Schulungsübersicht
Block 1 – Gemeinsame Grundlagen (Tag 1–2)
Tag 1 – Vormittag: Der menschliche Faktor bei der KI-Einführung
• Kalibrierung von Vertrauen und Abhängigkeit: Wann KI eingesetzt werden sollte und wann nicht.
• 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
• Reale Fähigkeiten von LLMs – Risikovektoren bei Prompts: Injection, Datenlecks, Halluzinationen.
• Rechtlicher Rahmen: DSGVO, EU-KI-Gesetz – branchenspezifische Standards (DICOM, HL7, HIPAA).
• Praktische Übung: Umwandlung eines Domänenstandards in eine Prompt-Richtschnur.
Tag 2 – Vormittag: Technische Architektur von Prompts
• Agentenarchitektur: Speicher, Kontext, Ziele – aus Sicht des Prompt-Designs.
• API-Integration und domänenspezifische Datenquellen, Multi-Agenten-Systeme und Prompt-Kettensysteme.
Tag 2 – Nachmittag: Aufbau von Unternehmens-Prompts
• Die sechs Ebenen: Rolle / Kontext / Einschränkungen / Domänenstandards / Format / Beispiele.
• Prompt-Hierarchie: Systemweit (organisation) – Domänenspezifisch (Team) – Aufgabenspezifisch (Einzelperson).
• Demo: Dekonstruktion eines einfachen Prompts und Neuaufbau. Kurze Einführung für die Tage 3–5.
Block 2 – Gemeinsame Erarbeitungsworkshops (Tag 3–4–5)
Tag 3 – Erkundung und Audit der Standards
- Parallele Teamworkshops: Architekten, domänenspezifische Entwickler, Backend, QA.
- Abbildung unternehmensweiter Standards und Einschränkungen – Identifizierung von teamübergreifenden Konflikten.
- Ergebnis Tag 3: Standardkarte + Prioritätsmatrix nach Aufwand und Wirkung.
Tag 4 – Entwurf von Konventionen und Konstruktion von Vorlagen
- Benennungskonventionen, Versionsverwaltung, Tagsystem (Team, Domäne, Zieltoll).
- Erstellung der ersten validierten Vorlagen: TypeScript DICOM, Code-Reviews, QA-Tests, API-Dokumentation.
- Ergebnis Tag 4: 4+ operative 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, Teamrituale, 30-Tage-Einführungsplan.
- Ergebnis Tag 5: Dokumentierte Bibliothek v1.0 + Governance-Charta + 30-Tage-Plan.
Voraussetzungen
- Mindestens eine abgeschlossene KI-Schulung (einsteiger- oder fortgeschritteneniveau).
- Technische Profile: Entwicklungserfahrung im Technologie-Stack des Unternehmens.
- Management-Profile: Grundlegende Vertrautheit mit KI-Tools (ChatGPT, Copilot, etc.).
- Unternehmensengagement: Aktive Teilnahme der Teamleiter an den Tagen 3–5.
- Voraussetzungen: Vorhandene Standarddokumentation (README, Coding-Guidelines).
Zielgruppe
- Softwarearchitekten
- Entwickler (domänenspezifisch, Backend, Frontend)
- QA-Ingenieure / Code-Techniker
- Teamleiter und mittlere Führungskräfte
- IT-Leiter, Entscheidungsträger und KI-Projektleiter
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
