Schulungszentrum der GFU Cyrus AG
Am Grauen Stein 27
51105 Köln
Seminar / Kurs
AI/ML Produktmanagement in Köln
Inhalte
- 1. Das Fundament: KI-Mindset für Produktverantwortliche
- Probabilistik vs. Determinismus: Warum KI-Produkte niemals "fertig" sind und wie man mit unvorhersehbarem Systemverhalten umgeht.
- Anwendungsfelder identifizieren: Klassifikation (Was ist das?), Regression (Wie viel?), Clustering (Was gehört zusammen?) und Generative KI.
- Der AI-Product-Canvas: Strukturierung von Problemstellung, Datenbedarf und Erfolgskriterien auf einer Seite.
- 2. Daten als Produktbestandteil (Data Strategy)
- Datenakquise und -qualität: Identifikation interner und externer Datenquellen sowie Strategien für das "Kaltstart-Problem".
- Data Labelling und Annotation: Management des Aufwands für die Erstellung von Trainingsdaten und Auswahl der richtigen Werkzeuge.
- Datenschutz und Compliance: Rechtliche Rahmenbedingungen (DSGVO, AI Act) und deren Einfluss auf das Produktdesign.
- 3. Problem-Solution Fit für ML
- Hypothesengetriebene Entwicklung: Formulierung von klaren Geschäftshypothesen, die durch ML-Modelle validiert werden können.
- User Experience für KI: Gestaltung von Interfaces, die Vertrauen schaffen und den Umgang mit Fehlprognosen (False Positives/Negatives) erleichtern.
- Value Proposition: Warum KI hier die bessere Lösung ist als eine einfache regelbasierte Logik.
- 4. Metriken und Evaluation
- Technische vs. Business-Metriken: Verständnis von Precision, Recall, F1-Score und deren Übersetzung in geschäftlichen Impact (ROI, Conversion).
- Baseline-Definition: Festlegung eines Vergleichswerts (z. B. menschliche Leistung oder einfacher Algorithmus), um den Fortschritt zu messen.
- Monitoring im Betrieb: Überwachung von "Model Drift" - wenn das Modell in der realen Welt an Genauigkeit verliert.
- 5. Der ML-Lebenszyklus und agile Prozesse
- Experimentation Phase: Schnelles Prototyping und Machbarkeitsstudien (PoC) zur Risikominimierung.
- Integration in Sprints: Anpassung von Scrum oder Kanban an die oft nicht-linearen Arbeitsweisen von Data Science Teams.
- MVP-Definition für KI: Wie viel Genauigkeit ist für den Marktstart notwendig?
- 6. Zusammenarbeit mit Data Science Teams
- Rollenverständnis: Brücken bauen zwischen Engineering, Data Science und Business.
- Anforderungsmanagement: Wie man "User Stories" für ML schreibt, ohne die technische Lösung vorzugeben.
- Erwartungsmanagement: Kommunikation von Unsicherheiten und Zeitbedarfen gegenüber dem Management.
- 7. Ethik, Bias und Erklärbarkeit (XAI)
- Bias-Erkennung: Identifikation und Minimierung von Vorurteilen in Trainingsdaten und Modellergebnissen.
- Explainable AI: Methoden, um "Black Box"-Entscheidungen für Nutzer und Regulierungsbehörden nachvollziehbar zu machen.
- Ethische Leitplanken: Aufbau eines Wertekatalogs für den verantwortungsvollen Einsatz von KI im Unternehmen.
- 8. Die Praxis-Werkstatt: Das "AI Product Discovery"-Szenario
- Case Study: Entwicklung einer Produktstrategie für ein konkretes ML-Szenario (z. B. Predictive Maintenance oder Personalisierung).
- Modellierung der Feedback-Loop: Entwurf eines Systems, das durch Nutzerinteraktion automatisch besser wird.
- Transferplan: Identifikation des ersten "Quick Win" KI-Anwendungsfalls im eigenen Portfolio.
- Produktmanager und Product Owner: Die bereits Erfahrung haben und nun Produkte mit KI-Komponenten verantworten oder planen.
- Business Analysten und Strategen: Akteure, die Potenziale für Prozessautomatisierung und prädiktive Analysen bewerten.
- Führungskräfte in der Tech-Branche: Die die Ressourcenallokation und Zeitpläne für ML-Projekte besser einschätzen müssen.
- Data Scientists mit Führungsanspruch: Personen, die die geschäftliche Seite der Modellentwicklung verstehen wollen.
- Innovationsmanager: Die KI als Werkzeug zur Lösung komplexer Kundenprobleme in das Portfolio integrieren möchten.
- 1. Das Fundament: KI-Mindset für Produktverantwortliche
- Probabilistik vs. Determinismus: Warum KI-Produkte niemals "fertig" sind und wie man mit unvorhersehbarem Systemverhalten umgeht.
- Anwendungsfelder ...
Termine und Orte
| Datum | Dauer | Preis | ||
|---|---|---|---|---|
| Köln, DE | ||||
| 23.11.2026 - 25.11.2026 21 h | 21 h | Details | Details Jetzt buchen | |
| 22.02.2027 - 24.02.2027 21 h | 21 h | Details | Details Jetzt buchen | |
| 19.05.2027 - 21.05.2027 21 h | 21 h | Details | Details Jetzt buchen | |
| 16.08.2027 - 18.08.2027 21 h | 21 h | Details | Details Jetzt buchen | |
| 15.11.2027 - 17.11.2027 21 h | 21 h | Details | Details Jetzt buchen | |
| Datum | Dauer | Preis | ||
|---|---|---|---|---|
| Köln, DE | ||||
| 23.11.2026 - 25.11.2026 21 h | 21 h | Details | Details Jetzt buchen | |
| 22.02.2027 - 24.02.2027 21 h | 21 h | Details | Details Jetzt buchen | |
| 19.05.2027 - 21.05.2027 21 h | 21 h | Details | Details Jetzt buchen | |
| 16.08.2027 - 18.08.2027 21 h | 21 h | Details | Details Jetzt buchen | |
| 15.11.2027 - 17.11.2027 21 h | 21 h | Details | Details Jetzt buchen | |