Schulungsübersicht
Block 1 — Gemeinsame Grundlagen (Tage 1–2)
Tag 1 — Vormittag: Der menschliche Faktor bei der KI-Einführung
• Vertrauens- und Abhängigkeitskalibrierung: Wann soll man KI nutzen, wann abbrechen?
• Struktur der Teamvereinbarung (Trigger / Aktion / Beweis / Verantwortlicher).
• Rolle des Prompt-Curators: Validierung, Entscheidung, Freigabe. Plan zum Umgang mit KI-Vorfällen.
Tag 1 — Nachmittag: Einschränkungen, Risiken und Compliance
• Echte Fähigkeiten von LLMs — Risiko-Faktoren bei Prompts: Injection, Datenleckagen, Halluzinationen.
• Rechtsrahmen: DSGVO, EU-KI-Gesetz — Branchenstandards (DICOM, HL7, HIPAA).
• Praktische Übung: Übersetzung eines Branchennorms in eine Prompt-Sicherheitsrichtlinie.
Tag 2 — Vormittag: Technische Architektur von Prompts
• Agentenarchitektur: Speicher, Kontext, Ziele — aus der Perspektive des Prompt-Designs.
• API-Integration und domänenspezifische Datenquellen, Multi-Agenten-Prompts und Prompt-Ketten.
Tag 2 — Nachmittag: Anatomie von Enterprise-Prompts
• Die 6 Ebenen: Rolle / Kontext / Einschränkungen / Branchennormen / Format / Beispiele.
• Prompt-Hierarchie: System (unternehmensweit) — Domain (Team) — Aufgabe (individuell).
• Demo: Zerlegung eines naiven Prompts, Wiederaufbau. Team-Briefing für die Tage 3–5.
Block 2 — Workshops zur gemeinsamen Erstellung (Tag 3–4–5)
Tag 3 — Entdeckung und Audit der Standards
- Parallele Teamworkshops: Architekten, domänenspezifische Entwickler, Backend, QA.
- Kartierung von Unternehmensstandards und Einschränkungen — Identifizierung von Konflikten zwischen Teams.
- Ergebnis Tag 3: Standards-Karte + Priorisierungsmatrix (Auswirkung / Aufwand).
Tag 4 — Design der Konventionen und Erstellung von Vorlagen
- Namenskonventionen, Versionierung, Tagging-System (Team, Domain, Zieltool).
- Aufbau der ersten validierten Vorlagen: TypeScript DICOM, Code-Review, QA-Tests, API
Dokumentation. - Ergebnis Tag 4: 4+ betriebsfertige Vorlagen + Leitfaden für Konventionen.
Tag 5 — Zusammenstellung der Bibliothek, Governance und offizielle Übergabe
- Organisation der Bibliothek, Integration von GitHub Copilot / Cursor / interner LLM-API.
- Rolle des Prompt-Curators, Qualitätsmetriken, Team-Rituale, 30-Tage-Implementierungsplan.
- Ergebnis des Tages 5: Dokumentierte Bibliothek v1.0 + Governance-Charta + 30-Tage-Plan.
Voraussetzungen
- Voraussetzung ist der Abschluss mindestens eines KI-Schulungskurses (einführend oder fortgeschritten).
- Für technische Profile: Entwicklungserfahrung mit dem Technologie-Stack des Unternehmens.
- Für Management-Profile: Grundkenntnisse im Umgang mit KI-Tools (ChatGPT, Copilot usw.).
- Unternehmensverpflichtung: Aktive Teilnahme der Teamleiter an den Tagen 3–5.
- Vorherige Bereitstellung: Vorhandene Dokumentationen zu Standards (README, Coding-Guidelines).
Zielgruppe
- Softwarearchitekten
- Entwickler (domänenspezifisch, Backend, Frontend)
- QA-Ingenieure / Code-Techniker
- Teamleiter und middle Management
- IT-Manager, Entscheidungsträger und Projektleiter für KI
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