Schulungsübersicht

Modul 1: Einführung & KI-Theorie

  • Der modellbasierte Ansatz: KI als Ingenieurproblem.
  • Entzauberung des „Geistes in der Maschine“: Was KI ist und was sie nicht ist.
  • Die Evolution der Technik: Von BERT zu Transformatoren.
  • Generative Domains: Analyse, Kreativität, Forschung, Bild, Musik und Video.
  • Datengovernance: Pfeiler, Audits und Forschungstrends (Multimodalität, Agenten, RAG, LLM vs. SLM).
  • Die dunkle Seite: Ethik, IP, Vorurteile, Halluzinationen und Social Engineering.
  • Risikoanalyse: Datengiften, Nepenthes und das Risiko der „Verdummung“ menschlichen Talents.
  • Modelltaxonomie: Grundlegend vs. aufgabenbezogen; Closed vs. Open-weight Modelle.

Modul 2: Aktuelle Landschaft & Toolset

  • Die Arena der Sprachmodelle: Leistung und Benchmarks vergleichen.
  • Profesionelle Kaufkriterien: Kosten, Latenz, Datenschutz und Vendor Lock-in.
  • Überblick über große Modelle: OpenAI ChatGPT, Perplexity, Gemini und Grok.
  • Nische & kleine Modelle: Manus, SpecKit.
  • Grafische Generierung: Perchance
  • Technische Beschränkungen: Context rot vs. Token kosten.

Modul 3: Interaktion - Prompt- & Kontext-Ingenieurwesen

  • Das Verifizierungsframework: Vollständigkeit, Konsistenz und Überprüfbarkeit.
  • Die RAG-Strategie: Wann Retrieval-Augmented Generation vs. Fine-Tuning verwendet werden sollte.
  • ROI der KI: Wartungskosten vs. Produktivitätsgewinne.
  • Fortgeschrittene Techniken: 20+ Prompt- & RAG-Methoden mit realen Beispielen.
  • Experimentelle Horizonte: Triangulation, Karte & Geländeübersicht und modellbasierte Generierung.

Modul 4: KI im agilen Projektmanagement

  • Der Supercomputer-Pilot: KI als Automatisierungs-Engine.
  • Entscheidungsfindung: Menschliche Verantwortung vs. KI-Assistenz.
  • AIOps & GitOps: Integration von KI in den operativen Workflow.
  • Toolchains & Pipelines: Erstellung einer nahtlosen künstlichen Intelligenz-gesteuerten Umgebung.
  • Agile Artefakte: Backlog, Roadmap und Anforderungenstechnik.
  • Präzisionsmanagement: Kapazitätsplanung und Schätzung (Genauigkeit vs. Präzision).
  • Produktbesitz: Ideation, Feature-Analyse und Vibe-coding-Risiken.
  • Risiko & Szenarien: Planung für „Was Wäre Wenn“ und automatisiertes Risikomanagement.
  • Verfeinerung: Use-Case- und User-Story-Beschreibung & -Verfeinerung.

 

Voraussetzungen

  • Grundlegendes Verständnis des Agilen Manifests und des Scrum-Frameworks.
  • Erfahrung in Projektmanagement, Produktbesitz oder Teamleitung.
  • Keine vorherige Programmier- oder KI-Ingenieur-Erfahrung erforderlich, obwohl eine allgemeine Vertrautheit mit digitalen Tools empfohlen wird.

Zielgruppe

  • Agile Projektmanager und Scrum-Masters.
  • Produktbesitzer und Produktmanager.
  • IT-Teamleiter und Delivery-Manager.
  • Business Analysts, die in agilen Umgebungen arbeiten.
  • Operations Manager mit Interesse an AIOps.

 

 7 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien