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“ | |
| Agentic AI im Unternehmen: Architektur und Funktionsweise autonomer KI-Agenten | 05:55 |
| KI-Agenten vs. Automatisierung: Paradigmenwechsel und Governance | 10:32 |
| KI-Agenten: Typen, Architekturen und Unternehmenseinsatz | 09:36 |
| Quiz zum Kurs „Einführung in Automatisierung und autonome KI-Agenten“ | |
| Automatisierungspotenziale im Unternehmen: Identifikation, Bewertung und Priorisierung | 07:04 |
| KI-Agenten im Unternehmen: Entscheidungsrahmen für den richtigen Einsatz | 07:42 |
| Quiz zum Kurs „Anwendungsbeispiele für Automatisierung und autonome KI-Agenten“ | |
| Autonome KI-Agenten: Architektur und Handlungszyklus | 06:03 |
| KI-Agenten-Architektur: Planung, Gedächtnis und autonomes Handeln | 08:02 |
| Cloud- und Edge-Computing für KI-Agenten: Strategische Grundlagen | 08:18 |
| Context Engineering in Agentensystemen: Kontextfenster optimal nutzen | 08:13 |
| Multi-Agentensysteme: Architektur und Standards | 06:13 |
| KI-Agenten-Frameworks: Auswahl, Integration und Betrieb | 09:10 |
| Autonome KI-Agenten-Teams: Struktur, Kontrolle und Sicherheit | 07:26 |
| Mensch-KI-Kollaboration: Rollen, Modelle und Verantwortung | 06:14 |
| Quiz zum Kurs „Arbeit mit autonomen KI-Agenten“ | |
| n8n Grundlagen: Schritt-für-Schritt | 00:25 |
| n8n Grundlagen: Setup, Pläne und erste Workflows | 00:52 |
| n8n Grundlagen: Anmeldung und Registrierung | 03:00 |
| n8n Grundlagen: Workflow-Erstellung | 08:15 |
| n8n Preismodelle und Self-Hosting-Optionen | 03:01 |
| n8n Benutzeroberfläche: Navigation, Workflows, Credentials und AI Agents | 15:57 |
| n8n Trigger Nodes: Start eines Workflows | 17:09 |
| n8n Aktionen und gezielte Steuerung | 10:55 |
| Quiz zum Kurs „n8n Grundlagen“ | |
| n8n Automatisierungen und Basic-Nodes: Überblick | 00:50 |
| Workflow-Automatisierung für Newsletter | 20:55 |
| Formularautomatisierung und Datenverwaltung | 08:39 |
| KI-gestützte Formularauswertung | 08:00 |
| Data Transformation Nodes: Daten in Workflows bereinigen, strukturieren und umwandeln | 19:18 |
| Flow Nodes: Bedingte Logik, Datenabgleich und Iteration in Workflows | 08:10 |
| Core Nodes: Formulare, Datentabellen, HTTP-Requests und Webhooks | 10:41 |
| LLM-basierte Automatisierung: Integration von Chat, Gmail und Sentiment-Analyse | 07:24 |
| Quiz zum Kurs „n8n Automatisierungen und Basic-Nodes“ | |
| KI-Agenten: Architektur, Sprachmodelle und Tool-Integration | 01:02 |
| KI-Agenten erstellen und konfigurieren | 13:31 |
| Tool-Integration für E-Mail, Kalender und Datenverwaltung | 12:57 |
| DataTable und Gmail verbinden | 05:36 |
| LLMs (Large Language Models) einbinden | 07:25 |
| Azure OpenAI und lokale LLMs einrichten | 05:45 |
| Websuche mit Tavily und Exa anbinden | 04:22 |
| Tokenverbrauch und Kosten | 04:59 |
| Model-Selector zum Token-Sparen | 04:07 |
| Quiz zum Kurs „n8n KI-Agenten“ | |
| Retrieval-Augmented Generation (RAG): Überblick | 00:56 |
| PostgreSQL-Datenbanken und Vector-Suche: Integration mit n8n und Supabase | 04:29 |
| Vektordatenbanken: Erstellung in Supabase | 04:02 |
| Vektordatenbanken und Dokument-Embeddings: Implementierung mit Supabase | 03:55 |
| Vektordatenbanken und RAG: Abfrage eingebetteter Dokumente mit Sprachmodellen | 04:08 |
| Vektordatenbanken und RAG: Sprachgesteuerte Unternehmensabfragen mit Telegram | 02:49 |
| Quiz zum Kurs „n8n RAG (Retrieval-Augmented Generation)“ | |
| Multiagentenarchitekturen: Überblick | 00:43 |
| KI-Agent-Architekturen: Sub-Workflows und Routeragenten | 03:50 |
| Routeragent und RAG: Praktische Implementierung mit Multiagentenarchitekturen | 02:14 |
| Routeragent-Workflows: Telegram-Integration und Multiagentensysteme | 02:21 |
| Routeragenten über Sprachnachrichten steuern: Praktische Anwendungen | 02:48 |
| Multiagentenarchitekturen mit Orchestrator-Architektur: Implementierung und Design | 06:36 |
| Systemprompts in Multiagentenarchitekturen: XML-Format | 06:53 |
| Chat-Nachrichten an Orchestratoragenten senden und Subagenten ausführen | 00:59 |
| Text-Nachrichten per Telegram an Orchestratoragenten senden und Subagenten ausführen | 01:55 |
| Sprachnachrichten per Telegram an Orchestratoragenten senden und Subagenten ausführen | 01:27 |
| Quiz zum Kurs „n8n Multiagentenarchitekturen“ | |
| Model Context Protocol: Multiagentensysteme und Kontextverwaltung | 01:09 |
| Model Context Protocol (MCP) für Multiagentensysteme | 06:25 |
| Chat-Nachrichten an MCP-Agenten senden und Subagenten ausführen | 05:35 |
| Text-Nachrichten per Telegram an MCP-Agenten senden und Subagenten ausführen | 02:12 |
| Sprachnachrichten per Telegram an MCP-Agenten senden und Subagenten ausführen | 01:52 |
| Instance-Level MCP Access: Zugriff geben auf gesamte n8n-Instanz | 03:24 |
| Model Context Protocol Integration: Claude Desktop | 02:37 |
| Multiagentensystem und MCP-Instanz | 04:20 |
| Quiz zum Kurs „n8n und Model Context Protocol (MCP)“ | |
| Guardrails in KI-Agenten: Datenschutz, Sicherheit und Jailbreak-Prävention | 01:09 |
| Guardrails in n8n: KI-Workflows absichern und Modellverhalten kontrollieren | 03:56 |
| Guardrails in KI-Systemen: Kategorien und Anwendungen zur Validierung von Input und Output | 03:55 |
| Keyword-basierte Guardrails: Implementierung in HR-Agenten | 06:00 |
| Guardrail-Implementierungen in OpenAI und n8n: Technische Grundlagen und Code-Analyse | 03:20 |
| Jailbreak-Erkennung in KI-Systemen: Guardrails und Confidence Scores | 04:23 |
| Jailbreak-Versuche bei KI-Systemen: Identifikation und Abwehrmaßnahmen | 01:52 |
| Filtern von NSFW-Inhalten mit KI-Agenten | 04:22 |
| Personally Identifiable Information (PII) und Guardrails: Erkennung und Schutz personenbezogener Daten | 04:42 |
| Sensible Daten in KI-Workflows: Erkennung, Maskierung und DSGVO-Compliance mit Guardrails | 04:44 |
| Secret Keys in KI-Systemen: Erkennung, Maskierung und Guardrail-Implementierung | 04:33 |
| Topical Alignment und Guardrail Nodes: Inhaltsvalidierung in KI-Workflows | 05:18 |
| URL Guardrail Node: Link-Erkennung, Validierung und Sicherheitskontrollen | 01:42 |
| Custom Guardrails in KI-Systemen | 03:31 |
| Custom RegEx Guardrail Node: Datum und Uhrzeit | 03:26 |
| Custom RegEx Guardrail Node: Postleitzahlen und Vertragsnummern | 03:05 |
| Quiz zum Kurs „n8n Guardrails“ | |
| n8n 2.0 Features und KI-gestützte Workflows: Agent Builder, Chat-Integration und generative Medien | 00:50 |
| n8n Workflow Templates generieren mit Large Language Models | 02:16 |
| n8n Workflow Templates: Nutzung von Community-Ressourcen und LLM-Integration | 01:31 |
| n8n Workflow Templates: „Build with AI“-Funktion und prompt-basierte Node-Erstellung | 03:59 |
| Telegram KI-Agent mit multimodaler Nachrichtenverarbeitung | 05:47 |
| n8n 2.0: Visuelle Verbesserungen | 02:45 |
| n8n 2.0: Veröffentlichung von Workflows | 01:34 |
| n8n 2.0: Focus Panel | 01:29 |
| n8n Chat Hub: Chat-Modelle anbinden | 02:24 |
| n8n Chat Hub: Modelle wechseln und Memory | 01:32 |
| n8n Chat Hub: Audio und Multimodalität | 01:30 |
| n8n Chat Hub: Tool-Anbindungen | 02:25 |
| n8n Chat Hub: Personal Agent | 02:16 |
| n8n Chat Hub: Workflow-Agent | 03:21 |
| Bildgenerierung mit GPT-1.5-Image und Nano Banana Pro | 03:54 |
| Videogenerierung mit Sora 2 und Veo-3 | 02:44 |
| n8n-Automation und KI-Agenten: Zusammenfassung und Übersicht | 01:55 |
| Quiz zum Kurs „n8n Best Practices: Tipps und Abschluss“ | |
| Kursüberblick: KI und Ethik | 02:05 |
| Was ist Ethik? | 02:12 |
| Bias und Fairness in KI-Systemen: Checkliste und Monitoring | 01:28 |
| 10 typische Fehler im Umgang mit KI und Ethik | 06:05 |
| Checkliste Ethische Fragen im KI-Management: Vermeidung typischer Fehler | 01:41 |
| KI-Ethik-Richtlinien: Bußgelder und Verstöße | 02:54 |
| KI-Ethik als Business-Turbo | 02:23 |
| Checkliste: KI-Ethik als Business-Turbo | 01:16 |
| Ethische Dilemmata in KI-Systemen | 03:51 |
| Checkliste – Ethische Dilemmata erkennen | 01:30 |
| Der erste Schritt – Ihr Ethik-Komitee | 03:33 |
| Checkliste: Ethik-Komitee einführen | 01:08 |
| KI & DSGVO – Das Traumpaar | 02:27 |
| Der Daten-Check für KI-Systeme | 01:54 |
| Checkliste: DSGVO und Datencheck für KI-Implementierung | 01:04 |
| Branchenspezifische Vorschriften für KI-Systeme | 01:48 |
| Checkliste: Branchenspezifische Compliance | 00:52 |
| Vom Algorithmus zur fairen Entscheidung | 01:47 |
| Schnellstart: Interne Leitlinien entwickeln | 01:54 |
| KI-Richtlinien: Checklisten für die Implementierung | 01:06 |
| KI-Verhaltenskodex: Grundprinzipien, Verantwortlichkeiten und Prozesse | 01:16 |
| KI-Ethik implementieren: 30-Tage-Plan für KI-Manager | 02:29 |
| Checkliste: 30-Tage-Plan für KI-Manager | 01:05 |
| KI-Ethik: Best Practices | 01:58 |
| Zusammenfassung: KI und Ethik | 02:36 |
| Quiz zum Kurs „KI-Ethik: Verantwortungsvoller Einsatz“ | |
| Explainable AI: Transparenz und Governance-Kontrolle algorithmischer Systeme | 10:00 |
| Explainable AI im Unternehmensalltag verankern | 07:05 |
| KI-Bias im Unternehmensalltag: Strategien und Fairness-Metriken | 08:29 |
| Quiz zum Kurs „Deep Dive: Explainable AI (XAI) und Bias“ | |
| Nachhaltige KI-Strategie: Regulatorik, Technologie und Ressourcenmanagement | 05:53 |
| Green AI: Emissionen messen, Modelle und Workloads optimieren | 09:46 |
| Green AI: ROI, Lebenszyklus und soziale Verantwortung | 09:13 |
| Quiz zum Kurs „Zukunftsstrategie Green AI: Methodik, Messung und Praxis“ | |
| KI-Sicherheitsrisiken: Angriffsvektoren über den gesamten Modell-Lebenszyklus | 07:06 |
| KI-Betriebsmodell: Hub-and-Spoke-Modell zur Skalierung | 08:22 |
| PII-Schutz in LLM-Systemen: Governance, Zero Trust und Datenminimierung | 09:53 |
| Schatten-KI: Compliance-Risiken und Steuerungsstrategien für Unternehmen | 06:25 |
| Technische Guardrails für LLMs: Datenschutz im Unternehmen | 05:54 |
| Mensch-KI-Zusammenarbeit: Entscheidungsunterstützung und Verantwortung | 08:14 |
| Prompt-Injection-Angriffe: Risiken und Abwehrstrategien für Unternehmen | 08:50 |
| LLM-Systemintegrität im Unternehmen: Sicherheitsarchitektur und Zugriffskontrolle | 06:12 |
| KI-Sicherheitsbedrohungen: Data Poisoning, Evasion Attacks und Governance | 08:29 |
| Urheberrecht bei KI-Inhalten: Eigentum und Unternehmensrisiken | 08:27 |
| Kennzeichnungspflicht von KI-Inhalten: EU AI Act und Transparenz | 08:04 |
| LLM-Output-Sicherheit: Filterung, Aufsicht und Monitoring | 07:08 |
| Richtlinienkompetenz: Entwicklung verbindlicher KI-Nutzungsrichtlinien | 07:32 |
| Quiz zum Kurs „Governance und Compliance für KI im Unternehmen“ | |
| KI-Problemlösungen im eigenen Arbeitsbereich | 10:03 |
| 10-Min Brainwriting: Problem-Kategorien | 05:14 |
| Übung: Probleme strukturiert erfassen | 11:58 |
| Quiz zum Kurs „KI-Potenziale im Arbeitsumfeld erkennen“ | |
| KI-gestützte Prozessoptimierung: Werkzeuge und Umsetzungsstrategien | 09:24 |
| KI-Agenten managen: Architektur, Orchestrierung und Datenmanagement | 06:37 |
| Qualitätssicherung von KI-Output: Methoden und Governance | 08:31 |
| Quiz zum Kurs „KI-Prozessoptimierung und Agenten-Management“ | |
| KI-Risiken strategisch managen: SWOT- und TOWS-Analyse | 09:22 |
| Datenqualität und Bias in KI-Projekten: Risiken und Governance | 08:31 |
| Quiz zum Kurs „Risikomanagement in KI-Projekten“ | |
| KI-Modelle im Betrieb: Post-Deployment-Management | 08:17 |
| KI-Performance-Tracking: Monitoring und Model Drift Detection | 09:13 |
| Versionskontrolle und Rollback-Strategien für KI-Systeme | 08:47 |
| KI-Modelle im Betrieb: Continuous Learning und A/B-Testing | 06:49 |
| Quiz zum Kurs „KI-Betriebsmanagement: Monitoring, Wartung und kontinuierliche Optimierung“ | |
| Kursüberblick: Projektmanagement mit KI | 03:41 |
| Die Rolle von ChatGPT im Projektmanagement | 04:40 |
| Projektmanagement: Theorie von ChatGPT erklären lassen | 02:35 |
| 30-Tage-Challenge im Projektmanagement | 05:17 |
| Brainstorming mit KI – Die 1 Mann-Armee | 07:40 |
| KPI Bible von KI erstellen lassen | 02:42 |
| Tabelle mit KI richtig formatieren | 07:40 |
| Typische Fehler im Projektmanagement: Ungenügende Planung | 04:03 |
| Typische Fehler im Projektmanagement: Schlechte Kommunikation | 06:50 |
| Typische Fehler im Projektmanagement: Ungenügende Ressourcenplanung | 05:25 |
| Typische Fehler im Projektmanagement: Fehlende Risikomanagementstrategie | 04:52 |
| Typische Fehler im Projektmanagement: Ungenügende Stakeholder-Einbindung | 06:25 |
| Typische Fehler im Projektmanagement: Unklare Ziele | 04:27 |
| Typische Fehler im Projektmanagement: Mangelnde Qualitätssicherung | 03:58 |
| Typische Fehler im Projektmanagement: Ungünstiges Zeitmanagement | 04:39 |
| Typische Fehler im Projektmanagement: Fehlende Flexibilität | 04:34 |
| Typische Fehler im Projektmanagement: Mangelnde Teamführung | 05:41 |
| Fehler im Projektmanagement: Identifikation und Analyse mit KI-gestützten Tools | 02:13 |
| Profile der Entscheidungsträger mit KI erarbeiten | 03:50 |
| Profile der Stakeholder mit KI erarbeiten | 08:11 |
| Projektbeispiel ERP-Systemeinführung | 06:30 |
| MoSCoW-Methode: Priorisierung von Projektanforderungen | 04:16 |
| Wie sieht die KI-Priorisierung aus? | 03:55 |
| Gantt-Diagramme in Excel mit KI: Anforderungsanalyse und VBA-Code-Generierung | 05:20 |
| Gantt-Diagramme in Excel mit KI: VBA-Code erstellen | 04:28 |
| Gantt-Diagramme in Excel mit KI: VBA-Code Funktionstest | 07:12 |
| Gantt-Diagramme in Excel mit KI: VBA-Code auf Fehler überprüfen | 02:38 |
| Gantt-Diagramme in Excel mit KI: Optimierung mit ChatGPT | 05:40 |
| Quick and Dirty: Gantt Diagramm mit KI | 02:24 |
| Projektbeispiel ERP-Systemeinführung: Präsentation mit KI entwerfen | 03:34 |
| VBA-Code in PowerPoint: ChatGPT-Integration für Präsentationserstellung | 09:42 |
| VBA-Code in PowerPoint implementieren | 05:27 |
| Executive Summaries mit ChatGPT erstellen | 02:22 |
| Fragen-Katalog zu Risiken mit KI erstellen | 03:24 |
| Konfliktmanagement im Projekt: Typische Nörgler-Profile identifizieren und adäquat reagieren | 07:08 |
| Urheberrecht von KI-generierten Präsentationen | 03:00 |
| Projektberichte mit ChatGPT | 02:55 |
| Projektbericht für Excel von KI erstellen lassen | 03:48 |
| Projekt konsolidieren mit KI | 03:18 |
| Fallstudie: Marketingkampagnen-Planung mit KI | 01:13 |
| KI-gestützte Projektplanung: Zehn-Punkt-Checkliste für Marketingkampagnen | 04:17 |
| 20 Prompts für das Projektmanagement | 09:27 |
| Kombination: KI und Projektleiter | 03:24 |
| Zusammenfassung: Projektmanagement mit KI | 04:49 |
| Quiz zum Kurs „KI-Manager (release in progress)“ |