Kontakt aufnehmen

Schulungsübersicht

Modul 1: Einführung & KI-Theorie

  • Der modellbasierte Ansatz: KI als Ingenieurproblem.
  • Entmystifizierung des "Geistes in der Maschine": Was KI ist und was sie nicht ist.
  • Die Entwicklung der Technologie: Von BERT zu Transformern.
  • Generative Domänen: Analyse, Kreativität, Forschung, Bild, Musik und Video.
  • Daten-Governance: Grundpfeiler, Audits und Forschungstrends (Multimodalität, Agenten, RAG, LLM vs. SLM).
  • Die dunkle Seite: Ethik, geistiges Eigentum (IP), Bias, Halluzinationen und Social Engineering.
  • Risikobewertung: Data Poisoning, Nepenthes und das Risiko der "Verniedlichung" menschlicher Talente.
  • Modell-Taxonomie: Foundation Models vs. aufgaben spezifische Modelle; Closed vs. Open-Weight-Modelle.

Modul 2: Aktuelle Landschaft & Werkzeugkasten

  • Die Language Models Arena: Vergleich von Leistung und Benchmarks.
  • Professionelle Kaufkriterien: Kosten, Latenzzeit, Datenschutz und Vendor-Lock-in.
  • Überblick über grosse Modelle: OpenAI ChatGPT, Perplexity, Gemini und Grok.
  • Nischen- und kleine Modelle: Manus, SpecKit.
  • Bildgenerierung: Perchance
  • Technische Einschränkungen: Context Rot vs. Token-Kosten.

Modul 3: Interaktion - Prompt & Kontext Engineering

  • Der Verifizierungsrahmen: Vollständigkeit, Konsistenz und Überprüfbarkeit.
  • Die RAG-Strategie: Wann Retrieval-Augmented Generation vs. Fine-Tuning einzusetzen ist.
  • ROI von KI: Wartungskosten vs. Produktivitätssteigerung.
  • Fortgeschrittene Techniken: 20+ Prompt & RAG-Methoden mit Praxisbeispielen.
  • Experimentelle Frontiers: Triangulation, Map & Terrain Überblick und modellbasierte Generierung.

Modul 4: KI im agilen Projektmanagement

  • Der Supercomputer-Pilot: KI als Automatisierungsmotor.
  • Entscheidungsfindung: Menschliche Verantwortung vs. KI-Assistenz.
  • AIOps & GitOps: Integration von KI in den operativen Arbeitsablauf.
  • Toolchains & Pipelines: Erstellung einer nahtlosen, KI-getriebenen Umgebung.
  • Agile Artefakte: Backlog, Roadmap und Anforderungsingenieurwesen.
  • Präzises Management: Kapazitätsplanung und Schätzung (Genauigkeit vs. Präzision).
  • Product Ownership: Ideenfindung, Feature-Analyse und Risiken durch "Vibe-Coding".
  • Risiko & Szenarien: Planung für "Was-wäre-wenn"-Szenarien und automatisiertes Risikomanagement.
  • Verfeinerung: Beschreibung und Verfeinerung von Use Cases und User Stories.

 

Voraussetzungen

  • Grundlegendes Verständnis des Agilen Manifests und des Scrum-Rahmens.
  • Erfahrung im Projektmanagement, Product Ownership oder Team Leadership.
  • Keine vorherige Programmier- oder KI-Ingenieurserfahrung ist erforderlich, obwohl eine allgemeine Vertrautheit mit digitalen Tools empfohlen wird.

Zielgruppe

  • Agile Projektleiter und Scrum Masters.
  • Product Owner und Product Manager.
  • IT-Teamleiter und Delivery Manager.
  • Business Analysten, die in agilen Umgebungen tätig sind.
  • Operations Manager, die sich für AIOps interessieren.

 

 7 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien