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.
Unsere vier KI-Seminare
Python erlernen, Geschäftsdaten aufbereiten und analysieren.
Ihr Ergebnis: Ein wiederverwendbarer Python-Workflow für Datenimport, Bereinigung, Analyse und Visualisierung.
Keine Python-Vorkenntnisse erforderlich.
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.
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.
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.
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.
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.
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.
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.