• alt " "

KI-Grundlagen für IT-Professionals

Für dieses Training erhalten Sie ein Teilnahmezertifikat von Spirit in Projects

Sie denken visionär, sind bereit für Innovation und möchten wissen, wie sich der Einsatz von KI in Ihrem Unternehmen bzw. für Ihre Aufgabenstellungen am besten lohnt? Wenn Sie alles rund um das Einsatzgebiet von KI beurteilen wollen und sich mit den Best Practices auseinandersetzen möchten, dann freuen Sie sich auf dieses Training. Gemeinsam betrachten wir aktuelle Anwendungsgebiete der Künstlichen Intelligenz, Large Language Models und modernes Prompt Engineering. Sie lernen nicht nur die Grundlagen, sondern auch, wie Sie KI-Tools effektiv im Unternehmenskontext einsetzen und bereiten sich optimal auf die KI-Integration in Ihrem Unternehmen vor.

alt " "

Ziele

  • Unterschiede zwischen künstlicher und natürlicher Intelligenz verstehen
  • Innovative Anwendungsgebiete der KI kennenlernen und bewerten
  • Überblick über verschiedenen Techniken und Methoden der KI, insbesondere Large Language Models
  • Praktische Einsatzmöglichkeiten der KI im Unternehmen kennen und Auswirkungen auf Geschäftsprozesse abschätzen
  • Relevante Methoden zur effektiven Implementierung von KI verstehen
  • Prompt Engineering Techniken beherrschen und on der Praxis anwenden
  • Hands-on Erfahrung mit aktuellen LLMs und KI-Tools sammeln

Zielgruppen:

Business Analyst, Requirements Engineer, Usability Expert, Scrum Master, AI Expert, Project Manager, Projektleiter, Demand Manager, Portfoliomanager, IT-Projektleiter, Testmanager, Tester, Test Automation Specialist, Testingenieur, Enterprise Architect, System Architect, Software Architect, Software Designer, Software Entwickler, Product Owner und alle, die sich mit künstlicher Intelligenz beschäftigen möchten.

Termine anzeigen

Inhalt

1. Grundlagen

  • AI vs. natürliche Intelligenz
  • Vorteile der Nutzung von AI
  • Schwache und Starke AI
  • Unterschied zwischen AI, Machine Learning und Data Science
  • Probleme & Limitierungen
  • Wann zahlt sich Einsatz von AI aus?
  • ROI-Betrachtung und Wirtschaftlichkeitsanalyse

2. Grundlegende Anwendungsbereiche der AI

  • Natural Language Processing & Spracherkennung
  • Bilderkennung & Gesichtserkennung
  • Intelligente Systeme bzw. Autonome Systeme & Roboter
  • Expertensysteme
  • Generative KI und ihre Anwendungsfelder

3. Grundlegende Umsetzungsmethoden der AI

  • Machine Learning
  • Deep Learning
  • Statistik
  • Logik & Planung
  • Large Language Models (LLMs)
  • Transformer-Architektur
  • Multimodale Modelle

4. Large Language Models in der Praxis

  • Überblick über aktuelle LLMs (ChatGPT, Claude, Gemini, etc.)
  • Open Source LLMs (Llama, DeepSeek, etc.)
  • Multimodale Fähigkeiten: Text, Vision, Audio
  • Einsatzszenarien im Unternehmenskontext
  • Retrieval-Augmented Generation (RAG)
  • Halluzinationen und ihre Vermeidung
  • Sicherheit und Datenschutz bei LLM-Nutzung

5. Prompt Engineering – Grundlagen und Best Practices

  • Was ist Prompt Engineering und warum ist es wichtig?
  • Zero-Shot Prompting für einfache Aufgaben
  • Few-Shot Prompting für domänenspezifische Anwendungen
  • Chain-of-Thought (CoT) Prompting für komplexe Probleme
  • Strukturierte Prompts und Templates
  • System-Prompts vs. User-Prompts
  • Kostenoptimierung durch effiziente Prompts
  • Praktische Übung: Prompt-Optimierung für verschiedene Use Cases

6. Anwendungsgebiete

  • Customer Support und Chatbots
  • Content Creation und Marketing
  • Software Development mit KI-Copilots
  • Predictive Analytics und Forecasting
  • Transport & autonome Fahrzeuge
  • Medizin und Healthcare
  • Finanzwesen und Fraud Detection
  • Supply Chain Optimization

7. KI und Gesellschaft

  • Customer Support und Chatbots
  • Content Creation und Marketing
  • Software Development mit KI-Copilots
  • Predictive Analytics und Forecasting
  • Transport & autonome Fahrzeuge
  • Medizin und Healthcare
  • Finanzwesen und Fraud Detection
  • Supply Chain Optimization

8. KI Tools und Plattformen 2026

  • OpenAI (ChatGPT)
  • Anthropic Claude Familie
  • Google Gemini Pro/Flash
  • Microsoft Copilot mit Multi-Model-Integration
  • Google TensorFlow
  • PyTorch
  • Microsoft Azure AI Services
  • Amazon AWS AI Services
  • Cloud-Plattformen und ihre Vor- und Nachteile
  • Programmiersprachen für KI-Entwicklung

9. Hands-on Workshop

  • Praktische Arbeit mit verschiedenen LLMs (Open Source und Closed Source)
  • Prompt Engineering für reale Geschäftsszenarien
  • Evaluierung verschiedener LLM-Modelle (Small Language Models vs Large Language Models)
  • Use Case Entwicklung für Ihr Unternehmen
  • Best Practices und Lessons Learned

Nach Absolvierung empfehlen wir:

Spirit in Projects