Schulungsübersicht
Block 1 — Gemeinsame Grundlagen (Tage 1–2)
Tag 1 — Vormittag: Der menschliche Faktor bei der KI-Adoption
• Vertrauen und Zuverlässigkeit: Wann man KI nutzt, wann man aufhört.
• Strukturvereinbarungen im Team (Trigger / Aktion / Beweis / Verantwortlicher).
• Rolle des Prompt-Curatoren: Validierung, Entscheidung, Freigabe. Plan zur Reaktion auf KI-Vorfälle.
Tag 1 — Nachmittag: Einschränkungen, Risiken und Compliance
• Echte LLM-Fähigkeiten — Risiko-Punkte bei Prompts: Injection, Datenleckagen, Halluzinationen.
• Rechtsrahmen: DSGVO, EU-KI-Gesetz — Branchenstandards (DICOM, HL7, HIPAA).
• Praxisübung: Übersetzung eines Branchenstandards in eine Prompt-Guardrail.
Tag 2 — Vormittag: Technische Architektur von Prompts
• Agentenarchitektur: Speicher, Kontext, Ziele — aus der Perspektive des Prompt-Designs.
• API-Integration und Quellen für Domänendaten, Multi-Agenten-Systeme und Prompt-Chaining.
Tag 2 — Nachmittag: Anatomie von Enterprise-Prompts
• Die 6 Schichten: Rolle / Kontext / Einschränkungen / Branchenstandards / Format / Beispiele.
• Prompt-Hierarchie: System (unternehmensweit) — Domäne (Team) — Aufgabe (individuell).
• Demo: Dekonstruktion eines naiven Prompts, Wiederaufbau. Team-Kurzinformation für die Tage 3–5.
Block 2 — Co-Creation-Workshops (Tage 3–4–5)
Tag 3 — Entdeckung und Audit der Standards
- Parrallelworkshops für die Teams: Architekten, domänenspezifische Entwickler, Back-End, QA.
- Mapping der Unternehmensstandards und -einschränkungen — Identifikation von Konflikten zwischen Teams.
- Ergebnis Tag 3: Standards-Karte + Priorisierungsmatrix für Auswirkungen / Aufwand.
Tag 4 — Design der Konventionen und Erstellung von Vorlagen
- Namenskonventionen, Versionierung, Tagging-System (Team, Domäne, Zieltool).
- Erstellung erster valider Vorlagen: TypeScript DICOM, Code-Review, QA-Tests, API
Dokumentation. - Ergebnis Tag 4: 4+ operative Vorlagen + Leitfaden für Konventionen.
Tag 5 — Zusammenstellung der Bibliothek, Governance und offizielle Übergabe
- Strukturierung der Bibliothek, Integration mit GitHub Copilot / Cursor / interner LLM-API.
- Rolle des Prompt-Curatoren, Qualitätsmetriken, Teamrituale, 30-Tage-Deploymentsplan.
- Endgültiges Ergebnis Tag 5: Dokumentierte Bibliothek v1.0 + Governance-Charta + 30-Tage-Plan.
Voraussetzungen
- Abschluss mindestens eines KI-Schulungskurses (Einstieg oder Fortgeschritten).
- Technische Profile: Entwicklungserfahrung im Technologie-Stack des Unternehmens.
- Führungsprofile: Grundkenntnisse im Umgang mit KI-Tools (ChatGPT, Copilot usw.).
- Unternehmensengagement: Aktive Teilnahme der Teamleiter an den Tagen 3–5.
- Vorleistungen: Vorhandene Dokumentationen zu Standards (README, Coding-Guidelines).
Zielgruppe
- Softwarearchitekten
- Entwickler (domänenspezifisch, Back-End, Front-End)
- QA-Ingenieure / Code-Techniker
- Teamleiter und Middle Managers
- IT-Manager, Entscheider und KI-Projektverantwortliche
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