AI Solution Architect

Das KI-Ökosystem & Strategische Auswahl

• Inhalt: Aktuelle LLM-Landschaft (Gemini, GPT, Claude, Open Source). Auswahlkriterien: Latenz vs. Qualität vs. Kosten.
• Praxis-Task: Erstellung einer Entscheidungsmatrix für ein konkretes Unternehmensszenario (Wann nehme ich ein kleines lokales Modell, wann ein mächtiges Cloud-LLM?).

Architektur von Sprachmodellen & System-Prompts

• Inhalt: Token-Management, Context Windows und die Kunst des „Programmatic Prompting“. Aufbau von robusten System-Instruktionen (Guardrails), die nicht „ausbrechen“.
• Praxis-Task: Entwurf eines System-Prompts für einen Firmen-Assistenten, der interne Richtlinien strikt einhält und unerwünschte Themen blockt.

Local AI & Datenschutz-Infrastruktur

• Inhalt: Deep Dive in lokale Lösungen (Ollama, LM Studio). Hardware-Check: Was braucht ein Firmen-Laptop/Server?
• Praxis-Task: Installation und lokaler Test eines Modells; Messung der Antwortgeschwindigkeit bei unterschiedlichen Hardware-Einstellungen.

Enterprise Integration & Copilots

• Inhalt: Microsoft 365 Copilot & Google Workspace technisch steuern. API-Anbindungen (Custom GPTs / Actions).
• Praxis-Task: Konfiguration einer „Action“ (Schnittstelle), mit der ein Chatbot Daten aus einer Excel-Cloud-Tabelle live abrufen kann.

IT-Security, Ethik & Rollout-Management

• Inhalt: Sicherheit (Prompt Injection), EU AI Act (technische Dokumentationspflichten). Change Management: Wie nehme ich die IT-Abteilung und die User mit?
• Praxis-Task: Erstellung einer technischen Compliance-Checkliste für den Rollout eines neuen KI-Tools im Unternehmen.

Wissensmanagement mit RAG (Teil 1: Daten-Pipeline)

• Inhalt: Wie kommen Firmendaten ins Hirn der KI? Chunking (Zerschneiden von Dokumenten) und Embeddings (Vektoren). Grundlagen von Vektordatenbanken.
• Praxis-Task: Ein Dokumenten-Set vorbereiten: Strategisches Chunking (nach Absätzen vs. nach Seiten) und Diskussion der Vor-/Nachteile für die Suchqualität.

Wissensmanagement mit RAG (Teil 2: Qualität & Evaluation)

• Inhalt: Retrieval-Qualität verbessern. Wie verhindere ich Halluzinationen technisch? Evaluation: Woran erkenne ich, dass mein System „gut“ antwortet?
• Praxis-Task: Testlauf einer RAG-Pipeline: Vergleichen der KI-Antworten mit den Originalquellen und Identifikation von Fehlerquellen.

Agentic AI – Von der Antwort zur Aktion

• Inhalt: Einführung in autonome Agenten. „Function Calling“ einfach erklärt: Wie die KI lernt, Tools zu benutzen (z. B. CRM-Abfrage, SAP-Eintrag).
• Praxis-Task: Definition eines einfachen „Werkzeugkastens“ für eine KI (Welche Schnittstellen im Unternehmen sind für eine KI-Automatisierung bereit?).

Low-Code Automatisierung & n8n

• Inhalt: Einführung in n8n als „Kleber“ zwischen KI und Business-Software. Workflow-Design: Von der E-Mail über die KI-Analyse zum fertigen Prozess.
• Praxis-Task: Bau eines automatisierten Workflows, der eine Kundenanfrage klassifiziert und eine personalisierte Antwort-Draft erstellt.