KI verstehen - Grundlagen für Einsteiger in Köln

• 1. Was ist Künstliche Intelligenz?
  • Definition und Abgrenzung: Unterschiede zwischen KI, Machine Learning und Deep Learning
  • Geschichtliche Entwicklung: Von den Anfängen bis zu modernen Systemen
  • Aktuelle Anwendungsbeispiele: Chatbots, Bilderkennung, Empfehlungssysteme

• 2. Grundprinzipien des Machine Learning
  • Überwachtes vs. unüberwachtes Lernen: Wann wird welcher Ansatz verwendet?
  • Trainingsprozess: Wie lernt eine KI aus Daten?
  • Feature Engineering: Was macht gute Eingabedaten aus?

• 3. Neuronale Netze einfach erklärt
  • Biologische Inspiration: Vergleich mit dem menschlichen Gehirn
  • Schichtenarchitektur: Eingabe-, versteckte und Ausgabeschichten
  • Aktivierungsfunktionen: Wozu dienen sie und wie wirken sie?

• 4. Daten - das Lebenselixier der KI
  • Datenqualität und -menge: Warum beides entscheidend ist
  • Datenvorverarbeitung: Normalisierung, Bereinigung, Augmentierung
  • Ethische Aspekte: Bias in Trainingsdaten erkennen und vermeiden

• 5. Modelltraining und -bewertung
  • Train-Test-Split: Wozu braucht man separate Datensätze?
  • Metriken zur Bewertung: Genauigkeit, Präzision, Recall verstehen
  • Überanpassung (Overfitting): Problem und Lösungsansätze

• 6. KI im Unternehmenskontext
  • Typische Einsatzgebiete: Kundenservice, Prozessoptimierung, Predictive Maintenance
  • ROI von KI-Projekten: Was kann man realistisch erwarten?
  • Teamzusammensetzung: Welche Rollen braucht ein KI-Projekt?

• 7. Ethische Fragen und Grenzen
  • Verantwortungsvoller Einsatz: Wo sind Grenzen der Technologie?
  • Transparenz und Erklärbarkeit: Die "Black Box" verstehen
  • Zukunftsaussichten: Was kommt nach dem aktuellen KI-Hype?

• 8. Praxisübung: Erster eigener KI-Use-Case
  • Aufgabe: Teilnehmer entwickeln eine einfache KI-Idee für ihr Unternehmen
  • Bonus: Erstellung eines groben Projektplans

LernzieleDie Teilnehmer erhalten einen umfassenden Überblick über die Grundprinzipien Künstlicher Intelligenz und ihrer  Anwendungsmöglichkeiten. Sie verstehen die wichtigsten Konzepte des  Machine Learning, die Bedeutung von Datenqualität und typische  Herausforderungen bei KI-Projekten. Durch praktische Beispiele lernen  sie, Potenziale in ihrem eigenen Arbeitsumfeld zu erkennen. Nach dem  Seminar können sie fundiert über KI-Anwendungen diskutieren und als  Schnittstelle zwischen Fachabteilung und IT-Teams fungierenZielgruppen

• Fachkräfte ohne technischen Hintergrund aus allen Unternehmensbereichen
• Entscheider und Manager, die KI-Strategien entwickeln
• Quereinsteiger, die sich KI-Kompetenzen aneignen möchten