Kontakt aufnehmen

Schulungsübersicht

Modul 1: Einführung & KI-Theorie

  • Der modellbasierte Ansatz: KI als Ingenieursproblem.
  • Entmystifizierung des "Geistes in der Maschine": Was KI ist und was nicht.
  • Die Entwicklung der Technologie: Von BERT zu Transformern.
  • Generative Domänen: Analyse, Kreativität, Forschung, Bild, Musik und Video.
  • Daten-Governance: Säulen, Audits und Forschungs-trends (Multimodalität, Agenten, RAG, LLM vs. SLM).
  • Die dunkle Seite: Ethik, IP, Bias, Halluzinationen und Social Engineering.
  • Risikobewertung: Data Poisoning, Nepenthes und das Risiko der "Verringerung" menschlicher Talente.
  • Modell-Taxonomie: Foundation vs. Aufgabenspezifisch; Closed vs. Open-Weight Modelle.

Modul 2: Aktuelle Landschaft & Toolset

  • Die Language Models Arena: Vergleich von Leistung und Benchmarks.
  • Professionelle Kaufkriterien: Kosten, Latenz, Privatsphäre und Vendor-Lock-in.
  • Überblick über große Modelle: OpenAI ChatGPT, Perplexity, Gemini und Grok.
  • Nischen- & kleine Modelle: Manus, SpecKit.
  • Graphische Generierung: Perchance
  • Technische Einschränkungen: Context Rot vs. Token-Kosten.

Modul 3: Interaktion - Prompt & Context Engineering

  • Das Verifizierungs-Framework: Vollständigkeit, Konsistenz und Überprüfbarkeit.
  • Die RAG-Strategie: Wann Retrieval-Augmented Generation vs. Fine-Tuning einzusetzen ist.
  • ROI von KI: Wartungskosten vs. Produktivitätssteigerungen.
  • Fortgeschrittene Techniken: Über 20 Prompt- & RAG-Methoden mit Praxisbeispielen.
  • Experimentelle Frontiers: Triangulation, Map & Terrain Übersicht 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 nahtlos integrierten KI-gesteuerten Umgebung.
  • Agile Artefakte: Backlog, Roadmap und Requirements Engineering.
  • Präzises Management: Kapazitätsplanung und Schätzung (Genauigkeit vs. Präzision).
  • Product Ownership: Ideation, Feature-Analyse und Risiken des Vibe-Codings.
  • Risiko & Szenarien: Planung für "Was-wäre-wenn"-Szenarien und automatisiertes Risikomanagement.
  • Verfeinerung: Use Case und User Story Beschreibung & Verfeinerung.

 

Voraussetzungen

  • Grundlegendes Verständnis des Agile Manifesto und des Scrum-Frameworks.
  • Erfahrung in Projektmanagement, Product Ownership oder Teamleitung.
  • Keine vorherigen Programmier- oder KI-Ingenieurserfahrungen sind erforderlich, wobei eine allgemeine Vertrautheit mit digitalen Tools empfohlen wird.

Zielgruppe

  • Agile Projektmanager und Scrum Masters.
  • Product Owners und Produktmanager.
  • IT-Teamleiter und Delivery Manager.
  • Business Analysten, die in agilen Umgebungen arbeiten.
  • Betriebsmanager, die sich für AIOps interessieren.

 

 7 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien