Künstliche Intelligenz: Grundlagenkurs für Einsteiger

Wer sich das erste Mal systematisch mit Künstlicher Intelligenz beschäftigt, braucht vor allem eines: einen roten Faden durch die grundlegenden Werkzeuge und Arbeitsschritte, ohne von technischen Details überfordert zu werden. Genau das leistet dieser Kurs. Er führt Schritt für Schritt durch den kompletten Weg von der Datenvorbereitung bis zum ersten trainierten neuronalen Netzwerk und vermittelt dabei, wie zuverlässige KI-Anwendungen überhaupt entstehen — auf Basis strukturierter Datenprozesse, transparenter Analyse und anpassungsfähiger Modelle. Der Kurs ist als Einstieg konzipiert und baut kein Vorwissen in Machine Learning oder Programmierung voraus.

Modul 1 — Einstieg: Datenvorbereitung mit SQL: Jede KI-Anwendung beginnt mit sauberen, gut strukturierten Daten. Dieses erste Modul führt in die Grundlagen von SQL ein und zeigt, wie Daten für das Training von Machine-Learning-Modellen aufbereitet werden.

• Grundlegende SQL-Abfragen zum Auslesen und Filtern von Daten
• Joins zur Verknüpfung mehrerer Datenquellen
• Aggregationsfunktionen zur Zusammenfassung großer Datensätze
• Datenbereinigung: fehlende Werte und Ausreißer erkennen
• Aufbau strukturierter Trainingsdatensätze für erste Modelle
• Typische Fehlerquellen bei der Datenvorbereitung vermeiden

Modul 2 — Datenvisualisierung und Analyse mit Power BI: Rohdaten und Modellmetriken sind ohne Visualisierung schwer zu interpretieren. Dieses Modul vermittelt den grundlegenden Umgang mit Power BI zur verständlichen Darstellung von KI-Ergebnissen.

• Aufbau interaktiver Dashboards in Power BI
• Grundlegende DAX-Funktionen für einfache Kennzahlen
• Darstellung von Modellmetriken und Vorhersagewerten
• Visuelle Analyse zur Unterstützung datenbasierter Entscheidungen
• Dashboards für unterschiedliche Zielgruppen verständlich gestalten
• Erste Interpretation von Analyseergebnissen im KI-Kontext

Modul 3 — Automatisierte Datenpipelines und explorative Analyse: Sobald Datenmengen wachsen, wird Automatisierung wichtig. Dieses Modul führt in automatisierte Datenpipelines ein und zeigt, wie explorative Datenanalyse hilft, relevante Muster zu erkennen.

• Grundprinzipien automatisierter Datenpipelines
• Strukturierte Workflows für Datenverarbeitung und -transformation
• Explorative Datenanalyse: erste Schritte zur Mustererkennung
• Statistische Grundmethoden zur Einschätzung von Datenzusammenhängen
• Feature Engineering: relevante Merkmale für Modelle identifizieren
• Verbesserung von Vorhersagegenauigkeit durch gezielte Datenaufbereitung

Modul 4 — Erste Schritte mit neuronalen Netzwerken: Den Abschluss des Grundlagenkurses bildet die Einführung in neuronale Netzwerke. Lernende verstehen die Funktionsweise gängiger Netzwerktypen und trainieren erste eigene Modelle.

• Grundprinzip neuronaler Netzwerke verständlich erklärt
• Einführung in Convolutional Neural Networks (CNN)
• Einführung in Recurrent Neural Networks (RNN)
• Hyperparameter-Tuning: erste Anpassungen zur Modellverbesserung
• Transfer Learning: bestehende Modelle für neue Aufgaben nutzen
• Vom trainierten Modell zur ersten eigenen KI-Anwendung

Praxis-Block — Der komplette Weg von der Datenaufbereitung zum Modell

• SQL-Abfrage zur Vorbereitung eines einfachen Übungsdatensatzes schreiben
• Join zweier Datenquellen für ein vollständigeres Trainingsdatenset durchführen
• Erstes Power-BI-Dashboard mit grundlegenden DAX-Kennzahlen aufbauen
• Automatisierte Datenpipeline für einen wiederkehrenden Verarbeitungsschritt einrichten
• Explorative Datenanalyse für einen Beispieldatensatz durchführen und Muster benennen
• Feature Engineering an einem einfachen Datensatz üben
• Convolutional Neural Network für eine einfache Bilderkennungsaufgabe trainieren
• Recurrent Neural Network für eine einfache Zeitreihenaufgabe einsetzen
• Hyperparameter eines trainierten Modells schrittweise anpassen und Effekt beobachten
• Transfer Learning an einem vortrainierten Modell ausprobieren
• Ergebnisse eines eigenen Modells in Power BI verständlich darstellen
• Eigenen kompletten Lernpfad von Daten bis Modell dokumentieren

Der Kurs ist bewusst als geführter Rundgang durch alle wesentlichen Etappen der KI-Entwicklung aufgebaut. Jedes Modul baut auf dem vorherigen auf, sodass am Ende ein vollständiges Grundverständnis entsteht — von der ersten SQL-Abfrage bis zum selbst trainierten neuronalen Netzwerk.

Der Kurs richtet sich an Einsteiger:innen, Quereinsteiger:innen und Fachkräfte, die Kompetenzen in Marketing, Projektarbeit, Produktentwicklung, Analyse, Administration oder anderen digitalen Berufsfeldern ausbauen möchten. Geeignet für Personen, die zum ersten Mal strukturiert in das Thema Künstliche Intelligenz einsteigen und lernen möchten, KI-Tools und -Methoden verantwortungsvoll im beruflichen Alltag einzusetzen.

• Berufseinsteiger:innen ohne bisherige Berührung mit KI oder Machine Learning
• Quereinsteiger:innen aus Marketing, Administration oder anderen digitalen Berufsfeldern
• Fachkräfte, die einen ersten praktischen Überblick über KI-Werkzeuge suchen
• Personen, die sich vor einer Spezialisierung einen soliden Grundüberblick verschaffen möchten
• Mitarbeitende, die KI-Grundlagen für die Zusammenarbeit mit Fachabteilungen benötigen

Der Kurs findet im Hybrid-Learning-Format in Vollzeit statt und kombiniert angeleitete Lerneinheiten mit direkter praktischer Anwendung an jedem einzelnen Werkzeug. Da der Kurs als durchgängiger Einstieg konzipiert ist, wird besonderer Wert auf verständliche Erklärungen und den schrittweisen Aufbau von Fertigkeiten gelegt, bevor neue Werkzeuge hinzukommen.

Die Weiterbildung wird in Vollzeit durchgeführt und ist so angelegt, dass alle vier Themenblöcke — SQL, Power BI, Datenpipelines und neuronale Netzwerke — nacheinander und aufeinander aufbauend durchlaufen werden. Die konkrete Gesamtdauer richtet sich nach dem gewählten Kurstermin.

Nach erfolgreichem Abschluss der Abschlussprüfung erhalten Teilnehmende ein Trägerzertifikat zum Kurs Künstliche Intelligenz. Das Zertifikat bestätigt ein grundlegendes, praxisnahes Verständnis der zentralen KI-Werkzeuge und -Arbeitsschritte.

Viele Berufstätige stehen vor der Situation, dass Künstliche Intelligenz in ihrem Arbeitsumfeld zunehmend Thema wird, ohne dass sie selbst je einen strukturierten Einstieg hatten. Dieser Kurs schließt genau diese Lücke: Er vermittelt in überschaubaren Schritten, wie Daten aufbereitet, visualisiert, automatisiert verarbeitet und schließlich in einem neuronalen Netzwerk verwendet werden — ohne vorausgesetztes Fachwissen. Der besondere Wert liegt im vollständigen Überblick: Wer alle vier Module durchläuft, versteht nicht nur einzelne KI-Begriffe, sondern den gesamten Weg von der Rohdatenquelle bis zur einsatzfähigen Anwendung. Dieses Grundverständnis ist die Basis, um im nächsten Schritt selbst zu entscheiden, in welche Richtung eine Spezialisierung sinnvoll ist — etwa in Richtung Modellentwicklung, Datenanalyse oder KI-Projektsteuerung. Für den beruflichen Alltag bedeutet das: Absolvent:innen können KI-Initiativen im eigenen Unternehmen besser einordnen, mit Fachabteilungen auf Augenhöhe sprechen und erste eigene, kleine Datenprojekte selbstständig umsetzen.