Schulungsübersicht
Block 1 — Gemeinsame Grundlagen (Tage 1–2)
Tag 1 — Vormittag: Der menschliche Faktor bei der KI-Einführung
• Vertrauens-/Abhängigkeitskalibrierung: Wann man KI nutzt, wann man aufhört.
• Struktur der Teamvereinbarung (Auslöser / Aktion / Nachweis / Verantwortlicher).
• Rolle des Prompt Curators: Validierung, Entscheidung, Freigabe. Plan zur Reaktion auf KI-Vorfälle.
Tag 1 — Nachmittag: Einschränkungen, Risiken und Compliance
• Echte LLM-Fähigkeiten — Prompt-Risikovektoren: Injektion, Datenleckage, Halluzinationen.
• Rechtsrahmen: DSGVO, EU-KI-Gesetz — Branchennormen (DICOM, HL7, HIPAA).
• Praktische Übung: Einen Domain-Standard in eine Prompt-Absicherung übersetzen.
Tag 2 — Vormittag: Technische Architektur von Prompts
• Agentenarchitektur: Speicher, Kontext, Ziele — aus Sicht des Prompt-Designs.
• API-Integration und Datenquellen der Domäne, Multi-Agenten und Prompt-Chaining.
Tag 2 — Nachmittag: Anatomie von Enterprise-Prompts
• Die 6 Ebenen: Rolle / Kontext / Einschränkungen / Domain-Standards / Format / Beispiele.
• Prompt-Hierarchie: System (unternehmensweit) — Domäne (Team) — Aufgabe (Individuell).
• Demo: Einen naiven Prompt zerlegen, neu aufbauen. Team- briefing für die Tage 3–5.
Block 2 — Co-Konstruktions-Workshops (Tag 3–4–5)
Tag 3 — Entdeckung und Standards-Audit
- Parallele Team-Workshops: Architekten, domänenspezifische Entwickler, Back-End, QA.
- Mapping von Unternehmensstandards und Einschränkungen — Identifikation von teamübergreifenden Konflikten.
- Ergebnis Tag 3: Standards-Karte + Priorisierungsmatrix nach Auswirkung/Aufwand.
Tag 4 — Entwurf von Konventionen und Template-Erstellung
- Namenskonventionen, Versionierung, Tagging-System (Team, Domäne, Zieltool).
- Erstellung erster valider Templates: TypeScript DICOM, Code-Review, QA-Tests, API
Dokumentation. - Ergebnis Tag 4: 4+ operative Templates + Leitfaden zu Konventionen.
Tag 5 — Zusammenstellung der Bibliothek, Governance und offizielle Übergabe
- Bibliotheksorganisation, Integration in GitHub Copilot / Cursor / interne LLM-APIs.
- Rolle des Prompt Curators, Qualitätsmetriken, Team-Rituale, 30-Tage-Ausführungsplan.
- Endgültiges Ergebnis Tag 5: Dokumentierte Bibliothek v1.0 + Governance-Charta + 30-Tage-Plan.
Voraussetzungen
- Abschluss mindestens einer KI-Schulung (Grundlagen oder fortgeschritten).
- Technische Profile: Entwicklungserfahrung im Tech-Stack des Unternehmens.
- Management-Profile: Grundkenntnisse in KI-Tools (ChatGPT, Copilot usw.).
- Unternehmensengagement: Aktive Teilnahme der Teamleiter an den Tagen 3–5.
- Vorab-Bereitstellung: Vorhandene Standarddokumentation (README, Coding-Guidelines).
Zielgruppe
- Softwarearchitekten
- Entwickler (domänenspezifisch, Back-End, Front-End)
- QA-Ingenieure / Code-Techniker
- Teamleiter und Middle-Manager
- IT-Manager, Entscheidungsträger und KI-Projektverantwortliche
Erfahrungsberichte (1)
Ich habe Wissen über die Streamlit-Bibliothek von Python erworben und werde sie sicherlich verwenden, um Anwendungen in meinem Team zu verbessern, die mit R Shiny erstellt wurden.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maschinelle Übersetzung