Schulungsübersicht
Tag 1
Einführung in Generative KI und Prompt Engineering
- Was ist generative KI und wie unterscheidet sie sich von herkömmlicher Automatisierung?
- Die Rolle von Prompt Engineering bei der Qualität des KI-Ausgabespektrums
- Überblick über das aktuelle Ökosystem aus Text-, Bild-, Audio- und Videotools
- Wo Prompt Engineering einen geschäftlichen Mehrwert bringt
Grundlagen von KI-Modellen für Text- und Bildgenerierung
- Wie Large Language Models (LLMs) und Diffusion Models im Detail funktionieren, erklärt in einfachen Worten
- 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 formulieren
Vergleich der führenden KI-Assistenten
- Microsoft Copilot: Stärken liegen in der Integration in Microsoft 365 sowie in Workflows für Word, Excel, Outlook und Teams, enterprise data grounding; Schwächen in kreativem Umfang und Tiefe des Denkens im Vergleich zu Mitbewerbern
- Google Gemini: Stärken liegen in der nativen Multimodalität, Workspace-Integration, Echtzeit-Suche als Datenbasis; Schwächen bestehen in Inkonsistenzen, regionaler Verfügbarkeit und der Befolgung von Anweisungen bei komplexen Aufgaben
- ChatGPT: Stärken liegen in der Reife des Ökosystems, benutzerdefinierten GPTs, Bildgenerierung durch DALL-E, Sprachmodus; Schwächen bestehen in der faktischen Zuverlässigkeit ohne Datenbasiierung und strengeren Nutzungsbeschränkungen bei Premium-Funktionen
- Claude: Stärken liegen im Umgang mit langen Kontexten, nuancenreichem Denken, längeren Textformaten und klarer Analyse; Schwächen bestehen in der Breite des Tool-Ökosystems und der Bildgenerierungsfähigkeit
- Das richtige Tool für eine gegebene Aufgabe, Zielgruppe oder Compliance-Anforderung auswählen
- Ein Gegenüberstellender Durchlauf desselben Prompts über alle vier Assistenten hinweg
Prinzipien 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 leistungsstarken Prompt
Tag 2
Zero-Shot, One-Shot und Few-Shot Prompting
- Der Unterschied zwischen den drei Ansätzen und wann welcher geeignet ist
- Das Verhalten des Moduls lesen und Beispiele entsprechend anpassen
- Einem Modell eine neue Aufgabe durch wenige, gut ausgewählte Beispiele beibringen
- Praktische Übungen in ChatGPT, Copilot, Gemini und Claude
Fortgeschrittene Techniken des Prompt Engineering
- Bedingte und kontextbewusste Prompts für nuancenreiche Ausgaben
- Stiltransfer, Persona-Prompting und kreative Leitung
- Chain-of-Thought und schrittweise reasoning-Prompts
- Reduzierung von Halluzinationen, Mehrdeutigkeiten und Voreingenommenheit in den Antworten
Few-Shot Feinabstimmung ohne Code
- Was ist Few-Shot Fine-Tuning und wie unterscheidet es sich vom vollständigen Modelltraining?
- Ein Modell durch beispielgetriebene Prompts an eine Nischenaufgabe anpassen
- Wann sollte man prompten und wann ist Fine-Tuning die bessere Investition?
- Bewertung der Ausgabegüte und iterative Verfeinerung
Hyperrealistische Textgenerierung
- Generieren von Text mit kontrolliertem Tonfall, Stimme und Länge
- Erstellen langer Texte, Zusammenfassungen, Berichte und strukturierter Dokumente
- Aufrechterhaltung der Kohärenz über mehrstufige Generierungsprozesse hinweg
- Kombination von Prompt-Mustern für wiederholbare, markenkongruente Ergebnisse
Anwendung von Prompt Engineering auf Geschäfts-Workflows
- Automatisierung routinemäßiger Entwurfsarbeiten, Recherchen und Informationsauswertung
- Ein kurzer Blick auf Use Cases im Kundensupport und Chatbots
- Gestaltung von Prompt-Vorlagen für Teams, die ohne Neutraining wiederverwendbar sind
- Qualitätskontrolle, Eskalationslogik und Checkpoints mit Mensch im Loop
Tag 3
Bildgenerierung und -manipulation
- Vergleich von DALL-E, Stable Diffusion, MidJourney und Leonardo AI
- Prompts schreiben, die Stil, Komposition, Beleuchtung und Motiv steuern
- Negative Prompts, Gewichtung und iterative Verfeinerung
- Bild-zu-Bild-Transformation und Bearbeitung durch Prompts
Audio und Sprache mit KI
- Generieren natürlicher Sprache aus Text-Prompts
- Voice Cloning und Synthese auf konzeptioneller Ebene
- Use Cases in Schulungsinhalten, Barrierefreiheit und Marketing
Videoinhaltscreation mit Generativer KI
- Überblick über aktuelle Text-zu-Video-Tools und was sie realistisch leisten können
- Scripting und Storyboarding durch Prompt-Sequenzen
- Kombinieren von KI-generiertem Text, Bildern, Audio und Video zu einem einzigen Asset
- Editing und Verfeinerung der KI-generierten Videoausgabe
Multimodale KI und integrierte Workflows
- Wie multimodale Modelle Text-, Bild-, Audio- und Videoverstandnis vereinen
- Aufbau von End-to-End-Inhaltspipelines ohne Programmierung
- Praxisnahe Fallstudien aus Marketing, Design, Schulung und Werbung
Ethik, verantwortungsvoller Einsatz und der nächste Schritt
- Voreingenommenheit (Bias), Urheberrecht, Zuordnung und Content-Moderation
- Datenschutz- und Privatsphäre-Betrachtungen bei der Nutzung generativer Plattformen
- Offenlegung, Transparenz und Vertrauen gegenüber Endkunden
- Aufstrebende Tools, Modelle und Trends für die nächsten 12 Monate im Blick behalten
- Zusammenfassung und Next Steps
Voraussetzungen
Zielgruppe
Marketing-, Kommunikations- und Kreativprofessionals, die KI-gestützte Content-Erzeugung erkunden. Business Operations- und Kundenkontakttteams, die wiederkehrende Interaktionen durch promptgesteuerte Tools automatisieren möchten. Anfänger ohne vorherige KI- oder Programmierkenntnisse, 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
