Schulungsübersicht
Tag 1
Einführung in generative KI und Prompt Engineering
- Was generative KI ist und wie sie sich von traditioneller Automatisierung unterscheidet
- Die Rolle des Prompt Engineering bei der Gestaltung der Qualität der KI-Ausgabe
- Überblick über das aktuelle Ökosystem von Text-, Bild-, Audio- und Video-Tools
- Wo Prompt Engineering geschäftlichen Mehrwert bietet
Grundlagen der KI-Modelle für Text- und Bildgenerierung
- Wie Large Language Models und Diffusion Models tatsächlich funktionieren, einfach erklärt
- Der Unterschied zwischen Trainingsdaten, Feinabstimmung (Fine-Tuning) und Prompting
- Stärken und Grenzen vortrainierter Modelle
- Warum die Modellarchitektur die Art und Weise verändert, wie wir Prompts schreiben
Vergleich der führenden KI-Assistenten
- Microsoft Copilot: Stärken in der Integration mit Microsoft 365, Word, Excel, Outlook und Teams-Workflows, grounding durch Unternehmensdaten; Schwächen in kreativem Umfang und Tiefe der Schlussfolgerungen im Vergleich zu Mitbewerbern
- Google Gemini: Stärken in nativer Multimodalität, Workspace-Integration, Echtzeit-Suche als grounding; Schwächen in Inkonsistenz, regionaler Verfügbarkeit und Befolgung von Anweisungen bei komplexen Aufgaben
- ChatGPT: Stärken in der Reife des Ökosystems, benutzerdefinierten GPTs, Bildgenerierung über DALL-E, Sprachmodus; Schwächen in der faktischen Zuverlässigkeit ohne grounding und strengeren Nutzungslimits bei Premium-Features
- Claude: Stärken im Umgang mit langen Kontexten, nuancierter Schlussfolgerung, Langform-Schreiben und klarer Analyse; Schwächen in der Breite des Tool-Ökosystems und der Bildgenerierung
- Das richtige Tool für eine gegebene Aufgabe, Zielgruppe oder Compliance-Einschränkung auswählen
- Eine Gegenüberstellung derselben Prompt-Anweisung bei allen vier Assistenten
Prinzipien eines effektiven Prompt-Designs
- Klarheit, Spezifität und Kontext als die drei Säulen eines guten Prompts
- Strukturierung von Anweisungen, Tonfall, Format und Einschränkungen
- Häufige Fehler von Anfängern und wie man sie erkennt
- Iteration von einem schwachen zu einem hochperformanten Prompt
Tag 2
Zero-Shot-, One-Shot- und Few-Shot-Prompting
- Der Unterschied zwischen den drei Ansätzen und wann jeder geeignet ist
- Modellverhalten lesen und Beispiele entsprechend anpassen
- Einem Modell eine neue Aufgabe nur mit wenigen, gut gewählten Beispielen beibringen
- Praktische Übungen in ChatGPT, Copilot, Gemini und Claude
Fortgeschrittene Techniken des Prompt Engineering
- Konditionale und kontextbewusste Prompts für nuancierte Ausgaben
- Stilübertragung, Persona-Prompting und kreative Steuerung
- Chain-of-Thought und schrittweise Schlussfolgerungen in Prompts
- Reduzierung von Halluzinationen, Mehrdeutigkeit und Voreingenommenheit in den Antworten
Few-Shot-Fine-Tuning ohne Code
- Was Few-Shot-Fine-Tuning ist und wie es sich vom vollständigen Model Training unterscheidet
- Ein Anpassen eines Modells an eine Nischenaufgabe durch exemplarbasierte Prompts
- Wann man prompt-engineern sollte und wann Fine-Tuning die bessere Investition wäre
- Beurteilen der Ausgabequalität und iteratives Verfeinern
Hyperrealistische Textgenerierung
- Generieren von Text mit kontrolliertem Tonfall, Stimme und Länge
- Erzeugen von Langform-Inhalten, Zusammenfassungen, Berichten und strukturierten Dokumenten
- Aufrechterhaltung der Kohärenz über mehrstufige Generierung hinweg
- Kombinieren von Prompt-Patterns für wiederholbare, markenkonforme Ergebnisse
Anwendung von Prompt Engineering auf Geschäftsworkflows
- Automatisierung von routinemäßigen Entwurfprozessen, Recherche und Informations-Triage
- Ein kurzer Blick auf Use Cases im Kundensupport und bei Chatbots
- Gestaltung von Prompt-Templates, die Teams ohne Neustrukturierung wiederverwenden können
- Qualitätskontrolle, Eskalationslogik und Human-in-the-Loop-Kontrollpunkte
Tag 3
Bildgenerierung und -manipulation
- Vergleich von DALL-E, Stable Diffusion, MidJourney und Leonardo AI
- Schreiben von Prompts, die Stil, Komposition, Beleuchtung und Subjekt steuern
- Negative Prompts, Gewichtung und iterative Verfeinerung
- Bild-zu-Bild-Transformation und Bearbeitung durch Prompts
Audio und Sprache mit KI
- Generieren natürlich klingender Sprache aus Text-Prompts
- Voice Cloning und Synthese auf konzeptioneller Ebene
- Use Cases in Schulungsinhalten, Barrierefreiheit und Marketing
Videoinhaltserstellung mit generativer KI
- Überblick über aktuelle Text-zu-Video-Tools und was sie realistisch liefern können
- Skripting und Storyboarding durch Prompt-Sequenzen
- Kombinieren von KI-generiertem Text, Bildern, Audio und Video zu einem einzigen Asset
- Bearbeiten und Verfeinern der KI-generierten Videoausgabe
Multimodale KI und integrierte Workflows
- Wie multimodale Modelle Text-, Bild-, Audio- und Videoschlussfolgerungen vereinigen
- Aufbau von End-to-End-Inhalts-Pipelines ohne Code zu schreiben
- Praxisnahe Fallstudien aus Marketing, Design, Schulung und Werbung
Ethik, verantwortungsvoller Einsatz und was als Nächstes kommt
- Voreingenommenheit, Urheberrecht, Zuschreibung und Content-Moderation
- Datenschutz- und Privatsphäre-Betrachtungen bei der Nutzung generativer Plattformen
- Offenlegung, Transparenz und Vertrauen gegenüber Endkunden
- Aufstrebende Tools, Modelle und Trends, die es in den nächsten 12 Monaten zu beobachten gilt
- Zusammenfassung und nächste Schritte
Voraussetzungen
Zielgruppe
Marketing-, Kommunikations- und Kreativfachkräfte, die KI-gestützte Inhaltsproduktion erkunden. Betriebs- und kundenorientierte Teams, die repetitive Interaktionen durch promptgesteuerte Tools automatisieren möchten. Anfänger ohne vorherige KI- oder Programmiererfahrung, die einen strukturierten, tool-fokussierten Einstieg in generative KI suchen.
Erfahrungsberichte (2)
Der interaktive Stil, die Übungen
Tamas Tutuntzisz
Kurs - Introduction to Prompt Engineering
Maschinelle Übersetzung
Eine großartige Sammlung von Ressourcen für zukünftige Nutzung, der Stil des Dozenten (voller Humor und mit großer Detailgenauigkeit)
Adam - GE Aerospace Poland Sp. z o.o.
Kurs - Prompt Engineering for ChatGPT
Maschinelle Übersetzung
