Generative AI — GPT, GANs, VAEs für Text- und Bildgenerierung

Dieser Kurs bietet eine fundierte Einführung in die Welt der generativen Künstlichen Intelligenz. Unter dem Titel Generative AI lernen Teilnehmer die theoretischen Grundlagen und praktischen Anwendungen der wichtigsten generativen Modelle kennen: GPT-basierte Sprachmodelle, Generative Adversarial Networks (GANs) und Variational Autoencoders (VAEs). Der Kurs legt besonderen Wert auf die praktische Umsetzung: Text- und Bildgenerierung werden anhand konkreter Beispiele und eigener Implementierungen erlernt. Gleichzeitig wird der verantwortungsvolle Umgang mit generativer KI thematisiert — Fragen zu Ethik, Bias und gesellschaftlichen Auswirkungen sind integraler Bestandteil des Lehrplans. Der Kurs ist für Einsteiger in das Thema generative KI konzipiert und setzt keine spezialisierten KI-Vorkenntnisse voraus, jedoch solide Python-Grundlagen und ein Verständnis grundlegender Machine-Learning-Konzepte.

Modul 1 — Grundlagen generativer KI: Dieses Modul legt das konzeptionelle Fundament. Teilnehmer lernen, was generative Modelle von diskriminativen Modellen unterscheidet, und erhalten einen Überblick über die drei Hauptfamilien generativer Modelle, die im Kurs behandelt werden.

• Diskriminative vs. generative Modelle: Konzeptvergleich und Anwendungsgebiete
• Überblick über GPT, GANs und VAEs: Architektur und Einsatzszenarien
• Grundlagen der Wahrscheinlichkeitsdichte-Schätzung und latenter Räume
• Historische Entwicklung generativer Modelle von RNNs zu Transformer-Architekturen
• Einführung in die Entwicklungsumgebung: Python, PyTorch, Hugging Face Transformers
• Erste Experimente: Text generieren mit einem vortrainierten GPT-Modell

Modul 2 — GPT und Sprachmodelle: Dieses Modul taucht tief in die Welt der Transformer-basierten Sprachmodelle ein. Von der Architektur des Transformers bis hin zu praktischem Prompt Engineering werden alle relevanten Aspekte für die Textgenerierung behandelt.

• Transformer-Architektur: Self-Attention, positionale Encodings, Feed-Forward-Schichten
• GPT, GPT-2, GPT-3 und die Entwicklungsgeschichte großer Sprachmodelle
• Prompt Engineering: Techniken zur Steuerung der Textgenerierung
• Temperature, Top-k- und Nucleus-Sampling für variierte Ausgaben
• Fine-Tuning von GPT-Modellen auf domänenspezifische Texte
• Bewertungsmetriken für Textqualität: Perplexity, BLEU, ROUGE

Modul 3 — Generative Adversarial Networks: Dieses Modul behandelt GANs von der mathematischen Grundlage bis zur praktischen Implementierung. Typische Trainingsinstabilitäten werden diagnostiziert und behoben. Verschiedene GAN-Varianten für unterschiedliche Bildgenerierungsaufgaben werden vorgestellt.

• Architektur des Generator-Diskriminator-Duells: Grundprinzip und Training
• DCGAN für hochauflösende Bildgenerierung
• Wasserstein-GAN (WGAN): Stabileres Training durch Earth-Mover-Distanz
• Conditional GANs: Zielgerichtete Bildgenerierung mit Klassen-Konditionierung
• Mode Collapse diagnostizieren und mit Trainingstricks beheben
• Bewertungsmetriken für Bildqualität: FID und Inception Score

Modul 4 — Variational Autoencoders: VAEs bieten einen anderen Ansatz zur Bildgenerierung und latenten Raummodellierung. Dieses Modul behandelt die mathematischen Grundlagen (ELBO, Reparametrisierungstrick) und zeigt praktische Anwendungen von Bildgenerierung bis zur Anomalieerkennung.

• Grundprinzip des VAE: Encoder, Decoder und latenter Raum
• Evidence Lower Bound (ELBO) und der Reparametrisierungstrick
• Interpolation im latenten Raum für morphende Bildübergänge
• Bedingte VAEs für gezielte Generierung
• VAEs zur Anomalieerkennung in industriellen Datensätzen
• Vergleich VAE vs. GAN: Stärken und Schwächen in der Praxis

Praxis-Block: Im praktischen Teil des Kurses setzen Teilnehmer eigene Generierungsprojekte um und erfahren, wie generative Modelle schrittweise verbessert werden.

• Implementierung eines einfachen GAN von Grund auf in PyTorch
• Training eines DCGAN auf einem Bilddatensatz und qualitative Auswertung
• Feinabstimmung eines VAE und Visualisierung des latenten Raums
• Prompt-Engineering-Workshop: Texte für verschiedene Anwendungsfälle generieren
• Vergleich von GPT-Ausgaben unter verschiedenen Sampling-Parametern
• FID-Berechnung und Interpretation der Bildqualität eigener GAN-Modelle
• Erkennung von KI-generierten Texten und Bildern: Werkzeuge und Techniken
• Ethik-Workshop: Deepfakes, Urheberrecht, Bias in trainingsdaten
• Gruppenarbeit: Entwicklung eines Mini-Projekts mit einem generativen Modell
• Präsentation der Projektergebnisse im Plenum und gegenseitiges Feedback
• Reflexion: Wo liegen heute die praktischen Grenzen generativer Modelle?
• Ausblick: Diffusionsmodelle, multimodale KI und künftige Entwicklungen

Am Ende des Kurses reflektieren die Teilnehmer die gesellschaftlichen und ethischen Implikationen generativer KI. Die Diskussion umfasst Themen wie Deepfakes, Urheberrechtsfragen bei KI-generierten Inhalten, Bias in Trainingsdaten und die Verantwortung von Entwicklerinnen und Entwicklern. Dieses Bewusstsein ist ein unerlässlicher Teil der Ausbildung in einem so einflussreichen Technologiefeld.

Dieser Kurs richtet sich an Personen mit Python-Grundkenntnissen und Grundverständnis von Machine Learning, die in das Thema generative KI einsteigen möchten. Fortgeschrittene ML-Erfahrung ist nicht notwendig, aber grundlegendes Verständnis von neuronalen Netzwerken erleichtert den Einstieg.

• Data Scientists und Softwareentwickler, die generative KI in ihre Projekte integrieren möchten
• Studierende und Forschende im Bereich KI und Informatik
• Berufstätige aus der Kreativbranche, die KI-Werkzeuge verstehen und nutzen möchten
• Produktmanager und technische Führungskräfte, die fundiertes Verständnis von GenAI benötigen
• KI-Interessierte mit technischem Hintergrund, die gezielt in das Thema generative Modelle einsteigen

Der Kurs wird als Combined Learning (Präsenz plus Online) oder als reines Online-Seminar durchgeführt. Die Methodik ist stark praxisorientiert: Neben Lehrvorträgen bilden Hands-on-Implementierungsübungen, Gruppenprojekte und strukturierte Diskussionen das Rückgrat des Kurses. Jedes Modul schließt mit einer praktischen Übung ab, die direkt auf den Lerninhalten aufbaut. Vollzeit- und Teilzeit-Varianten stehen zur Auswahl; individuelle Starttermine können vereinbart werden.

Die typische Kursdauer liegt bei mehr als einer Woche bis zu einem Monat bei Vollzeitteilnahme. Teilzeit-Varianten erstrecken sich auf mehrere Monate. Der genaue Umfang wird im individuellen Beratungsgespräch abgestimmt.

Nach erfolgreichem Abschluss erhalten Teilnehmer ein international anerkanntes Herstellerzertifikat sowie ein Lehrgangszertifikat von New Horizons. Das Zertifikat bestätigt die erworbenen Kenntnisse in generativer KI und ist ein anerkannter Nachweis gegenüber Arbeitgebern und für die weitere Karriereplanung im KI-Bereich.

Generative KI ist eine der dynamischsten und einflussreichsten Technologien der Gegenwart. Unternehmen aller Branchen beginnen, generative Modelle in ihre Produkte und Prozesse zu integrieren — von der automatisierten Inhaltserstellung über Produktdesign bis hin zur wissenschaftlichen Forschung. Fachleute, die diese Technologie nicht nur anwenden, sondern auch verstehen und einschätzen können, sind in diesem Umbruch unverzichtbar. Dieser Kurs schafft genau dieses Verständnis: Wer nach dem Abschluss weiß, wie GPT, GANs und VAEs funktionieren, kann fundierte Entscheidungen über den Einsatz generativer KI treffen, Risiken realistisch einschätzen und die eigene Arbeit gezielt durch KI-Werkzeuge verbessern. Das gilt sowohl für Entwicklerinnen und Entwickler, die eigene Modelle trainieren, als auch für technische Führungskräfte, die Produkt- und Projektentscheidungen in diesem Bereich treffen müssen. Bei AZAV-zertifizierten Anbietern kann diese Weiterbildung über einen Bildungsgutschein der Agentur für Arbeit oder des Jobcenters finanziert werden. Darüber hinaus bietet das Qualifizierungschancengesetz Beschäftigten die Möglichkeit, anteilige Förderleistungen durch den Arbeitgeber und die Agentur für Arbeit zu erhalten. Je nach persönlicher Situation kommen auch Leistungen der Deutschen Rentenversicherung oder der Berufsförderung der Bundeswehr in Betracht. Die Förderberechtigung und die genauen Modalitäten sollten immer vorab in Abstimmung mit dem Anbieter und der zuständigen Behörde geprüft werden.