Schulungsübersicht
Tag 1
Einführung in Generative KI und Prompt Engineering
- Was generative KI ist und wie sie sich von herkömmlicher Automatisierung unterscheidet
- Die Rolle des Prompt Engineering bei der Beeinflussung der Output-Qualität der KI
- Überblick über den aktuellen Ökosystem an Text-, Bild-, Audio- und Video-Tools
- Wo Prompt Engineering Geschäftswert schafft
Grundlagen von KI-Modellen für Text- und Bildgenerierung
- Wie grosse Sprachmodelle und Diffusion Models tatsächlich funktionieren, einfach erklärt
- Der Unterschied zwischen Trainingsdaten, Fine-Tuning und Prompting
- Vorzüge und Grenzen vortrainierter Modelle
- Warum die Modellarchitektur die Art und Weise beeinflusst, wie wir Prompts formulieren
Vergleich der führenden KI-Assistenten
- Microsoft Copilot mit Stärken in der Microsoft 365-Integration, Word-, Excel-, Outlook- und Teams-Workflows, unternehmensweiter Datenanknüpfung sowie Schwächen in kreativer Bandbreite und reasoning-Tiefe im Vergleich zu Mitbewerbern
- Google Gemini mit Stärken in nativer Multimodalität, Workspace-Integration, Echtzeit-Such-Anknüpfung sowie Schwächen in Konsistenz, regionaler Verfügbarkeit und der Befolgung von Anweisungen bei komplexen Aufgaben
- ChatGPT mit Stärken in Ökosystem-Reife, benutzerdefinierten GPTs, Bildgenerierung via DALL-E, Sprachmodus sowie Schwächen in faktischer Zuverlässigkeit ohne Anknüpfung und strikteren Nutzungsbeschränkungen bei Premium-Features
- Claude mit Stärken im Umgang mit langem Kontext, differenzierter Analyse, längeren Texten und klarer Argumentation sowie Schwächen in der Breite des Tool-Ökosystems und der Bildgenerierung
- Das richtige Werkzeug für eine gegebene Aufgabe, Zielgruppe oder Compliance-Einschränkung wählen
- Ein Seiten-an-Seiten-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 Anfängerfehler und wie man sie erkennt
- Vom schwachen Prompt zum hochperformanten Prompt iterieren
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 im Prompt Engineering
- Bedingte und kontextbewusste Prompts für differenzierte Outputs
- Stil-Transfer, Persona-Prompting und kreative Richtung
- Chain-of-Thought und Schritt-für-Schritt-Reasoning-Prompts
- Verringern von Halluzinationen, Mehrdeutigkeit und Verzerrungen in den Antworten
Few-Shot Fine-Tuning ohne Code
- Was Few-Shot Fine-Tuning ist und wie es sich vom vollständigen Modelltraining unterscheidet
- Anpassen eines Modells an eine Nischenaufgabe durch Beispiel-getriebene Prompts
- Wann man prompt-engineern sollte und wann Fine-Tuning die bessere Investition wäre
- Bewertung der Output-Qualität und iterative Verfeinerung
Hyperrealistische Textgenerierung
- Textgenerierung mit kontrolliertem Tonfall, Stimme und Länge
- Erstellung von Langform-Inhalten, Zusammenfassungen, Berichten und strukturierten Dokumenten
- Kohärenz über mehrgeschrittige Generierung hinweg bewahren
- Prompt-Patterns kombinieren für wiederholbare, markengerechte Ergebnisse
Anwendung von Prompt Engineering auf Geschäfts-Workflows
- Automatisierung von routinemässigen Entwürfen, Recherchen und Informations-Triage
- Ein kurzer Blick auf Use Cases im Kundensupport und Chatbots
- Design von Prompt-Templates, die Teams ohne Retraining wiederverwenden können
- 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 Subjekt steuern
- Negative Prompts, Weighting und iterative Verfeinerung
- Bild-zu-Bild-Transformation und Bearbeitung durch Prompts
Audio und Sprache mit KI
- Generierung natürlich klingender Sprache aus Text-Prompts
- Voice Cloning und Synthese auf konzeptioneller Ebene
- Use Cases in Schulungsinhalten, Barrierefreiheit und Marketing
Video-Content-Erstellung mit Generative 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
- Bearbeitung und Verfeinerung des KI-generierten Video-Outputs
Multimodale KI und integrierte Workflows
- Wie multimodale Modelle Text-, Bild-, Audio- und Video-Reasoning vereinen
- Erstellung von End-to-End-Content-Pipelines ohne Programmierung
- Echtwelt-Fallstudien aus Marketing, Design, Schulung und Werbung
Ethik, verantwortungsvoller Einsatz und der weitere Verlauf
- Verzerrung, Urheberrecht, Attribution und Content-Moderation
- Datenschutz- und Privatsphäre-Betrachtungen bei der Nutzung generativer Plattformen
- Offenlegung, Transparenz und Vertrauen gegenüber Endkunden
- Aufkommende Tools, Modelle und Trends der nächsten 12 Monate
- Zusammenfassung und nächste Schritte
Voraussetzungen
Zielgruppe
Marketing-, Kommunikations- und Kreativprofessionelle, die KI-gestützte Contentproduktion erkunden. Geschäftsoperationalisierungs- und kundenorientierte Teams, die wiederkehrende Interaktionen durch promptgetriebene Tools automatisieren möchten. Einsteiger ohne vorherige KI- oder Programmierkenntnisse, die einen strukturierten, toolfokussierten 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
