Geförderte KI-Trainings

Modul 1

Einführung in KI

Gemeinsame Sprache und realistisches Bild: was KI kann, was nicht – und woran man das erkennt.

Prädiktive und generative KI, wie Sprachmodelle arbeiten und warum Kohärenz nicht Plausibilität ist. Sechs KI-Zielrichtungen (schneller, billiger, besser, sicherer, neu, mehr Umsatz) und die vier Rollen von KI im Geschäftsprozess. Erste eigene Aufgaben mit Agenten und Prompting – und die Bestandsaufnahme: Welche KI-Use-Cases gibt es im eigenen Unternehmen schon?

Modul 2

Governance, Ethik & Compliance

DSGVO, EU AI Act und interne Leitlinien – bevor gebaut wird.

Datenschutz, Urheberrecht, Haftung und die EU-KI-Verordnung anhand von Fallstudien. Responsible AI: Verantwortlichkeit, Transparenz, Fairness, Zuverlässigkeit. Konkrete Werkzeuge entlang des KI-Lebenszyklus: Reifegradbewertung, Folgenabschätzung, Daten- und Modellmanagement – direkt angewendet auf den ersten eigenen Anwendungsfall.

Modul 3

Use Cases identifizieren & bewerten

Nicht jede Idee lohnt sich. Anwendungsfälle finden, beschreiben, bewerten und priorisieren.

Der Schwerpunkt der ersten Kurshälfte: Lean-Prozessanalyse, Stakeholder-Workshops und Interviews, Trendanalysen. Vollständige Use-Case-Beschreibungen mit Vorlage und Value Proposition Canvas, Bewertungs- und Risikomatrix – und am Ende ein priorisiertes KI-Projektportfolio samt Elevator Pitch.

Modul 4

Technologische Umsetzung

Prompting, Agenten, StepGPT und n8n: das Handwerkszeug, mit dem Lösungen tatsächlich gebaut werden.

Den KI-Markt einordnen – proprietär vs. Open Source, Cloud vs. On-Premise. Von den Geschäftsanforderungen zur Lösungsauswahl mit Bewertungsmatrix und Lasten-/Pflichtenheft. Erfolgskennzahlen definieren, kritische Annahmen identifizieren, Proof of Concept und Business Case planen.

Modul 5

Prototypen entwickeln & testen

Klein anfangen, messen, lernen – am Prototyp prüfen, ob KI wirklich etwas bringt.

Testumgebung, Sampling und Evaluationsmetriken planen. Prompt Engineering am eigenen Fall in Sandbox und No-Code-Plattform, strukturiert mit Design-Thinking- und Scrum-Elementen. Ehrliche Auswertung: Einsatzgebiete, Grenzen, Anforderungen an die Daten – und eine belastbare Empfehlung: ausrollen, verbessern oder bewusst verwerfen.

Modul 6

Integration in die IT-Infrastruktur

Eine Lösung, die nicht in die Systemlandschaft passt, bleibt ein Spielzeug. Hier wird aus dem Prototyp Alltag.

Integrationsstrategien: Schnittstellen und APIs, Prozessneugestaltung, Low-Code-Automatisierung mit n8n als verbindendem Werkzeug. Das KI-Architekturpuzzle aus Datenquellen, Modellen, Workflows und Ausgabekanälen. Betrieb und Skalierung mit AIOps: Monitoring, Ergebnisanalyse, menschliche Feedback-Schleifen. Großer Anteil begleiteter Umsetzung am eigenen Fall.

Modul 7

Organisationsentwicklung & Change Management

Technik allein ändert nichts. Kolleg:innen mitnehmen und die Veränderung in der Organisation verankern.

Rollen und Verantwortlichkeiten mit Stakeholder-Landkarte und 7S-Modell. Die Einführung als Change-Vorhaben planen: Beteiligung, Schulung, Ressourcen – mit Change Canvas, 8-Stufen-Modell und Hopes-&-Fears-Vorlage. KI-Kompetenz institutionalisieren: Kompetenzprofile, abteilungsübergreifende Prozesse, operative Exzellenz in den Teams.