Künstliche Intelligenz und ihre Anwendung im Analysebereich umfasst in der Praxis eine Vielzahl von Aufgaben - von der Nutzung KI-gestützter Analyse-Tools bis zur Einbindung von KI-Outputs in bestehende Reporting-Prozesse. Data Analyst:innen müssen keine KI-Modelle selbst entwickeln, aber verstehen, wie KI-Ergebnisse interpretiert und kommuniziert werden. Dieser Kurs behandelt die relevanten KI-Grundlagen aus Analyseperspektive.

Kursinhalt
1. KI-Grundbegriffe und Abgrenzung relevanter Technologien
  • Unterschiede zwischen KI, Machine Learning und Data Science
  • Typische KI-Anwendungsfälle in der Datenanalyse
  • Einordnung von KI-Tools in den Analyse-Workflow

2. Nutzung KI-gestützter Analyse-Werkzeuge
  • Überblick über KI-Funktionen in Analyse-Plattformen
  • Anwendung von automatisierter Mustererkennung und Anomalieerkennung
  • Grenzen und Interpretationsrisiken von KI-Analyse-Outputs

3. Integration von KI-Ergebnissen in Reporting-Prozesse
  • Einbettung von KI-generierten Erkenntnissen in Standardberichte
  • Kommunikation von KI-Ergebnissen an nicht-technische Empfänger
  • Qualitätssicherung bei der Verwendung von KI-Outputs

4. Datenvorbereitung für KI-Anwendungen
  • Anforderungen an Datenqualität für KI-gestützte Analysen
  • Beitrag von Data Analyst:innen zur KI-Datenbasis
  • Koordination mit Data Scientists bei der Datenvorbereitung

Berufliche Relevanz
  • Data Analyst:innen nutzen KI-Werkzeuge gezielt und kritisch
  • Verständnis von KI-Grundlagen verbessert die Einordnung analytischer Ergebnisse
  • Integration in Reporting-Prozesse erhöht den Nutzen von KI-Erkenntnissen