AI Werkstatt für (technisches) Management
Schulung & Kurs

Kursinhalt:

Der Kurs besteht aus den folgenden Themen und kann je nach Publikum erweitert oder angepasst werden. Die Werkstatt ist als 1-2 Tage angelegt und wechselt bewusst zwischen kurzen Inputs und längeren Hands-on-Blöcken, in denen Teilnehmende selbst mit AI-Tools arbeiten. Für Inhouse-Durchführungen lassen sich Toolauswahl, Beispiele und Use Cases auf die eigene Organisation zuschneiden.

– Einführung in die AI-Landschaft für Management:
... - Begriffsklärung: AI, Generative AI, Large Language Models, Agentic Systems
... - Was heute praktisch möglich ist – und was nicht
... - Hype vs. Substanz: Einordnung aktueller Entwicklungen
– Hands-On: Erste Schritte mit AI-Assistenten:
... - Chat-basierte AI-Tools sinnvoll einsetzen
... - Prompting-Grundlagen für Management-Aufgaben
... - Hands-On: Eigene typische Arbeitsaufgaben mit AI bearbeiten
– AI-assistierte Workflows im Arbeitsalltag:
... - Recherche, Zusammenfassungen, Analyse, Entscheidungsvorbereitung
... - Umgang mit Dokumenten, Daten und unstrukturierten Informationen
... - Hands-On: Einen eigenen Workflow mit AI-Unterstützung umsetzen
– Agentic Systems verstehen und erleben:
... - Vom Chat zum Agenten: Was ist ein Agent, was kann er tun?
... - Agenten mit Tools und Datenzugriff – Beispiele aus der Praxis
... - Hands-On: Mit einem Agentic System eine mehrstufige Aufgabe lösen
– Agentic Engineering aus Management-Sicht:
... - Wie Teams heute mit AI-Agenten Software entwickeln und betreiben
... - Auswirkungen auf Rollen, Skills, Teamzuschnitt und Lieferfähigkeit
... - Hands-On: Einen kleinen Engineering-Task mit einem Agentic Coding Tool durchspielen
– AI im Produkt und im Geschäftsmodell:
... - AI-Features einbauen vs. AI-natives Produkt denken
... - Build vs. Buy: Eigenentwicklung, API-Nutzung, Plattformen
... - Use-Case-Bewertung: Wo bringt AI echten Wert, wo nicht
– Daten, Kontext und Integration:
... - Warum Kontext entscheidend ist – Retrieval, Wissensbasen, Konnektoren
... - Model Context Protocol (MCP) und ähnliche Integrationsansätze
... - Hands-On: AI mit eigenen Dokumenten oder Daten arbeiten lassen
– Risiken, Governance und Compliance:
... - Halluzinationen, Bias, Reproduzierbarkeit, Auditierbarkeit
... - Datenschutz, Geheimhaltung und regulatorische Themen (z.B. EU AI Act)
... - Sicheres Arbeiten: Secrets, Zugriffe, Freigaben in agentischen Setups
– Wirtschaftlichkeit: Kosten, Nutzen, Risiken:
... - Kostenmodelle (Token, API, Infrastruktur, Personalzeit)
... - ROI-Betrachtungen für AI-Initiativen
... - Realistische Erwartungssteuerung im eigenen Umfeld
– Adoption in der eigenen Organisation:
... - AI Literacy im Team und Unternehmen aufbauen
... - Pilot-Use-Cases identifizieren und priorisieren
... - Vom Pilot zur Skalierung: Plattform, Guardrails, Verantwortlichkeiten
– Ausblick und nächste Schritte:
... - Marktentwicklung, Modelle, Tools – worauf achten
... - Hands-On: Persönliche Roadmap und eigene nächste Experimente skizzieren

Der Fokus liegt auf etablierten, anbieter- und modellunabhängigen Tools, sodass das Erlernte übertragbar bleibt. Konzepte, Workflows und Bewertungskriterien sind auf andere Tools und Plattformen anwendbar.

Disclaimer: Der effektive Kursinhalt kann, abhängig vom Trainer, Durchführung, Dauer und Konstellation der Teilnehmer:innen von obigen Angaben abweichen.

Ob wir es Schulung, Kurs, Workshop, Seminar oder Training nennen, wir möchten Teilnehmer/innen an ihrem Punkt abholen und mit dem nötigen praktischen Wissen ausstatten, damit sie die Technologie nach der Schulung direkt anwenden und eigenständig vertiefen können.