Entdecken Sie, was Sie lernen können.
Mit Videokursen für Beruf, Studium und Freizeit.
Die KI-Verordnung (EU AI Act) verändert die Spielregeln für den Einsatz Künstlicher Intelligenz im Unternehmen – verbindlich, weitreichend und mit klaren Pflichten für Mitarbeitende und Führungskräfte.
Doch wie setzen Sie KI-Tools rechtssicher, kompetent und wirklich gewinnbringend im Arbeitsalltag ein? Dieses Kurspaket vermittelt Ihnen das gesetzlich geforderte Wissen zur KI-Verordnung, macht Sie fit im Umgang mit den wichtigsten KI-Werkzeugen und zeigt Ihnen, wie Sie fundierte Entscheidungen im KI-gestützten Arbeitsalltag treffen.
In diesem Kurspaket lernen Sie, welche rechtlichen Anforderungen der EU AI Act an Ihr Unternehmen stellt, wie Sie KI-Anwendungen wie ChatGPT, Claude und Copilot sicher und effektiv nutzen und wie Sie KI-Prozesse sogar selbst automatisieren.
Sie erfahren:
Mit gesetzeskonformen Unterweisungen, praxisnahen Tool-Schulungen und zahlreichen Übungen bauen Sie ein sicheres, umfassendes Verständnis für den rechtskonformen und gewinnbringenden Einsatz von KI im Unternehmen auf.
Ob Mitarbeiter:in, Führungskraft oder technisch versierte:r Anwender:in – dieses Kurspaket gibt Ihnen die rechtliche Sicherheit, das praktische Know-how und die Werkzeuge für einen souveränen, verantwortungsvollen und zukunftsfähigen Umgang mit Künstlicher Intelligenz in Ihrem Unternehmen.
| Warum der EU AI Act wichtig ist | 01:30 |
| Sicheres Prompten | 11:51 |
| Die KI-Risikoklassen und verbotene Praktiken | 08:25 |
| Künstliche Intelligenz (KI): Chancen und Risiken | 05:51 |
| Künstliche Intelligenz (KI): Ethik und Recht | 08:43 |
| Künstliche Intelligenz (KI): Handlungsempfehlungen und Richtlinien | 03:52 |
| Quiz zum Kurs „KI Anwendungen im Unternehmen – Unterweisung“ | |
| KI-Systeme: Höchste Risikostufe (Führungskräfte-Version) | 05:36 |
| KI-Systeme: Mittlere Risikostufe (Führungskräfte-Version) | 03:09 |
| KI-Systeme: Pflichten und Verantwortung (Führungskräfte-Version) | 07:41 |
| Quiz zum Kurs „KI-Verordnung – Unterweisung (Führungskräfte-Version)“ | |
| 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“ | |
| Generative KI verstehen: Der Weg zu ChatGPT | 04:42 |
| Prompting Basics | 03:48 |
| Warum KI unsere Arbeit revolutioniert | 04:24 |
| 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 |
| Musik erstellen mit Suno | 05:47 |
| Quiz zum Kurs „Generative KI (GenAI) verstehen: Von ChatGPT bis Bildgenerierung“ | |
| 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“ | |
| 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“ | |
| Impact-Implement-Matrix für KI-Projekte | 04:23 |
| 4W-Matrix: KI-Implementierung planen | 02:42 |
| Workflow-Analyse mit KI-Prompt-Templates | 03:39 |
| Übung: Impact Matrix mit ChatGPT automatisieren | 01:36 |
| KI erfolgreich umsetzen: 7 Strategien | 06:33 |
| KI-Automationen mit Agenten | 09:57 |
| Quiz zum Kurs „KI-Lösungen in betriebliche Prozesse integrieren“ | |
| 5 ethische KI-Grundprinzipien | 04:04 |
| KI: Ängste verstehen und adressieren | 05:55 |
| KI: Datenschutz und Datensicherheit im Blick | 11:13 |
| Quiz zum Kurs „KI verantwortungsvoll einsetzen“ | |
| Das Entscheidungsproblem im Zeitalter der KI: Einführung | 01:59 |
| Entscheidungsfähigkeit im KI-Zeitalter: Mehr Daten, mehr Tools, mehr KI | 02:48 |
| Technologie-Paradox: Mehr Technologie, weniger Orientierung | 02:41 |
| Entscheidungen delegieren an KI: Grenzen | 02:27 |
| Erwartung an KI: Effizienz und Klarheit | 01:31 |
| KI-gestützte Entscheidungen: Verantwortung und systemisches Denken | 02:37 |
| Quiz zum Kurs „Das Entscheidungsproblem im Zeitalter der KI: Grundlagen“ | |
| Was KI wirklich macht: Einführung | 02:10 |
| Verbreitete Erwartungen an die KI | 02:27 |
| KI-Realität: Muster, Wahrscheinlichkeiten, Vorschläge | 02:47 |
| LLM-Grundlagen: Trainingsdaten, Verzerrungen und Systemgestaltung | 02:39 |
| Unterschied zwischen KI-Empfehlung und Entscheidung | 03:33 |
| Reflexion: Wo nutzen wir KI heute? | 01:42 |
| Quiz zum Kurs „Was KI wirklich macht“ | |
| Systemisches Denken und Entscheidungen: Einführung | 01:52 |
| Entscheidungen entstehen im Kontext | 03:34 |
| Informationsasymmetrie in Organisationen: Qualität von Entscheidungen | 02:15 |
| Entscheidungsarchitektur in Organisationen | 02:24 |
| Technologie verändert Systeme: KI-Einführung als Strukturintervention | 02:43 |
| Quiz zum Kurs „Systemisches Denken und Entscheidungen“ | |
| KI-Agenten und Mikroentscheidungen: Einführung | 02:14 |
| KI-Agenten und Mikroentscheidungen: Praxistauglichkeit im Firmenumfeld | 01:30 |
| Automatisierung von Wissensarbeit: KI-Unterstützung | 01:53 |
| Mikroentscheidungen im Arbeitsalltag mit KI | 01:53 |
| KI-Kalenderagenten und Tagesplanung | 02:11 |
| KI-gestützte E-Mail-Priorisierung | 01:43 |
| KI-Ticketpriorisierung | 02:24 |
| KI-Automatisierung: Mehrwert durch Freiräume und bessere Entscheidungen | 02:34 |
| KI-gestütztes Dokumentenmanagement | 01:36 |
| Deterministische Algorithmen vs. LLMs: Unterschiede und Einsatzbereiche | 03:03 |
| Nicht-Determinismus in LLMs | 02:15 |
| Operative Engpässe durch KI-Tools | 01:42 |
| Automation Bias: KI-Autorität und psychologische Sicherheit | 02:01 |
| Systemische Kernfrage: Delegation von Entscheidungen | 01:39 |
| Quiz zum Kurs „KI-Agenten und Mikroentscheidungen“ | |
| Typische Entscheidungsfehler mit KI: Einführung | 02:18 |
| Automation Bias: KI-Entscheidungsfehler im Coaching-Kontext | 04:13 |
| Technik-Autorität: KI-Output und Entscheidungsqualität im Team | 02:29 |
| Delegationsillusion: KI-Verantwortung und Rechenschaftspflicht im Prozess | 01:56 |
| Urteilskompetenz und KI-Abhängigkeit: Risiken für Entscheidungskultur | 02:57 |
| Systemische Mustererkennung bei KI-gestützten Organisationsprozessen | 02:58 |
| Quiz zum Kurs „Typische Entscheidungsfehler mit KI“ | |
| Entscheidungsmodell in KI-Zeiten: Einführung | 01:38 |
| Entscheidungsmodelle in KI-Zeiten: Problemdefinition als Qualitätshebel | 01:37 |
| KI als Perspektive: Haltung im systemischen Coaching | 01:12 |
| Menschliche Urteilsbildung nach KI-Impulsen | 01:45 |
| Verantwortungsübernahme im Team: Entscheidungsdokumentation | 02:24 |
| KI als Werkzeug statt Entscheidungssystem | 03:00 |
| Quiz zum Kurs „Entscheidungsmodell in KI-Zeiten“ | |
| Entscheiden mit KI: Zusammenfassung | 01:33 |
| Entscheiden mit KI: Reflexion | 00:57 |
| Entscheiden mit KI: Transfer in den Alltag | 01:05 |
| KI-Entwicklungslinien: Entscheidungsdruck und Positionierung | 00:37 |
| KI-Integration im Team: Ihre nächsten 30 Tage | 01:07 |
| Entscheiden mit KI: Klare Prozesse | 00:33 |
| Quiz zum Kurs „Entscheiden mit KI: Abschluss“ | |
| Willkommen zum Crashkurs ChatGPT | 06:35 |
| Deep Dive in ChatGPT | 11:20 |
| ChatGPT: Potential und Risiken | 06:32 |
| ChatGPT: Praktische Anwendung | 05:00 |
| ChatGPT: Codegenerierung | 05:47 |
| Prompts für andere KI Tools | 04:58 |
| ChatGPT Praxisbeispiel: Entwicklung dieses Kurses | 02:56 |
| ChatGPT Übungen: Jetzt sind Sie dran | 02:54 |
| ChatGPT API | 03:41 |
| Die Zukunft von ChatGPT und Natural Language Processing (NLP) | 06:15 |
| Fortgeschrittene NLP-Funktionen | 10:25 |
| Quiz zum Kurs „Crashkurs ChatGPT“ | |
| Kurseinführung zu ChatGPT | 02:58 |
| Begriffe von ChatGPT | 12:17 |
| Möglichkeiten von ChatGPT | 04:16 |
| Alternativen zu ChatGPT | 01:33 |
| Kosten von ChatGPT | 07:11 |
| Quiz zum Kurs „Einführung in ChatGPT“ | |
| ChatGPT Accounterstellung | 01:37 |
| Erster ChatGPT Chat | 02:16 |
| ChatGPT Prompts | 02:46 |
| Recherche mit ChatGPT | 07:12 |
| Content für Webseiten und Social Media mit ChatGPT erstellen | 07:13 |
| ChatGPT Prompts verbessern | 02:14 |
| Verträge und Rechtstexte mit ChatGPT erstellen | 01:58 |
| Übersetzen mit ChatGPT | 01:36 |
| Programmierung und Coding mit ChatGPT | 04:56 |
| Quiz zum Kurs „ChatGPT Grundlagen“ | |
| ChatGPT vs. Playground | 03:10 |
| Anwendungen für ChatGPT im Alltag | 16:00 |
| Anwendungen für ChatGPT im Geschäftsbereich | 16:19 |
| Plagiate und AI-Content-Detektoren: Die Grenzen von ChatGPT | 09:08 |
| Gute ChatGPT Prompts schreiben | 05:57 |
| Typische Fehler in ChatGPT Prompts vermeiden | 02:43 |
| ChatGPT Best Practice: Die "Handle so"-Technik | 03:47 |
| ChatGPT Browsererweiterung für Google Suche | 02:48 |
| ChatGPT Browsererweiterung Merlin: Texte zusammenfassen | 03:24 |
| ChatGPT Browsererweiterungen: Voice Control, AI Detector, Prompt Genius | 03:01 |
| Quiz zum Kurs „ChatGPT Anwendungen“ | |
| Die Zukunft von ChatGPT | 13:40 |
| ChatGPTs Bedeutung für den Arbeitsmarkt | 08:27 |
| Kursabschluss zu ChatGPT | 01:27 |
| Claude im Geschäftsalltag: Prompt-Engineering und erweiterte Funktionen | 00:55 |
| Claude: Modelle, Oberfläche und Grundbegriffe im Überblick | 00:31 |
| Claude im Arbeitsalltag: Funktionen und Anwendungsmöglichkeiten | 03:25 |
| Claude-Nutzungsmodelle und Preispläne: Überblick | 06:18 |
| Claude-Registrierung und Einstieg: Konto einrichten und Pro-Plan abonnieren | 04:26 |
| Claude-Modellvarianten: Haiku, Sonnet und Opus im Vergleich | 04:50 |
| Token und Kontextfenster: Grundlagen der KI-Textverarbeitung | 04:54 |
| Claude-Benutzeroberfläche: Funktionen, Projekte und Artefakte | 05:04 |
| Claude-Einstellungen: Sprache, Datenschutz und Nutzungslimits | 02:23 |
| Konnektoren und MCP in Claude: Externe Dienste anbinden | 02:56 |
| Tastenkombinationen in Claude: Shortcuts für effizientere Navigation | 01:31 |
| Claude Desktop: Installation, Funktionen und MCP-Integration | 03:59 |
| Quiz zum Kurs „Einführung in Claude AI“ | |
| Prompt- und Context-Engineering: Techniken für bessere KI-Ergebnisse | 00:22 |
| Prompt Engineering und Context Engineering: Grundlagen | 04:06 |
| Prompt-Engineering-Techniken: Zehn Methoden im Überblick | 03:37 |
| Prompt-Design: Inhalte von Anweisungen trennen | 01:58 |
| Zero-Shot- und Few-Shot-Prompting: Grundlagen und Anwendung | 02:40 |
| Example Prompting und Negative Prompting: Techniken im Vergleich | 01:57 |
| Iteratives Prompting: Ergebnisse schrittweise verfeinern | 01:16 |
| Chain-of-Thought-Prompting: Schrittweises Denken mit KI | 03:46 |
| Reverse Prompting: Prompts aus fertigen Texten rekonstruieren | 01:33 |
| Antwortstile in Claude: Vordefinierte und benutzerdefinierte Optionen | 02:15 |
| Benutzerdefinierte Stile in Claude: Erstellung und Anwendung | 01:41 |
| Fünf-Elemente-Prompt: Struktur für zuverlässige KI-Ergebnisse | 03:30 |
| Context Engineering: Fünf-Elemente-Modell für Claude | 03:14 |
| System-Prompt: Dauerhafter Kontext und Verhaltenssteuerung | 02:23 |
| Quiz zum Kurs „Prompt-Engineering-Techniken und Context-Engineering“ | |
| Claude: Web Browsing, Deep Research und Multimodalität | 00:38 |
| Web Search in Claude: Echtzeitdaten mit zitierten Quellen | 02:14 |
| Recherchemodus von Claude: KI-gestützte Deep-Research-Analyse | 04:33 |
| Multimodalität in LLMs: Eingabeformate und Grenzen | 03:29 |
| Bewirtungsbelege mit KI auswerten und visualisieren | 01:43 |
| Screenshots mit Claude: Bildinhalte analysieren und auswerten | 01:41 |
| Artefakte in Claude: Funktionen und Anwendungsfälle | 02:41 |
| Artifacts zur Textzusammenfassung: PDF-Dokumente komprimieren | 02:35 |
| Python-Datenanalyse mit Claude: Artefakte und Code-Generierung | 03:58 |
| KI-generierten Python-Code für Datenanalyse ausführen | 02:56 |
| Claude Projects: Wissensdatenbanken für Datenanalyse aufbauen | 03:46 |
| Interaktives Verkaufs-Dashboard mit KI erstellen | 04:01 |
| Quiz zum Kurs „Projekte, Artefakte und Datenanalyse mit Claude“ | |
| Claude als KI-Agent: Konnektoren und Business-Szenarien | 00:54 |
| Model Context Protocol: Claude mit externen Tools verbinden | 02:09 |
| Gmail-Integration in Claude: E-Mails abrufen und beantworten | 05:23 |
| Google-Kalender-Integration in Claude: Termine und Aufgaben abrufen | 02:35 |
| Google Drive und Claude: Quartalsdaten analysieren und visualisieren | 04:08 |
| Geschäftsbericht mit KI erstellen: KPIs und Jahresauswertung | 01:10 |
| Notion und Claude per MCP verbinden: Datenbanken und Seiten erstellen | 04:56 |
| Domainverfügbarkeit prüfen mit Claude und GoDaddy | 02:15 |
| Jobsuche mit KI: Indeed-Konnektor in Claude nutzen | 03:25 |
| Trivago-Konnektor in Claude: Hotelsuche per MCP | 02:35 |
| PayPal-Transaktionsdaten über MCP in Claude verwalten | 01:51 |
| Kryptowährungsdaten mit Claude und MCP: Integration und Visualisierung | 03:21 |
| Hugging Face in Claude: KI-Modelle und Paper per MCP durchsuchen | 03:36 |
| Claude AI: Kursabschluss und erworbene Kompetenzen | 00:36 |
| Quiz zum Kurs „Model Context Protocol (MCP) für Business-Anwender“ | |
| Claude API: Datenanalyse, Automatisierung und KI-Integration | 00:49 |
| Geschäftsdatenanalyse mit Claude: Dashboards und Visualisierungen | 00:36 |
| Datenanalyse mit Claude: Integration heterogener Datenquellen | 01:53 |
| Datenanalyse mit Claude: Projekte, Datei-Upload und Tabellenbeziehungen | 02:57 |
| Projektanweisungen in Claude: Verkaufsdatenanalyse und Dashboard-Entwicklung | 00:53 |
| Agent Skills in Claude: Benutzerdefinierte Datenanalyse-Funktionen | 00:53 |
| Agent Skills in Claude: Erstellung und Konfiguration | 02:25 |
| KI-Skill für Verkaufsdatenanalyse: Hochladen und Einbinden | 02:16 |
| Context Engineering: Prompt-Generierung für interaktive Dashboards | 03:54 |
| Interaktives Vertriebsanalyse-Dashboard mit KI erstellen | 03:39 |
| Datenanalyse mit Python und Jupyter Lab: Praxisbeispiel | 04:04 |
| Datenanalyse mit KI: Umsatz, Produkte und Regionen auswerten | 01:09 |
| Datenanalyse mit R-Code und RStudio: KI-generierte Skripte nutzen | 04:56 |
| Python-Skripte in R-Code: Umsatzanalyse mit KI-Unterstützung | 01:35 |
| Quiz zum Kurs „Agent Skills und Datenanalyse“ | |
| Claude-API mit Python: Anbindung und Grundfunktionen | 00:33 |
| Claude-API: Zugang, Schlüsselverwaltung und Konsole | 01:44 |
| Claude Developer Konsole: Funktionen und API-Schlüsselverwaltung | 04:49 |
| Claude-API in Python: Einrichtung und sicherer API-Key-Umgang | 04:08 |
| Anthropic Claude API-Anbindung mit Python SDK | 03:54 |
| Streaming über die API: Antworten schrittweise ausgeben | 01:05 |
| Claude API: Parameterkonfiguration und Modellauswahl | 05:00 |
| Claude-Modellvarianten: Kosten-Leistungs-Vergleich | 03:23 |
| Extended Thinking bei Claude: Reasoning für komplexe Aufgaben | 03:54 |
| Tool Use und Token-Verbrauch: Websuche mit Claude | 02:35 |
| Multimodalität mit Claude: Dateien per Chat und Files-API verarbeiten | 02:43 |
| Kontextfenster und Gesprächsgedächtnis in der Claude-API | 03:24 |
| Systemanweisungen in der Claude-API: Grundlagen und Anwendung | 03:08 |
| Systemanweisungen in der Claude Workbench: Optimierung und API-Anbindung | 02:28 |
| Claude in n8n als LLM-Agent einbinden | 02:07 |
| Flowise: KI-Agenten mit Claude API erstellen | 01:53 |
| Quiz zum Kurs „Claude API Integration“ | |
| MCP-Integration mit Claude Desktop: Lokale Server und externe Tools | 00:48 |
| Web Search in Claude: Echtzeitdaten mit zitierten Quellen | 02:14 |
| MCP-Architektur: Client-Server-Konzept und praktische Anbindungen | 04:06 |
| MCP-Client und lokaler MCP-Server: Einrichtung mit Claude Desktop | 03:11 |
| Node.js für MCP-Server: Installation und Einrichtung | 01:49 |
| MCP-File-System-Server in Claude Desktop einrichten | 03:21 |
| Claude Filesystem-Tool: Dateien erstellen, umbenennen und verschieben | 02:29 |
| MCP-File-System-Server: Desktop-Erweiterung einrichten und nutzen | 03:30 |
| Airtable-Integration mit Claude Desktop: Daten lesen und schreiben | 04:22 |
| PDF Tools in Claude: Tabellen extrahieren und auswerten | 03:22 |
| Claude im Browser: Funktionen und Sicherheitsrisiken | 04:15 |
| Power BI und MCP: Datenmodelle per Spracheingabe steuern | 04:29 |
| Power BI MCP Server: Datenmodell, DAX-Measures und RLS-Rollen mit KI verwalten | 05:25 |
| Community-MCP-Server: Einbindung und Sicherheitsrisiken | 03:08 |
| MCP Installer: MCP-Server einfach installieren und verwalten | 03:37 |
| Quiz zum Kurs „MCP für Techanwender“ | |
| KI-Automatisierung mit MCP-Servern: n8n, RAG und Datenschutz | 00:39 |
| MCP-Integration: Claude Desktop und n8n verbinden | 03:26 |
| MCP-Server in Claude Desktop einbinden: n8n Data Table | 02:06 |
| RAG-Technologie und Vektordatenbanken: Integration mit n8n und Claude Desktop | 03:13 |
| Vektordatenbank mit Supabase und n8n einrichten | 02:44 |
| MCP-Integration: RAG-Tool in Claude Desktop einbinden | 02:13 |
| n8n MCP-Integration: KI-Agenten mit Data Tables verbinden | 03:27 |
| n8n-Workflows über MCP in Claude Desktop ausführen | 03:05 |
| Orchestrator-Ansatz in n8n: MCP-Integration mit Sub-Agenten | 03:26 |
| MCP-Sicherheit in n8n: Authentifizierung mit Access Tokens | 02:49 |
| MCP und Claude Desktop: Sicherheitsrisiken und Datenschutz | 03:38 |
| Claude für technische Anwender: Kursabschluss und Zertifikat | 00:30 |
| Quiz zum Kurs „MCP zur KI-Automatisierung“ | |
| 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“ | |
| Telegram-Integration mit KI-Agenten: Text- und Audionachrichten-Verarbeitung | 00:46 |
| Telegram Desktop installieren und BotFather konfigurieren | 03:12 |
| KI-Agenten an Telegram anbinden und Antworten senden | 04:02 |
| Sprachnachrichten mit Telegram verarbeiten | 03:14 |
| Text- und Sprachnachrichten mit Telegram flexibel verarbeiten | 05:07 |
| E-Mails direkt per Telegram-Nachricht versenden | 06:39 |
| Websuche mit Perplexity und Tavily über Telegram | 03:42 |
| Kalendereinträge per Telegram-Nachricht erstellen | 02:37 |
| Workflow per Spracheingabe steuern und Newsletter versenden | 02:47 |
| Telegram-Integration und Human-in-the-Loop | 01:24 |
| Quiz zum Kurs „n8n und Telegram“ | |
| 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“ | |
| Vibe Coding trifft Claude Code: Einführung | 00:49 |
| Claude Code Arbeitsumgebung: Setup, API und CLI-Grundlagen | 00:39 |
| Theorie: Was ist Claude Code und was versteht man unter Agentic Coding? | 04:26 |
| Theorie: Vibe Coding vs. Agentic Coding – Konzepte und Unterschiede | 05:41 |
| Claude Code im Terminal installieren und einrichten | 05:27 |
| Claude Code im Terminal von VS Code verwenden | 05:50 |
| Zugriff auf das Dateisystem mit Claude Code | 03:47 |
| Claude Code als VS Code Extension: Überblick | 05:03 |
| Claude Code als VS Code Extension: Einen interaktiven Monatskalender erstellen | 03:16 |
| Claude Code in Cursor nutzen: Einen Vogelschwarm simulieren | 07:01 |
| Claude Code in Windsurf nutzen: Ein neuronales Netzwerk simulieren | 04:44 |
| Claude Modelle in Google Antigravity nutzen: Eine Trainer-Webseite programmieren | 06:04 |
| Claude Modelle in OpenCode nutzen: Eine Schneeflocken-Simulation erstellen | 05:42 |
| Lokale Modelle über Ollama in Claude Code einbinden und verwenden | 04:41 |
| GLM 5 in Claude Code einsetzen: Eine Materialsimulation erstellen | 04:42 |
| Claude Code Kernkonzepte: CLI, Memory und Agent-Teams | 00:41 |
| CLI Commands in VS Code kennenlernen | 07:10 |
| Übersicht der wichtigsten CLI Commands | 04:05 |
| Processing Labels im Überblick | 03:13 |
| Projekt: Hotelgäste mit Machine Learning Modellen prognostizieren | 03:55 |
| CLAUDE.md und Memory verstehen und einsetzen | 06:26 |
| Explorative Datenanalyse (EDA) durchführen | 06:40 |
| Ein Machine Learning Skript erstellen lassen | 06:06 |
| Ergebnisse der Analyse auswerten | 06:21 |
| Ein interaktives Dashboard programmieren lassen | 04:52 |
| Agent Skills nutzen und eine Präsentation generieren | 04:29 |
| Die generierte Präsentation analysieren | 04:08 |
| Was sind Subagenten und wofür werden sie eingesetzt? | 03:40 |
| Einen Subagent für LSTM Netzwerke erstellen | 04:50 |
| Das LSTM Modell trainieren und auswerten | 05:48 |
| Was sind Agent Teams und wie funktionieren sie? | 04:11 |
| Agent Teams erstellen und einsetzen | 02:55 |
| Was ist MCP und wie wird ein Notion MCP Server angebunden? | 05:24 |
| Projektergebnisse über den Gmail MCP Server versenden | 02:45 |
| Claude Code Projekt – Überblick und Ziele zum Projektstart | 00:26 |
| Claude Code Projekt: Interaktive Chat-Oberfläche mit Anthropic-API entwickeln | 03:35 |
| Context Engineering: CLAUDE.md Dateien und Skills als Vorbereitung | 06:45 |
| Claude Code Projektstart und die Anthropic Console kennenlernen | 03:19 |
| Claude Modelle und die Messages API im Überblick | 02:24 |
| Was ist tkinter? | 01:27 |
| Code Grundlage mit der Claude API und dem Python SDK | 04:24 |
| Das Grundgerüst der tkinter Oberfläche erstellen | 03:22 |
| Einen API Key in der Claude Console generieren und integrieren | 03:41 |
| Claude Modelle integrieren und den Chat anbinden | 02:49 |
| Automatische API Key Speicherung und eine Chat Löschfunktion einbauen | 03:24 |
| Markdown Format, scrollbare Leisten und eine Shortcut Funktion hinzufügen | 04:40 |
| Streaming Nachrichten aktivieren | 01:56 |
| Chatverlauf und Sessionverwaltung implementieren | 02:58 |
| Vibe Coding Projekt: Intelligente Funktionen hinzufügen – Einführung | 00:59 |
| Modellparameter hinzufügen und konfigurieren | 03:07 |
| System-Prompts erstellen: Steuerung und Optimierung von Claude-Modellen | 03:57 |
| System-Prompts erstellen: Integration und Vorlagen in Chat-Oberflächen | 02:21 |
| Data Science Code mit der Programmiersprache R | 03:04 |
| Webbrowsing in die Chatoberfläche integrieren | 03:24 |
| Erweitertes Nachdenken als Funktion hinzufügen | 03:45 |
| Geschätzten Tokenverbrauch und Kosten anzeigen lassen | 04:41 |
| Multimodalität über Bilduploads ermöglichen | 04:21 |
| Datensätze hochladen und auswerten lassen | 03:00 |
| Dark Mode und White-Theme Schalter | 02:42 |
| Letzter Feinschliff an der Chatoberfläche | 02:44 |
| Den fertigen Code gemeinsam austesten | 03:28 |
| Abschlussanalyse mit Claude Desktop und GitHub Copilot | 02:20 |
| Vibe Coding Projekt: Neues Design und neue Modelle – Einführung | 00:48 |
| Warum PyQT als Framework? | 05:50 |
| Eine neue interaktive Chatoberfläche mit PyQT vibe coden lassen | 05:28 |
| Die Chatoberflächen von PyQT und tkinter im Vergleich | 04:16 |
| Die CLAUDE.md über den init-Befehl generieren lassen | 02:50 |
| Eine neue Chatoberfläche mit HTML und CSS vibe coden lassen | 06:35 |
| OpenRouter einbinden um neue Modelle einzuarbeiten | 04:04 |
| Die OpenRouter Integration austesten | 05:36 |
| Was ist Ollama? | 04:55 |
| Ollama in die Chatoberfläche implementieren | 05:31 |
| Die Ollama Integration austesten | 04:09 |
| Microsoft Copilot: Übersicht | 09:51 |
| Microsoft Copilot: OneNote und Qualität der Zusammenfassungen | 15:18 |
| Microsoft Copilot: Teams | 09:55 |
| Microsoft Copilot: Besprechungsprotokolle nachbearbeiten | 07:48 |
| Microsoft Copilot: Excel | 09:48 |
| Microsoft Copilot: Word | 12:05 |
| Quiz zum Kurs „Copilot für Microsoft 365 (KI in Office 365)“ | |
| Copilot Chat im Web: Einführung | 05:18 |
| Copilot Chat im Microsoft Edge Browser und Office-Apps | 05:08 |
| Copilot: Funktionsweise und Vorteile im Unternehmenskontext | 07:58 |
| Copilot Chat im Arbeitsalltag: Praktische Anwendungsfälle für Angestellte | 10:41 |
| Copilot: Gute Prompts für KI schreiben | 08:54 |
| Copilot: Halluzinationen und Fehlervermeidung | 10:35 |
| Quiz zum Kurs „KI-Trainingspaket (EU AI Act)“ |