Entdecken Sie, was Sie lernen können.
Mit Videokursen für Beruf, Studium und Freizeit.
Ein KI Manager ist eine Fach- oder Führungskraft, die Künstliche Intelligenz nicht nur versteht, sondern sie gezielt im Unternehmenskontext einsetzen, steuern und verantworten kann. Dazu gehört sowohl technisches Grundverständnis als auch die Fähigkeit, KI-Projekte zu planen, Teams zu befähigen und rechtliche sowie ethische Rahmenbedingungen einzuhalten.
Dieser Kurs vermittelt das dafür notwendige Wissen von Grund auf. Sie lernen, wie KI-Systeme funktionieren, angefangen bei grundlegenden Begriffen und Konzepten des maschinellen Lernens bis hin zu den Mechanismen hinter modernen Sprachmodellen. Ein besonderer Fokus liegt auf dem praktischen Umgang mit aktuellen KI-Werkzeugen: Sie arbeiten mit Systemen wie Claude, Gemini und NotebookLM, lernen, wie man diese durch gezieltes Prompting effektiv steuert, und verstehen, wo die jeweiligen Stärken und Grenzen liegen.
Darüber hinaus behandelt der Kurs den Einsatz von KI in automatisierten Workflows und die Integration von KI-Tools in bestehende Prozesse, etwa über Plattformen wie n8n. Sie erhalten Einblicke in KI-Agenten, also Systeme, die eigenständig Aufgaben planen und ausführen, und lernen, wie sich solche Lösungen sinnvoll in ein Unternehmen einbetten lassen.
Ein weiterer Schwerpunkt liegt auf den nicht-technischen Dimensionen von KI: Welche ethischen Fragen stellen sich beim Einsatz von KI-Systemen? Was regelt die EU-KI-Verordnung, und welche Pflichten entstehen daraus für Unternehmen? Wie werden KI-Projekte strukturiert, geplant und erfolgreich umgesetzt? Diese Themen werden praxisnah aufbereitet, sodass Sie nach dem Kurs in der Lage sind, KI-Initiativen in Ihrem Unternehmen kompetent zu begleiten: technisch informiert, rechtlich abgesichert und mit einem klaren Verständnis dafür, wo KI echten Mehrwert schafft und wo Vorsicht geboten ist.
| Künstliche Intelligenz und Wissensmanagement: Implementierung und Grenzen | 08:16 |
| Rolle des KI-Managers | 07:12 |
| Quiz zum Kurs „KI-Manager: Kursüberblick“ | |
| KI-Hype vs. Substanz: ChatGPT's iPhone-Moment | 05:14 |
| KI: Definition und Grundlagen | 03:10 |
| KI vs. Machine Learning vs. Deep Learning | 06:45 |
| KI-Grundbegriffe: LLM, Token und Prompting | 07:32 |
| KI-Begriffe: Von Agents bis Safety Measures | 04:41 |
| Hidden AI: KI ist überall | 07:31 |
| Übung: KI in den eigenen Apps entdecken | 02:45 |
| KI-Tools im Alltag | 13:27 |
| Quiz zum Kurs „Künstliche Intelligenz (KI) im Alltag“ | |
| Künstliche Intelligenz: Historische Entwicklung | 06:18 |
| Künstliche Intelligenz und ihre Auswirkungen auf Menschen und Unternehmen | 08:56 |
| Künstliche Intelligenz in der Arbeitswelt: Strukturelle Veränderungen, Herausforderungen und Regulierung | 09:19 |
| Quiz zum Kurs „Bedeutung von KI“ | |
| Was ist Python? | 02:31 |
| 10 typische Fehler mit Python | 07:55 |
| Was Sie beachten müssen, wenn Sie mit einem Mac arbeiten | 03:20 |
| Python-Codes teilen mit anderen Mitarbeitern | 02:30 |
| Anmeldung Python | 05:42 |
| Python-Integration mit KI Agenten: Bewerbungen analysieren lassen | 09:35 |
| Quiz zum Kurs „Python & KI: Das technische Fundament verstehen“ | |
| Maschinelles Lernen und künstliche Intelligenz: Grundkonzepte | 06:37 |
| Künstliches Neuronales Netz (KNN): Architektur und Anwendung | 08:31 |
| Funktionsweise und Optimierung von KNN | 07:44 |
| Quiz zum Kurs „Grundlegende Prinzipien des Maschinellen Lernens (ML)“ | |
| Lernparadigmen: Supervised Learning, Unsupervised Learning und Reinforcement Learning | 06:59 |
| Supervised Learning: Grundlagen und praktische Anwendung | 05:19 |
| Unsupervised Learning: Clustering, Assoziationsregeln und Dimensionsreduktion | 09:18 |
| Reinforcement Learning: Grundprinzipien, Funktionsweise und strategische Unternehmensanwendungen | 08:35 |
| Quiz zum Kurs „Lernprinzipien von KI-Modellen“ | |
| Klassische Algorithmen vs. ML-Algorithmen | 06:22 |
| Klassifikationsalgorithmen im maschinellen Lernen | 06:21 |
| Regression zur Vorhersage von Zahlenwerten | 05:11 |
| Clustering-Algorithmen: Mustererkennung in großen Datenmengen | 08:45 |
| Machine-Learning-Algorithmen im Vergleich | 08:24 |
| Quiz zum Kurs „ML-Algorithmen und ihre Kernaufgaben (Klassifikation, Regression, Prognose)“ | |
| Deep Learning und Machine Learning: Unterschiede, Architektur und Unternehmensanwendungen | 07:35 |
| Deep Learning und neuronale Netze: Von der Grundstruktur zur Erklärbarkeit | 07:45 |
| Deep Learning Networks (DLN): Convolutional Neural Networks für Bild- und Raumerkennung | 08:54 |
| Deep Learning Networks (DLN): Recurrent Neural Networks für Sequenzen | 07:15 |
| Deep Learning Networks (DLN): Generative Adversarial Networks für die Erzeugung neuer Daten | 06:34 |
| Deep-Learning-Architekturen: Auswahl und praktische Anwendung für KI-Projekte | 04:57 |
| Quiz zum Kurs „Vom Maschinellen Lernen (ML) zum Deep Learning“ | |
| Natural Language Processing (NLP) | 06:12 |
| Computer Vision und Vision-Language Models | 06:30 |
| Speech-to-Text-Technologie | 06:20 |
| Grundprinzipien der Wahrnehmung von KI im Vergleich | 08:36 |
| Quiz zum Kurs „Grundprinzipien der „Wahrnehmung“ von KI“ | |
| Datenstrategien und Datentypen: Grundlagen für erfolgreiche KI-Anwendungen im Unternehmen | 06:35 |
| Big Data: Volume, Velocity, Variety, Veracity, and Value | 11:00 |
| Datenarchitektur für künstliche Intelligenz: Strukturierte, semistrukturierte und unstrukturierte Daten | 08:03 |
| Synthetische Daten in KI-Projekten: Generierung, Validierung und Governance | 09:14 |
| Quiz zum Kurs „Daten: Arten“ | |
| Die Macht der Daten | 04:55 |
| Data Warehouse | 10:25 |
| Data Analytics | 08:48 |
| Data Science | 12:01 |
| Quiz zum Kurs „Daten, Daten, Daten“ | |
| Unternehmensdaten strukturieren: Stammdaten, Transaktionsdaten und Analysedaten | 06:02 |
| Datenvorbereitung und -bereinigung für KI-Projekte: Grundlagen und Best Practices | 06:15 |
| Datenqualität und KI: Dimensionen, Prozesse und kausale Zusammenhänge | 05:56 |
| Quiz zum Kurs „Daten: Strategien und Prozesse“ | |
| KI-Modell-Trainingszyklus: Grundprinzipien, Phasen und Lernstrategien | 05:37 |
| KI-Modelle trainieren: Von der Problemdefinition bis zur Evaluierung | 07:59 |
| Quiz zum Kurs „Trainingszyklus eines KI-Modells verstehen“ | |
| KI-Sicherheit und Machine Learning: Risiken und Angriffsvektor | 07:32 |
| Bias in künstlichen Intelligenzsystemen: Quellen, Mechanismen und gesellschaftliche Auswirkungen | 08:51 |
| KI-Halluzinationen: Ursachen, Mechanismen und praktische Lösungsansätze | 06:50 |
| RAG, Fine-Tuning, und RAFT: Strategische Implementierung von LLMs | 07:03 |
| KI-Risikomanagement in Unternehmen | 09:02 |
| Quiz zum Kurs „Technisch-bedingte Risiken von KI“ | |
| Kollaboratives Filtern: Algorithmen und Anwendungen | 05:50 |
| Künstliche Intelligenz in der Inhaltsmoderation | 09:45 |
| Quiz zum Kurs „Empfehlungssysteme auf Grundlage von Big Data“ | |
| Prädiktive künstliche Intelligenz | 06:48 |
| Generative KI-Architekturen | 08:17 |
| Quiz zum Kurs „Prädiktive vs. Generative KI“ | |
| Ensemble Learning: Bagging, Boosting und Stacking zur Modelloptimierung | 09:11 |
| Random Forests: Ensemble Learning für komplexe Geschäftsdaten | 04:44 |
| Gradient Boosting: Sequenzielles Lernen, Fehlerkorrektur und Overfitting-Prävention | 07:56 |
| Quiz zum Kurs „Ensemble Learning – Kombinierte Algorithmen zur Verhinderung von Overfitting und eigenständiger Verbesserung“ | |
| Einführung in multimodale generative KI und LLMs | 07:13 |
| Quiz zum Kurs „Einführung in multimodale generative KI und LLMs“ | |
| Generative KI verstehen: Der Weg zu ChatGPT | 04:42 |
| Prompting Basics | 03:48 |
| GenAI Tools: Überblick | 01:18 |
| ChatGPT nutzen: Grundlagen | 12:08 |
| KI-Tools im Vergleich: Claude und Mistral | 10:58 |
| Google vs. Perplexity: KI-Suche verstehen | 05:23 |
| Google vs. Perplexity: Themenrecherche | 05:17 |
| Übersetzungen mit DeepL, LanguageTool und ChatGPT | 06:03 |
| ChatGPT Diktierfunktion nutzen | 10:39 |
| NotebookLM: Quellenbasierte KI-Recherche | 07:21 |
| Screen-Sharing mit Gemini | 05:28 |
| Bildgenerierung mit KI: Prompts und Tools im Vergleich | 05:47 |
| Quiz zum Kurs „Generative KI verstehen: Von ChatGPT bis Bildgenerierung“ | |
| Prompt-Grundlagen: Der Schlüssel zur KI | 08:47 |
| 11 Kriterien für bessere Prompts | 06:56 |
| 3 Prompt-Stufen: Text zusammenfassen | 03:10 |
| Prompt-Techniken für Ideengenerierung | 03:21 |
| 3 Prompts für bessere Gliederungen | 03:42 |
| Professionelle Textüberarbeitung mit KI | 03:17 |
| Daten strukturieren: Prompts für Formatierung | 02:36 |
| Übung: Prompts in die Praxis umsetzen | 00:55 |
| Quiz zum Kurs „Prompting Grundlagen: Der Schlüssel zur erfolgreichen KI-Nutzung“ | |
| Chain of Thought Prompting | 01:57 |
| Zero-, One- und Few-Shot Prompting | 03:04 |
| Self-Criticism: KI zur Selbstkorrektur bringen | 02:34 |
| Prompt-Quellen finden und sammeln | 02:43 |
| Quiz zum Kurs „Prompt-Strategien für bessere Ergebnisse“ | |
| Fortgeschrittene Prompt-Techniken: Chain of Thought, Tree of Thoughts und ReAct | 08:13 |
| Sampling-Parameter generativer KI: Temperatur und Top-K | 06:55 |
| LLM-Parameter zur präzisen Ausgabesteuerung | 08:29 |
| Grenzen des Prompt Engineerings: Approximation, Wissen und Risiken | 06:39 |
| Inhärente Risiken von LLMs: Bias, Halluzinationen und Generalisierung | 06:27 |
| Quiz zum Kurs „Prompt-Engineering für Fortgeschrittene“ | |
| Vibe Coding: KI-gestütztes Prototyping für Nicht-Entwickler | 04:42 |
| Vibe Coding: Debugging und Versionskontrolle | 06:13 |
| Vibe Coding: Deployment, Infrastruktur und Qualitätssicherung | 10:12 |
| Vibe Coding: IT-Sicherheit und Governance | 10:25 |
| Quiz zum Kurs „Vibe Coding“ | |
| Generative KI im Unternehmen: Strategie, Priorisierung und Implementierung | 08:42 |
| Generative KI im Unternehmen: Architektur, Daten und Proof of Concept | 06:43 |
| Generative KI im Unternehmen: Auswahl, Anpassung und sichere Integration | 08:44 |
| Generative KI im Unternehmen: Kosten, Compliance und Schatten-KI | 09:09 |
| Quiz zum Kurs „Generative KI (GenAI) Tools im Unternehmen“ | |
| LLM-Benchmarking: Strategische Grundlagen | 05:11 |
| LLM-Benchmarking: Metriken, Limitationen und LLM as a Judge | 08:30 |
| LLM-Benchmarking: Moderne Evaluierungsstrategien für Unternehmen | 05:12 |
| LLMs im Unternehmenseinsatz: Auswahl und Governance | 05:51 |
| Open-Source-LLMs im Unternehmenseinsatz: Auswahl und Lizenzierung | 07:26 |
| Quiz zum Kurs „Generative KI (GenAI): Benchmarking verstehen“ | |
| LLM-Risiken im Unternehmenseinsatz: Sicherheit und operative Kontrolle | 05:53 |
| Guardrails: Sicherheitskonzepte für den KI-Einsatz im Unternehmen | 05:37 |
| Guardrails: Schutz vor Adversarial Attacks | 07:56 |
| Guardrails: Genauigkeit, Relevanz und Sicherheit | 05:53 |
| Human in the Loop: Menschliche Aufsicht in KI-Systemen | 08:19 |
| Quiz zum Kurs „Guardrails – Leitplanken gegen Risiken, Fehler und Regelverstöße generativer KI“ | |
| Kennzeichnungspflicht für KI-Inhalte: EU AI Act im Unternehmen | 07:40 |
| KI-generierte Inhalte erkennen: Methoden und Unternehmensrisiken | 09:49 |
| KI-Detektion: Methoden, Metriken und Grenzen | 04:11 |
| Quiz zum Kurs „Kennzeichnung und Erkennung von KI-generierten Inhalten“ | |
| KI-Potenzial und fundamentale Grenzen: Mathematische und kognitive Schranken | 06:38 |
| Generative KI: Leistung, Grenzen und hybride Zukunft | 07:00 |
| Quiz zum Kurs „Leistung, Grenzen und zukünftige Entwicklung generativer KI“ | |
| Quiz zum Kurs „KI-Manager (release in progress)“ |