KI-Projekte planen und durchführen

Für dieses Training erhalten Sie ein Teilnahmezertifikat von Spirit in Projects.

Sie sind Projektmanager und stehen vor der Herausforderung, KI-Projekte erfolgreich zu leiten? Wenn Sie die Besonderheiten und Erfolgsfaktoren von KI-Projekten kennenlernen möchten und wissen wollen, wie Sie klassische Projektmanagement-Methoden anpassen müssen, dann freuen Sie sich auf dieses Training. Gemeinsam erarbeiten wir die wichtigsten Aspekte des KI-Projektmanagements und bereiten Sie optimal auf Ihre nächsten KI-Projekte vor.

Termine... AI Expert... Project Manager... Übersicht Rollenprofile...

Wir empfehlen:

Ziele

  • Besonderheiten und Herausforderungen von KI-Projekten verstehen und erfolgreich managen
  • Grundlegendes Verständnis von KI-Methoden und deren Einsatzmöglichkeiten entwickeln
  • Klassische PM-Methoden für KI-Projekte adaptieren und anwenden
  • KI-spezifische Risiken identifizieren und geeignete Maßnahmen entwickeln
  • Effektives Stakeholder-Management in KI-Projekten durchführen

Zielgruppen:

AI Expert, Project Manager, Scrum Master, Projektleiter, IT-Projektleiter, Product Owner, Portfolio Manager und Demand Manager

Termine...

Inhalt

1. Grundlagen und Besonderheiten von KI-Projekten

  • Unterschiede zu klassischen IT-Projekten
  • Typische Projektphasen in KI-Projekten
  • Erfolgskritische Faktoren
  • Häufige Fallstricke

2.  Technologische Grundlagen für Projektmanager

  • Überblick über KI-Methoden (Machine Learning, Deep Learning, NLP)
  • Unterscheidung verschiedener KI-Ansätze
  • Grundlegende KI-Architekturen verstehen
  • Typische KI-Entwicklungsumgebungen und -Tools

3. Anforderungsmanagement in KI-Projekten

  • Definition von KI-spezifischen Anforderungen
  • Umgang mit Unsicherheiten und sich ändernden Anforderungen
  • Datenqualität und Datenverfügbarkeit
  • Erfolgskriterien definieren

4. Planung und Schätzung

  • Besonderheiten bei der Aufwandsschätzung
  • Iterative Planung und Experimentphasen
  • Ressourcenplanung (Infrastruktur, Rechenleistung, Daten)
  • Budgetierung von KI-Projekten

5. Teamzusammenstellung und Kompetenzen

  • Erforderliche Rollen und Skillsets
  • Zusammenarbeit von Business und Data Science
  • Externe Partner und Dienstleister
  • Aufbau interner KI-Kompetenz

6. Stakeholder-Management in KI-Projekten

  • Identifikation und Analyse KI-spezifischer Stakeholder
  • Management überhöhter Erwartungen
  • Spezifische Widerstände in KI-Projekten
  • Change Management für KI-Transformation
  • Kommunikationsstrategien für KI-Projekte

7. Technische Aspekte des Projektmanagements

  • Verständnis von Modelltraining und -evaluierung
  • Umgang mit Datenqualität und -mengen
  • Integration von KI-Modellen in bestehende Systeme
  • Cloud vs. On-Premise Lösungen

8. Risikomanagement

  • KI-spezifische Risiken identifizieren
  • Ethische und rechtliche Aspekte
  • Datenschutz und Compliance
  • Qualitätssicherung und Testing von KI-Systemen

9. Projektdurchführung und Monitoring

  • Agile Methoden in KI-Projekten
  • KPIs und Metriken für KI-Projekte
  • Fortschrittskontrolle und Meilensteine
  • Monitoring von Modellqualität und Performance

10. Best Practices und Fallstudien

  • Erfolgreiche KI-Projekte analysieren
  • Lessons Learned aus gescheiterten Projekten
  • Checklisten und Templates
  • Praktische Übungen
Spirit in Projects