Zum Hauptinhalt springen

Workshops

AI ENGINEERING FOR BUSINESS

KI-Workshops für Unternehmen

Von Python-Grundlagen bis zum eigenen KI-Assistenten

Vier praxisorientierte Intensivseminare vermitteln die Fähigkeiten, KI-Anwendungen selbst zu entwickeln und auf konkrete Unternehmensaufgaben zu übertragen. Die Teilnehmenden arbeiten mit Python am eigenen Laptop und nehmen ihre Programme und Projektergebnisse mit.

Jeweils 3 Tage Bring Your Own Device Einzeln buchbar

Unsere vier KI-Seminare

KI im Business – Python & Datenvorverarbeitung

Python erlernen, Geschäftsdaten aufbereiten und analysieren.

Ihr Ergebnis: Ein wiederverwendbarer Python-Workflow für Datenimport, Bereinigung, Analyse und Visualisierung.

Keine Python-Vorkenntnisse erforderlich.

KI im Business – Machine Learning & Deep Learning

Prognosemodelle mit scikit-learn entwickeln und neuronale Netze mit PyTorch trainieren.

Ihr Ergebnis: Mehrere bewertete Machine-Learning-Modelle und ein PyTorch-Prototyp.

Sichere Python-Grundkenntnisse einschließlich pandas erforderlich.

AI-Powered Text Analytics – Prozesse automatisieren

Geschäftstexte klassifizieren, Informationen extrahieren und textbasierte Abläufe automatisieren.

Ihr Ergebnis: Eine Python-Pipeline zur Textklassifikation, Informationsextraktion und strukturierten Weiterverarbeitung.

Python-Grundkenntnisse erforderlich; NLP-Vorkenntnisse nicht erforderlich.

LLM Engineering – Build Your Own AI mit Python

Sprachmodelle einbinden, Unternehmensdokumente mit RAG erschließen und KI-Assistenten erweitern.

Ihr Ergebnis: Ein KI-Assistent mit dokumentengestützten Antworten und einer kontrollierten Werkzeugfunktion.

Sichere Python-Grundkenntnisse erforderlich; RAG-Vorkenntnisse nicht erforderlich.

Die Seminare im Detail

SEMINAR 01 · 3-TAGE-INTENSIVSEMINAR

KI im Business – Python & Datenvorverarbeitung

Python erlernen, Geschäftsdaten aufbereiten und analysieren.

Konkretes Lernergebnis: Ein wiederverwendbarer Python-Workflow für Datenimport, Bereinigung, Analyse und Visualisierung.

Ihr Nutzen für die Unternehmenspraxis
  • Chancen, Grenzen und wirtschaftliche Einsatzfelder von KI einordnen
  • Python und Spyder für einfache Analysen einsetzen
  • Geschäftsdaten importieren, harmonisieren und bereinigen
  • Fehlende Werte, Dubletten und Ausreißer beurteilen
  • Explorative Analysen und Visualisierungen erstellen
Zielgruppe & Voraussetzungen

Zielgruppe: Data Analysts, Softwareentwickler, IT- und KI-Fachkräfte sowie technisch orientierte Mitarbeitende, die Machine-Learning-Anwendungen entwickeln möchten.

Voraussetzungen: Sicherer Umgang mit dem eigenen Laptop; Python- und Machine-Learning-Vorkenntnisse sind nicht erforderlich.

Bring Your Own Device: Praxis-Labs auf dem eigenen Laptop mit Python und Spyder. Windows 11 (64 Bit), 16 GB RAM und 15 GB freier Speicherplatz; Installationsanleitung vor Seminarbeginn.

Seminarprogramm · Tag 1 bis 3
Tag 1 · KI verstehen und Python-Grundlagen aufbauen

KI und Machine Learning im Unternehmen; Anaconda, Conda und Spyder; Python-Datentypen, Datenstrukturen, Bedingungen, Schleifen und Funktionen.
Praxis-Lab: Erste Python-Skripte und Datenanalyse mit pandas.

Tag 2 · Geschäftsdaten importieren und vorbereiten

Datenintegration, Merkmalsarten, fehlende Werte, Dubletten, Ausreißer und dokumentierte Bereinigung.
Praxis-Lab: Eine konsistente Basistabelle aus heterogenen Geschäftsdaten erstellen.

Tag 3 · Explorative Analyse und Übergabe an die Modellierung

Deskriptive Statistik, Zusammenhänge, Visualisierung, Datenaufteilung und Vermeidung von Datenleckage.
Praxis-Lab: Einen reproduzierbaren Datenanalyse-Workflow fertigstellen.

Vollständiges Seminarprogramm als PDF

SEMINAR 02 · 3-TAGE-INTENSIVSEMINAR

KI im Business – Machine Learning & Deep Learning

Prognosemodelle mit scikit-learn entwickeln und neuronale Netze mit PyTorch trainieren.

Konkretes Lernergebnis: Mehrere bewertete Machine-Learning-Modelle und ein PyTorch-Prototyp.

Ihr Nutzen für die Unternehmenspraxis
  • Regression, Klassifikation und Clustering passend auswählen
  • Datenleckage durch korrekte Aufteilung und Pipelines vermeiden
  • Modelle mit scikit-learn trainieren und evaluieren
  • Neuronale Netze mit PyTorch entwickeln
  • Modellgüte und betriebliche Einsetzbarkeit bewerten
Zielgruppe & Voraussetzungen

Zielgruppe: Data Analysts, Softwareentwickler, IT- und KI-Fachkräfte sowie technisch orientierte Mitarbeitende, die selbst Machine-Learning-Anwendungen entwickeln möchten.

Voraussetzungen: Sichere Python-Grundkenntnisse einschließlich pandas und ein Grundverständnis von Datenvorverarbeitung. Seminar 1 ist hilfreich, aber nicht verpflichtend.

Bring Your Own Device: Praxis-Labs auf dem eigenen Laptop mit Python und Spyder. Windows 11 (64 Bit), 16 GB RAM und 15 GB freier Speicherplatz; Installationsanleitung vor Seminarbeginn.

Seminarprogramm · Tag 1 bis 3
Tag 1 · Von Daten zum Prognosemodell

Machine-Learning-Prozess, Trainings- und Testdaten, Imputation, Skalierung und Encoding in Pipelines; Regression mit scikit-learn.
Praxis-Lab: Eine Kennzahlenprognose entwickeln.

Tag 2 · Klassifikation, Clustering und Modelloptimierung

Precision, Recall, F1-Score, Cross-Validation, Hyperparameter-Tuning, Overfitting und Kundensegmentierung.
Praxis-Lab: Risikoklassifikation und Clustering.

Tag 3 · Deep Learning mit PyTorch

Tensoren, neuronale Netze, Aktivierungsfunktionen, Loss, Optimizer, Dataset und DataLoader.
Praxis-Lab: Ein neuronales Netz trainieren und mit einer Baseline vergleichen.

Vollständiges Seminarprogramm als PDF

SEMINAR 03 · 3-TAGE-INTENSIVSEMINAR

AI-Powered Text Analytics – Prozesse automatisieren

Geschäftstexte klassifizieren, Informationen extrahieren und textbasierte Abläufe automatisieren.

Konkretes Lernergebnis: Eine Python-Pipeline zur Textklassifikation, Informationsextraktion und strukturierten Weiterverarbeitung.

Ihr Nutzen für die Unternehmenspraxis
  • Textbasierte Abläufe beschleunigen
  • Dokumente, Kundenfeedback und Serviceanfragen klassifizieren
  • Personen, Termine und fachliche Entitäten extrahieren
  • Ergebnisse für Folgeprozesse strukturiert bereitstellen
  • Qualität automatisierter Textentscheidungen bewerten
Zielgruppe & Voraussetzungen

Zielgruppe: Softwareentwickler, Data Analysts, IT-Fachkräfte und technisch orientierte Mitarbeitende mit textintensiven Geschäftsprozessen.

Voraussetzungen: Python-Grundkenntnisse; NLP- oder Machine-Learning-Vorkenntnisse sind nicht erforderlich.

Bring Your Own Device: Praxis-Labs auf dem eigenen Laptop mit Python und Spyder. Windows 11 (64 Bit), 16 GB RAM und 15 GB freier Speicherplatz; Installationsanleitung vor Seminarbeginn.

Seminarprogramm · Tag 1 bis 3
Tag 1 · Vom Geschäftsproblem zur Textbasis

NLP-Anwendungsfelder, Textqualität, Datenschutz, Tokenisierung, Lemmatisierung und spaCy.
Praxis-Lab: Kundenanfragen aufbereiten und sprachlich analysieren.

Tag 2 · Texte klassifizieren und Informationen extrahieren

TF-IDF, scikit-learn, Qualitätsmetriken und Named Entity Recognition.
Praxis-Lab: Service-Tickets kategorisieren und relevante Daten extrahieren.

Tag 3 · End-to-End-Automatisierung

Einführung in neuronale NLP-Verfahren und Transformer, Pipelines, Geschäftsregeln, Freigaben und Monitoring.
Praxis-Lab: Vom Eingangstext zum strukturierten Bearbeitungsvorschlag.

Vollständiges Seminarprogramm als PDF

SEMINAR 04 · 3-TAGE-INTENSIVSEMINAR

LLM Engineering – Build Your Own AI mit Python

Sprachmodelle einbinden, Unternehmensdokumente mit RAG erschließen und KI-Assistenten erweitern.

Konkretes Lernergebnis: Ein KI-Assistent mit dokumentengestützten Antworten und einer kontrollierten Werkzeugfunktion.

Ihr Nutzen für die Unternehmenspraxis
  • Funktionsweise und Auswahl moderner LLMs verstehen
  • Open-Source-Modelle mit Hugging Face einsetzen
  • Unternehmenswissen über RAG erschließen
  • KI-Assistenten mit Tool Calling erweitern
  • Antwortqualität, Datenschutz, Sicherheit und Kosten bewerten
Zielgruppe & Voraussetzungen

Zielgruppe: Softwareentwickler, KI- und IT-Fachkräfte, technisch orientierte Data Scientists und Verantwortliche für die technische Realisierung von KI-Anwendungen.

Voraussetzungen: Sichere Python-Grundkenntnisse; NLP-, Transformer- oder RAG-Vorkenntnisse sind nicht erforderlich.

Bring Your Own Device: Praxis-Labs auf dem eigenen Laptop mit Python und Spyder. Windows 11 (64 Bit), 16 GB RAM und 15 GB freier Speicherplatz; Installationsanleitung vor Seminarbeginn.

Seminarprogramm · Tag 1 bis 3
Tag 1 · LLMs verstehen und mit Python einsetzen

Transformer-Grundlagen, Hugging Face, Tokenizer, Modellwahl, Prompting und strukturierte Ausgaben.
Praxis-Lab: Eine Open-Source-LLM-Anwendung entwickeln.

Tag 2 · Unternehmenswissen mit RAG einbinden

Dokumentenimport, Chunking, Embeddings, semantische Suche, Retrieval und Quellenbezug.
Praxis-Lab: Einen Dokumentenassistenten entwickeln.

Tag 3 · Vom Chatbot zum KI-Assistenten

Tool Calling, Workflows, Zugriffsrechte, Prompt Injection, Datenschutz und Monitoring.
Praxis-Lab: Eine definierte Werkzeugfunktion mit Freigabeschritt integrieren.

Vollständiges Seminarprogramm als PDF

Seminaranfrage und Inhouse-Workshops

Sie interessieren sich für eines der Seminare oder möchten ein auf Ihr Unternehmen abgestimmtes Inhouse-Training durchführen? Gerne bespreche ich mit Ihnen Zielgruppe, Schwerpunkte und organisatorische Rahmenbedingungen.

Seminar anfragen

kontakt@profheesen.de  ·  Tel. 0179 1791421