Einführung in die Künstliche Intelligenz
  • Warum ist KI so relevant?
  • Definition: Was bedeutet Intelligenz in einem System?
  • Unterschied: Starke vs. schwache KI
  • Historische Perspektive: Vom generalisierten Problemlöser bis zur heutigen KI
Anwendungsbereiche der KI
  • Wie KI unseren Alltag und die Arbeitswelt verändert
  • Predictive AI: Voraussagen und Mustererkennung
  • Generative AI: Kreative Anwendungen wie Text- und Bildgenerierung
Maschinelles Lernen (Machine Learning)
  • Was ist maschinelles Lernen und warum ist es zentral?
  • Einführung in künstliche neuronale Netze und deren Bedeutung
Häufig genutzte KI-Technologien
  • Datenanalyse und Mustererkennung
  • Robotik und autonome Systeme
  • Sprachverarbeitung (Natural Language Processing)
  • Internet der Dinge (IoT) und KI-gestützte Vernetzung
Lernen aus Daten
  • Datentypen: Labeled versus Unlabeled Data
  • Bedeutung großer Datensätze
  • Grundlagen der Datenmodellierung
Muster identifizieren
  • Klassifikation und Clustering von Daten
  • Verstärkendes Lernen (Reinforcement Learning)
Algorithmen des maschinellen Lernens
  • Einführung in verbreitete Algorithmen:
  • K-Nearest Neighbor
  • K-Means Clustering
  • Lineare Regression
  • Naive Bayes
Algorithmen anpassen und optimieren
  • Auswahl des passenden Algorithmus
  • Überanpassung (Overfitting) versus Unteranpassung (Underfitting)
Künstliche Neuronale Netze im Detail
  • Aufbau eines neuronalen Netzes
  • Gewichtung von Verbindungen und Aktivierungsfunktionen
  • Bias und Netzwerktraining
Genauigkeit steigern
  • Lernen aus Fehlern
  • Schrittweises Debugging von Netzwerken
Generative KI: Potenziale und Technologien
  • Selbstüberwachtes Lernen (Self-Supervised Learning)
  • Grundlagen großer Sprachmodelle (LLMs)
  • Diffusionsmodelle für Bilder und andere kreative Anwendungen
Architektur generativer KI-Systeme
  • Generative Adversarial Networks (GANs)
  • Variationale Autoencoder (VAE)
  • Transformer-Architekturen
Ethische und rechtliche Herausforderungen
  • Das Alignment-Problem: Wie können KI-Systeme richtig handeln?
  • Nachvollziehbarkeit von Entscheidungen (Traceability)
  • Urheberrechtsfragen bei generativen Inhalten
  • Datenschutz und Privatsphäre
Lernziele:
  • Grundlagen verstehen: Symbolische Systeme und maschinelles Lernen unterscheiden.
  • Technologien einordnen: Predictive AI, generative KI und gängige KI-Algorithmen kennenlernen.
  • Struktur analysieren: Künstliche neuronale Netze und tiefes Lernen (Deep Learning) verstehen.
  • Praxis anwenden: KI-Systeme gezielt nutzen, um berufliche Herausforderungen zu meistern.
  • Ethische Perspektiven berücksichtigen: Datenschutz, Urheberrechte und Transparenz in der KI.
Zielgruppe:

Dieses Seminar richtet sich an Projekt- und Produktmanager, Führungskräfte, Fachkräfte aus verschiedenen Branchen sowie Studierende, die die Grundlagen und Potenziale der Künstlichen Intelligenz (KI) verstehen und anwenden möchten. Es ist ideal für Interessierte, die entweder erste Einblicke in KI gewinnen oder bereits berufliche Perspektiven in diesem Bereich verfolgen möchten.

Künstliche Intelligenz prägt immer stärker, wie wir leben und arbeiten. Dieses Seminar bietet eine praxisnahe Einführung in die Welt der KI von klassischen Konzepten über maschinelles Lernen bis hin zu den neuesten Entwicklungen in der generativen KI. Sie lernen, was Intelligenz in einem System bedeutet, wie KI-Anwendungen aufgebaut sind und welche Technologien wie künstliche neuronale Netze oder große Sprachmodelle (LLMs) die Basis für innovative Lösungen schaffen.

Am Ende des Seminars sind Sie in der Lage, die Unterschiede zwischen verschiedenen KI-Ansätzen zu erkennen, deren Nutzen für Ihre berufliche Praxis abzuschätzen und grundlegende ethische und rechtliche Fragestellungen zu verstehen.


(Version: 2026-02-13T10:43:51+01:00)