Modul 01: Einführung in KI und Wissensmanagement
- Begriffe & Grundlagen: Wissensmanagement im digitalen Wandel
- Rolle von KI: Klassifikation, Informationsextraktion, semantische Vernetzung
- Technologien: GPT, Vektorsuche, LLMs, Embeddings
- Anwendungsfälle: KI für Helpdesks, Expertensuche, Wissensportale

Modul 02: Wissensquellen automatisiert erfassen
- Unstrukturierte vs. strukturierte Datenquellen identifizieren
- Klassifikation mit NLP (Named Entity Recognition, Topic Modeling)
- Informationsextraktion aus PDFs, E-Mails, Chatprotokollen mittels OCR & ASR
- Anwendungsfälle: automatisches Protokollieren von Meetings, Dokumentenanalyse im Vertragsmanagement
- Übung: Textklassifikation mit KI-Werkzeugen

Modul 03: Inhalte organisieren und verfügbar machen
- Indexierung & semantische Suche mit Vektordatenbanken (z. B. FAISS, Weaviate)
- Retrieval-Augmented Generation (RAG) zur dynamischen Antworterzeugung
- Aufbau dynamischer Wissensmodelle statt starrer Taxonomien
- Anwendungsfälle: Intranet-Suchsysteme, intelligente FAQs
- Übung: Strukturierung einer Wissensdatenbank mit Beispieldaten

Modul 04: KI-gestützte Wissensbereitstellung im Alltag
- Einsatz von GPT-basierten Assistenten zur Wissensabfrage (z. B. Chatbots)
- Q&A-Systeme zur internen Unterstützung von Mitarbeitenden
- Integration in bestehende Tools (z. B. Confluence, SharePoint, Slack)
- Anwendungsfälle: Onboarding-Prozesse, Support-Automatisierung
- Übung: GPT als interner Wissensassistent (Prompts & Workflow)

Modul 05: Qualität, Sicherheit und Governance
- Verlässlichkeit: Quellenverknüpfung, Relevanzbewertung, Confidence Scores
- Umgang mit veralteten, redundanten oder widersprüchlichen Informationen
- DSGVO & Zugriffsschutz bei sensiblen Unternehmensinformationen
- Anwendungsfälle: Audit-Protokollierung, Zugriffsbeschränkung nach Rollen
- Checkliste: Governance und Qualitätssicherung im Wissensmanagement

Modul 06: Roadmap für den KI-Einsatz im Wissensmanagement
- Erfolgsfaktoren: Zieldefinition, Use-Case-Validierung, Stakeholder-Einbindung
- Typischer Projektablauf: PoC - Pilot - Rollout
- Rollen: Data Owner, Knowledge Architect, Prompt Engineer
- Anwendungsfälle: Aufbau eines Wissens-Hubs, Integration in ITSM-Prozesse