieren
Modul 8: Erklärbarkeit, Ethik und Recht
• Erklärbarkeit in Alltagssprache und einfache Inspektionsmethoden
• Bias, Fairness, Repräsentativität und deren Umgang
• Rechtliche Grundlagen: Datenschutz, Urheberrecht, Kennzeichnung, Governance-Checklisten
Modul 9: Design einer KI-Lösung
• Problemklärung, Zielbilder und Stakeholder-Karte
• Datenquellen, Integrationspunkte, Kostenaspekte
• Build-vs-Buy und Kriterien zur Anbieterauswahl
Modul 10: Persönliches Projekt Aufbau und Review
• Use Case in einen einfachen Workflow und Bewertungsplan übersetzen
• Nicht sensible Daten, Prompts und Entscheidungsregeln vorbereiten
• Prototyp schärfen, Annahmen und Risiken dokumentieren
Modul 11: Präsentation, Wirkung und nächste Schritte
• Ergebnisse vorstellen und strukturiertes Feedback einholen
• Responsible-AI in Betrieb bringen: Rollen, Richtlinien, Monitoring
• Fahrplan für Verbesserungen, Nutzenmessung und Change Management
Praxisnahes Lernen mit erfahrenen Trainern an Ihrem Standort für Organisationen.
Neue Fähigkeiten erlernen, angeleitet von erfahrenen Trainern von überall.
