Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
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
Erfahrungsberichte (2)
Praktische Beispiele
Ryan Brookman - The Shaw Group Limited
Kurs - Introduction to Artificial Intelligence for Non-technical users
Maschinelle Übersetzung
Wir durften die Tools verwenden.
Victor Aguero - PNUD/MICI
Kurs - Aplicaciones Prácticas de Inteligencia Artificial para Personal Administrativo
Maschinelle Übersetzung