Künstliche Intelligenz: Grundlagen – Weiterbildung

Dieser Kurs vermittelt grundlegendes Wissen über Konzepte und Anwendungen der Künstlichen Intelligenz, von den Grundlagen intelligenter Algorithmen bis zum Einstieg in neuronale Netze. Teilnehmende lernen, regelbasierte Systeme von maschinellem Lernen zu unterscheiden, Daten für den Einsatz in KI-Modellen aufzubereiten, mit SQL relevante Informationen aus relationalen Datenbanken bereitzustellen und grundlegende Verfahren des überwachten und unüberwachten Lernens einzusetzen. Der Kurs schafft damit ein solides konzeptionelles Fundament, bevor es in spezialisiertere KI-Anwendungen geht, und richtet sich bewusst an Personen, die noch am Anfang ihrer Auseinandersetzung mit Künstlicher Intelligenz stehen.

Modul 1 – Konzepte und Anwendungen der Künstlichen Intelligenz Der erste Block vermittelt grundlegendes Wissen über Konzepte und Anwendungen der Künstlichen Intelligenz. Teilnehmende lernen intelligente Algorithmen und deren Einsatz in der Praxis kennen und analysieren die Unterschiede zwischen regelbasierten Systemen und maschinellem Lernen.

• Grundbegriffe und Teilgebiete der Künstlichen Intelligenz
• Grundlagen intelligenter Algorithmen und ihr praktischer Einsatz
• Einordnung gängiger Begriffe wie KI, Machine Learning und Deep Learning
• Realistische Einschätzung des aktuellen Entwicklungsstands gegenüber Medienberichten
• Unterschied zwischen regelbasierten Systemen und maschinellem Lernen
• Typische Anwendungsfelder Künstlicher Intelligenz im Unternehmensalltag
• Historische Entwicklung und aktueller Stand der KI-Forschung im Überblick
• Chancen und Grenzen aktueller KI-Systeme realistisch einordnen

Modul 2 – Datenaufbereitung und explorative Analyse Der zweite Block zeigt, wie sich Daten für den Einsatz in KI-Modellen aufbereiten lassen. Teilnehmende bereinigen und normalisieren Daten aus verschiedenen Quellen und identifizieren durch explorative Datenanalyse Muster, Zusammenhänge und Anomalien.

• Bereinigung von Daten aus unterschiedlichen Quellen
• Normalisierung von Daten für den Einsatz in KI-Modellen
• Umgang mit fehlenden oder widersprüchlichen Werten
• Dokumentation der Datenaufbereitung für Nachvollziehbarkeit
• Identifikation von Mustern durch explorative Datenanalyse
• Erkennung von Zusammenhängen zwischen Datenmerkmalen
• Identifikation von Anomalien in Datenbeständen
• Bewertung der Datenqualität als Grundlage für KI-Modelle

Modul 3 – SQL und relationale Datenbanken für die KI-Datenverarbeitung Der dritte Block vermittelt den Einsatz von SQL und relationalen Datenbanken zur effizienten Datenverarbeitung im KI-Kontext. Teilnehmende lernen, Datenbankabfragen zur Bereitstellung relevanter Informationen für KI-Analysen einzusetzen.

• Grundlagen relationaler Datenbanken im KI-Kontext
• Formulierung von SQL-Abfragen für KI-relevante Datensätze
• Grundlegende Abfragebefehle anhand einfacher Beispieldatenbanken üben
• Einsatz von Joins zur Zusammenführung mehrerer Datenquellen
• Aggregation komplexer Datensätze für Machine-Learning-Modelle
• Bereitstellung relevanter Informationen für KI-Analysen
• Performance-Aspekte bei umfangreichen Datenbankabfragen

Modul 4 – Grundlagen des maschinellen Lernens Der vierte Block vermittelt die Grundlagen des maschinellen Lernens und deren Anwendung in KI-Systemen. Teilnehmende setzen überwachtes und unüberwachtes Lernen für automatisierte Entscheidungsmodelle ein und lernen neuronale Netze, Regression und Klassifikation zur Lösung komplexer Probleme kennen.

• Überwachtes und unüberwachtes Lernen im Vergleich
• Einsatz automatisierter Entscheidungsmodelle
• Bewertung von Modellergebnissen anhand einfacher Kennzahlen
• Einordnung, wann ein einfaches Modell einem komplexen vorzuziehen ist
• Grundzüge neuronaler Netze
• Regression zur Vorhersage kontinuierlicher Werte
• Klassifikation zur Lösung komplexer Zuordnungsprobleme
• Erste Programmierkenntnisse für einfache Machine-Learning-Ansätze mit Python

Die ersten beiden Module vermitteln das konzeptionelle Fundament aus KI-Grundlagen und Datenaufbereitung, die beiden folgenden Module bauen darauf die technische Umsetzung mit SQL und maschinellem Lernen auf. Damit erhalten Teilnehmende einen vollständigen Überblick von den Grundbegriffen der Künstlichen Intelligenz bis zu den ersten praktischen Schritten im maschinellen Lernen.

Der Kurs richtet sich an Personen, die sich erstmals fundiert mit Künstlicher Intelligenz auseinandersetzen und ein solides konzeptionelles sowie technisches Grundverständnis aufbauen möchten, bevor sie sich für eine bestimmte Richtung entscheiden.

• Einsteiger:innen ohne bisherige Berührungspunkte mit Künstlicher Intelligenz
• Quereinsteiger:innen, die eine strukturierte Einführung in KI-Konzepte suchen
• Fachkräfte, die SQL- und Datenanalysekenntnisse um KI-Grundlagen ergänzen möchten
• Personen, die vor einer Spezialisierung auf bestimmte KI-Anwendungen zunächst die Grundlagen festigen möchten

Der Kurs führt konzeptionell und methodisch aufeinander aufbauend von den Grundbegriffen der Künstlichen Intelligenz über die Datenaufbereitung und SQL bis zu den ersten praktischen Schritten im maschinellen Lernen, sodass Teilnehmende ein zusammenhängendes Verständnis statt isolierter Einzelthemen erwerben und jeden Schritt nachvollziehen können.

Der Kurs gliedert sich in vier Themenblöcke – KI-Konzepte, Datenaufbereitung, SQL sowie Grundlagen des maschinellen Lernens – und vermittelt ein durchgehendes, aufeinander aufbauendes konzeptionelles und technisches Grundverständnis.

Der Kurs schließt mit einer Abschlussprüfung und einem Trägerzertifikat ab, das die erworbenen Grundlagenkenntnisse in Künstlicher Intelligenz bestätigt. Eine herstellerunabhängige externe Zertifizierung ist nicht Teil dieses Kurses.

Der Mehrwert dieses Kurses liegt in seiner konsequenten Konzentration auf Grundlagen, bevor es in spezialisierte KI-Anwendungen geht. Viele KI-Kurse setzen bereits ein gewisses Vorwissen voraus oder konzentrieren sich sofort auf ein einzelnes Anwendungsfeld, ohne die grundlegenden Konzepte ausreichend zu klären. Wer die Unterschiede zwischen regelbasierten Systemen und maschinellem Lernen sowie die Grundlagen von Datenaufbereitung, SQL und neuronalen Netzen einmal verstanden hat, kann nachfolgende, spezialisiertere KI-Kurse deutlich leichter einordnen und selbstständig einschätzen, welche Methode für ein konkretes Problem tatsächlich geeignet ist und welche nicht. Damit eignet sich dieser Kurs besonders als solide Grundlage vor einer Spezialisierung, etwa auf klassische KI-Modelle mit scikit-learn, Business-Intelligence-Anwendungen oder tiefere Data-Science-Verfahren, und schützt davor, KI-Methoden ungeprüft auf ungeeignete Probleme anzuwenden. Nicht zuletzt profitieren auch Personen ohne technischen Hintergrund von diesem Aufbau: Da die Konzepte verständlich und ohne vorausgesetztes Fachvokabular eingeführt werden, eignet sich der Kurs auch für Quereinsteiger:innen, die zunächst grundsätzlich verstehen möchten, wie Künstliche Intelligenz funktioniert, bevor sie sich für einen konkreten fachlichen Schwerpunkt entscheiden und sich vertieft spezialisieren.