Artificial Intelligence Grundlagen 2.0

Artificial Intelligence Grundlagen 2.0 führt Schritt für Schritt in die Welt der Künstlichen Intelligenz ein und verknüpft dabei technisches Verständnis mit unternehmerischer Einordnung. Der Kurs ist in fünf aufeinander aufbauende Themenblöcke gegliedert, die von den zentralen Begriffen und Methoden der KI über das notwendige Datenfundament bis hin zur geschäftlichen Anwendung generativer und klassischer KI-Verfahren reichen. Wer bislang ohne tiefere IT-Vorbildung an KI-Themen herangehen wollte, erhält hier einen strukturierten Zugang, der Fachbegriffe erklärt, ohne bei der Oberfläche stehenzubleiben. Am Ende steht ein belastbares Verständnis dafür, wo und wie KI-Systeme in Unternehmen sinnvoll eingesetzt werden können.

Einführung in Künstliche Intelligenz Der erste Themenblock schafft das begriffliche Fundament. Teilnehmende lernen, wie KI-Systeme grundsätzlich funktionieren, welche Unterscheidung zwischen regelbasierten und lernenden Systemen sinnvoll ist und wie sich maschinelles Lernen von klassischer Programmierung abgrenzt. Anhand eines Praxisbeispiels zur Erkennung von Mustern in Textdaten wird das theoretische Wissen unmittelbar angewendet.

• Zentrale Begriffe: KI, maschinelles Lernen, neuronale Netze
• Historische Entwicklung und aktuelle Trends der KI
• Unterscheidung regelbasierter und lernender Systeme
• Überblick gängiger KI-Methoden und ihrer Einsatzfelder
• Praxisbeispiel: Mustererkennung in Textdaten
• Typische Fehlannahmen und Grenzen heutiger KI-Systeme

Datenfundament mit Microsoft DP-900 KI-Systeme sind nur so gut wie die Daten, auf denen sie arbeiten. Dieser Block vermittelt daher grundlegende Kenntnisse zu Datenbanken und Datenmanagement, orientiert am Curriculum von Microsoft DP-900 Azure Data Fundamentals. Die Teilnehmenden lernen den Unterschied zwischen relationalen und nicht-relationalen Datenbanken kennen und wenden ihr Wissen anhand der Verwaltung von Kundendaten in Azure SQL an.

• Aufbau relationaler Datenbanken und SQL-Grundlagen
• NoSQL-Datenbanken: Einsatzfelder und Unterschiede
• Grundprinzipien des Datenmanagements in der Cloud
• Azure SQL als praktisches Beispiel für Datenverwaltung
• Praxisbeispiel: Verwaltung von Kundendaten
• Datenqualität als Voraussetzung für belastbare KI-Ergebnisse

KI im Unternehmenskontext mit CertNexus AIBIZ Im dritten Block rückt die geschäftliche Perspektive in den Vordergrund. Orientiert an der CertNexus-Zertifizierung AIBIZ – AI for Business Professionals lernen die Teilnehmenden, KI-Projekte aus Sicht von Entscheidungsträgern zu bewerten. Im Mittelpunkt steht die Frage, wie sich Chancen und Risiken realistisch einschätzen lassen und wie eine belastbare Entscheidungsvorlage für ein KI-Vorhaben aussieht.

• Bewertungskriterien für KI-Projekte im Unternehmen
• Chancen und Risiken KI-gestützter Prozesse
• Stakeholder-Kommunikation bei KI-Initiativen
• Aufbau einer strukturierten Entscheidungsvorlage
• Praxisbeispiel: Entscheidungsvorlage für ein KI-Projekt
• Ethische und regulatorische Rahmenbedingungen im Überblick

Generative KI mit CertNexus GENAIBIZ und Cloud-KI mit Microsoft AI-900 Der letzte inhaltliche Block verbindet zwei eng verwandte Themen. Zunächst vermittelt er die Grundlagen generativer KI orientiert an CertNexus GENAIBIZ, danach folgt mit Microsoft AI-900 Azure AI Fundamentals der Blick auf Cloud-Services, die KI-Anwendungen erst praktisch nutzbar machen. Beide Themen werden anhand konkreter Anwendungsfälle greifbar gemacht.

• Funktionsweise generativer KI-Modelle in Grundzügen
• Einsatzfelder generativer KI im Unternehmensalltag
• Praxisbeispiel: automatische Erstellung von Marktberichten
• Überblick über Cloud-KI-Services am Beispiel Azure
• Cognitive Services: Sprache, Bild, Text
• Praxisbeispiel: Sprachübersetzung mit Cloud-Diensten

Praxis-Block Die fünf Themenblöcke werden durch begleitende Übungsaufgaben ergänzt, in denen die Teilnehmenden das Gelernte unmittelbar anwenden. Der Praxisanteil verbindet die einzelnen Module zu einem zusammenhängenden Lernpfad, der vom Verständnis der Grundbegriffe bis zur eigenständigen Einschätzung eines KI-Vorhabens reicht.

• Analyse eines Textdatensatzes auf wiederkehrende Muster
• Aufbau einer einfachen relationalen Datenstruktur in Azure SQL
• Unterscheidung von Datenbanktypen anhand realer Anwendungsfälle
• Erstellung einer Chancen-Risiken-Matrix für ein fiktives KI-Projekt
• Ausarbeitung einer Entscheidungsvorlage für Führungskräfte
• Vergleich klassischer und generativer KI-Ansätze anhand von Beispielen
• Konzeption eines Anwendungsfalls für generative KI im eigenen Arbeitsumfeld
• Test von Cognitive Services anhand eines Übersetzungsszenarios
• Einordnung der behandelten Microsoft- und CertNexus-Prüfungsformate
• Diskussion aktueller KI-Beispiele aus Medien und Unternehmenspraxis
• Erarbeitung eines persönlichen Glossars zentraler KI-Begriffe
• Abschließende Selbsteinschätzung des erreichten Kenntnisstands

Der modulare Aufbau erlaubt es, KI sowohl technisch als auch unternehmerisch zu verstehen, ohne dass Teilnehmende bereits Data-Science-Vorkenntnisse mitbringen müssen. Jeder Themenblock schließt mit einem konkreten Praxisbeispiel, sodass abstrakte Konzepte greifbar werden. Durch die Kombination aus Grundlagenwissen, Datenkompetenz und unternehmerischer Einordnung entsteht ein Gesamtbild, das über oberflächliches KI-Wissen hinausgeht und im Berufsalltag direkt anschlussfähig ist.

Die Weiterbildung richtet sich an Einsteigerinnen und Einsteiger sowie an Fachkräfte mit ersten IT- oder Datenanalyse-Kenntnissen, die ein solides Grundverständnis für Künstliche Intelligenz aufbauen möchten. Sie eignet sich sowohl für den Direkteinstieg als auch als Vorbereitung auf vertiefende KI-Themen.

• Studierende und Berufseinsteiger:innen mit Interesse an KI-Technologien
• Business Analysts, die KI-Projekte fachlich begleiten wollen
• IT-Fachkräfte, die ihr Grundlagenwissen strukturieren möchten
• Projektleiter:innen, die KI-Vorhaben besser einschätzen wollen
• Quereinsteiger:innen ohne tiefere Data-Science-Vorbildung

Der Kurs kombiniert Präsenz- und Online-Phasen im Combined-Learning-Format und wird überwiegend in Teilzeit, in Einzelfällen auch in Vollzeit angeboten. Die fünf Themenblöcke bauen inhaltlich aufeinander auf, lassen sich aber durch die Praxisbeispiele auch einzeln gut nachvollziehen. Wechselnde Lehrformen aus Theorieinput, Live-Demonstrationen und begleiteten Übungsaufgaben sorgen dafür, dass abstrakte KI-Konzepte praktisch verankert werden.

Die Weiterbildung ist modular aus fünf Themenblöcken aufgebaut und wird deutschlandweit online durchgeführt. Je nach gewählter Organisationsform variiert der zeitliche Umfang zwischen Teilzeit- und Vollzeitmodellen. Die Durchführung erfolgt teilweise auf Deutsch, teilweise auf Englisch, was zusätzlich die internationale Anschlussfähigkeit der vermittelten Inhalte unterstreicht.

Der Kurs bereitet auf mehrere herstellerbezogene Prüfungsformate vor, darunter CertNexus AIBIZ, CertNexus GENAIBIZ, Microsoft DP-900 sowie Microsoft AI-900. Teilnehmende erhalten am Ende ein Lehrgangszertifikat des Kursanbieters; die genannten Herstellerzertifizierungen setzen jeweils eine gesonderte, extern abgelegte Prüfung voraus und sind nicht automatisch im Lehrgangsabschluss enthalten.

Wer die Weiterbildung abschließt, verfügt über ein KI-Grundverständnis, das sowohl technische als auch unternehmerische Fragestellungen abdeckt – eine Kombination, die auf dem Arbeitsmarkt zunehmend gefragt ist. Statt isolierter Fakten entsteht ein Zusammenhangswissen, das es erlaubt, KI-Vorhaben im eigenen Unternehmen realistisch einzuschätzen und mitzugestalten. Besonders wertvoll ist die Verzahnung von Datenkompetenz und KI-Wissen: Da Datenqualität die Grundlage jedes KI-Projekts bildet, profitieren Teilnehmende davon, beide Themenfelder nicht getrennt, sondern im Zusammenhang zu lernen. Das erleichtert später die Kommunikation mit IT-Abteilungen ebenso wie mit Fachbereichen. Für den beruflichen Alltag bedeutet dies: Wer künftig an KI-Projekten beteiligt ist, kann fundierter mitreden, Chancen realistischer bewerten und eigene Anwendungsideen strukturierter entwickeln – unabhängig davon, ob die eigene Rolle eher technisch oder eher strategisch geprägt ist.