Schulungsübersicht
Block 1 – Gemeinsame Grundlagen (Tage 1–2)
Tag 1 – Vormittag: Der menschliche Faktor bei der KI-Adoption
• Vertrauens- und Abhängigkeitskalibrierung: Wann KI nutzen, wann aufhören.
• Struktur der Teamvereinbarung (Auslöser / Aktion / Nachweis / Verantwortlicher).
• Rolle des Prompt-Curators: Validierung, Entscheidungsfindung, Freigabe. Plan für den Umgang mit KI-Vorfällen.
Tag 1 – Nachmittag: Einschränkungen, Risiken und Compliance
• Echte LLM-Fähigkeiten – Prompt-Risikovektoren: Injection, Datenleckage, Halluzinationen.
• Rechtsrahmen: DSGVO, EU-KI-Gesetz – Branchennormen (DICOM, HL7, HIPAA).
• Praxisübung: Übersetzung eines Domänenstandards in eine Prompt-Guardrail.
Tag 2 – Vormittag: Technische Architektur von Prompts
• Agentenarchitektur: Speicher, Kontext, Ziele – aus der Perspektive des Prompt-Designs.
• API-Integration und Domänendatenquellen, Multi-Agenten- und Prompt-Kettenschaltung.
Tag 2 – Nachmittag: Anatomie eines Unternehmens-Prompts
• Die 6 Ebenen: Rolle / Kontext / Einschränkungen / Domänenstandards / Format / Beispiele.
• Prompt-Hierarchie: System (unternehmensweit) – Domäne (Team) – Aufgabe (individuell).
• Demo: Dekonstruktion eines naiven Prompts, Neuaufbau. Team-Briefing für die Tage 3–5.
Block 2 – Co-Construction-Workshops (Tage 3–4–5)
Tag 3 – Entdeckung und Standardaudit
- Parallele Teamworkshops: Architekten, Domänenspezifische Entwickler, Backend, QA.
- Erfassung von Unternehmensstandards und -beschränkungen – Identifikation von cross-team-Konflikten.
- Ergebnis Tag 3: Standards-Mapping + Priorisierungsmatrix für Auswirkungen/Aufwand.
Tag 4 – Design von Konventionen und Template-Erstellung
- Namekonventionen, Versionierung, Tagsystem (Team, Domäne, Ziel-Tool).
- Erstellung der ersten validierten Templates: TypeScript DICOM, Code-Review, QA-Tests, API
Dokumentation. - Ergebnis Tag 4: 4+ operative Templates + Konventionen-Leitfaden.
Tag 5 – Zusammenstellung der Bibliothek, Governance und offizielle Übergabe
- Bibliotheksorganisation, GitHub Copilot / Cursor / Integration der internen LLM-API.
- Rolle des Prompt-Curators, Qualitätsmetriken, Team-Rituale, 30-Tage-Einführungsplan.
- Endgültiges Ergebnis Tag 5: Dokumentierte Bibliothek v1.0 + Governance-Charta + 30-Tage-Plan.
Voraussetzungen
- Abgeschlossene mindestens eine KI-Schulung (Einführung oder Fortgeschritten).
- Technische Profile: Entwicklungserfahrung mit der Stack-Technologie des Unternehmens.
- Managementprofile: Grundkenntnisse in KI-Tools (ChatGPT, Copilot usw.).
- Unternehmensengagement: Aktive Teilnahme der Teamleiter an den Tagen 3–5.
- Vorab-Vorgaben: Vorhandene Dokumentationen zu Standards (README, Coding-Guides).
Zielgruppe
- Softwarearchitekten
- Entwickler (domänenspezifisch, Backend, Frontend)
- QA-Ingenieure / Code-Techniker
- Teamleiter und Middle Manager
- 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