Gen-AI-Manager:in

Die Investition in die Ausbildung von Generative AI Manager:innen bietet nicht nur eine Kosteneinsparung, sondern erweitert das betriebliche Know-how, fördert Innovationen und stärkt die Marktposition Ihres Unternehmens. Unternehmen stehen vor der Herausforderung, ihre Wettbewerbsfähigkeit durch den KI-Einsatz zu sichern und zu steigern. Die Abhängigkeit von externen KI-Spezialisten ist kostenintensiv und schränkt die Flexibilität ein. Eine Lösung: Bilden Sie eigene Generative AI Manager aus, um die internen Initiativen und KI-Lösungen maßgeschneidert umzusetzen, die auf Ihre Herausforderungen und Marktchancen abgestimmt sind.

Übersicht der Module

alle Module sind interaktiv und inkl. Übungen

In dem kompakten Training, bei dem die Teilnehmerinnen und Teilnehmer nur einen Tag pro Woche teilnehmen, besteht die Möglichkeit, Flexibilität und Arbeitspensum sowie Lernpensum im Einklang zu bringen. Alternativ können wir Ihnen das Format auch als fünftägiges Training anbieten.

Grundlagen generative KI, Large Language Models und Prompt-Engineering



Einführung in die generative KI und Large Language Modelle

Grundlagen und Anbieter von generativer KI und Large Language Modellen.
Grundlagen von neuronalen Netzen in Large Language Modellen.
Spezifika und Geschäftsmodell von OpenAI.

Einführung und Vertiefung im Umgang mit ChatGPT

Datenschutz, Sicherheit und Umgang mit Limitationen von generative KI.
Methoden zur Textgenerierung, Sentimentsanalysen und Erstellung von Organisationshandbüchern.
Generierung von neuem Wissen und Konzepten für den beruflichen Alltag.

Vertiefung in Prompt-Engineering und in den Anwendungsfeldern

Anwendung von komplexem Prompt-Engineering für die operativen Aufgaben im Unternehmen
Multi-dimensionales Prompting, Simulationen, Einsatz für Organisations- und Prozessunterstützung.
Grundlagen zur Erstellung von menschennahen Ressourcen für Prozesse und komplette Jobs.



Praktischer Einsatz der einzelnen Modelle: Datenanalyse, Bilderstellung und Browsing



Einführung und Vertiefung in Browsing-Model

Analyse von Webinhalten und Wettbewerbsanalysen mittels Browsing-Modells.
Optimierung von SEO-Inhalten und effektive Nutzung von PR und Sales Botschaften durch KI.
Einsatz von KI-Personas zu Validierung der Kernbotschaften, Analyse von Websites und sonstigen Aufgaben

Einführung und Vertiefung in Advanced Data Analysis

Grundlagen und Anwendung von ETL und EDA Prozessen in Datenanalysen.
Erstellung und Visualisierung von Business Cases, Hypothesen und Trends.
Erstellung von Prognosen und Zukunftszenarien.

Einsatz des Vision-Modells, Dalle 3 und weiteren Large Language Modellen

Nutzung von Dalle 3 zur Bildgenerierung.
Einsatz des Vision Modells in Unternehmensprozessen, Workshops, Konzeption und in der IT.
Übersicht weiterer LLM: u. a. Anthropic Claude, Cohere Command R+, Google Gemini, Mistral large sowie deren Einsatzbereiche.



KI-Tools, GPT-/ KI-Agenten und Automatisierung inkl. Multi-Agent-Frameworks



Auswahl und Einsatz von KI-Tools für operative Aufgaben

KI-Anwendung in den Bereichen PR, Marketing, Sales udn Service
Einsatz im Bereich Audio, Video und Avataren.
Auswahl und Einsatz von KI-Tools in Unternehmen und deren Bewertung durch eine spezifische Matrix.

Konzeption und Aufbau von eigenen GPTs mit Daten inkl. Grundlagen von RAGs und Fine Tunings

Erstellung von Custom GPT-Modellen ohne und mit eigenen Daten sowie Optimierung dieser.
Grundlagen Fine Tuning und Retrieval Augmented Generations für spezifische Einsatzbereiche.
Erstellung von GPTs zur Erweiterung von Kapazitäten und Team-Ressourcen im Unternehmen.

Grundlagen der Automatisierung, Fine Tuning und RAGs

Grundlagen von OpenAI Playground und API u. a. für No-Code Automation (z. B. Make oder Zapier).
Erstellung von No-Code-Anwendungen und GPTs mit Function-Callings via No-Code.
Übersicht der verschiedenen Multi-Agent-Frameworks, wie ChatDev, Autogen, AgentGPT, MultiOn usw.



Projektinitialisierung, Zielbild, Governance und Integration der generativen KI im Unternehmen



Aufbau Excellence Center Gen KI und Lab in Ihrem Unternehmen

Festlegung der Grundlagen zur Etablierung eines Zusammenarbeitsmodells im Unternehmen.
Governance-Etablierung durch Aufbau eines KI-Excellence Centers zur Umsetzung der generative KI im Unternehmen.
Entwicklung eines eigenen KI-Labs und Etablierung im Tagesgeschäft als zentraler Kontaktpunkt.

Die Einführung und Transformation der generativen KI Transformation

Strategieentwicklung und Priorisierung der Einführung für generative KI.
Aufbau eines Teams und Schaffung der grundlagen für die Durchführung der Transformation
Grundlagen für die Überführung der KI-Transformation in den regulären Betrieb.

Ausblick und Trends im Umfeld der Large Language Modelle

Vergleich von großen Foundation Modellen, OpenSource-Ansätzen und Startups im KI-Bereich.
Einzug von autonome Agenten, KI-Abteilungen und KI-Unternehmen.
Trends, zukünftige perspektiven und Einsatzgebiete von LLMs.



Einführung und Transformation der generativen KI im Unternehmen



Projektschritte zur Einführung der generativen KI im Unternehmen

Definition und Festlegung der Ziele, Budgets und erwartete Nutzen im Rahmen der Einführung.
Durchführung von KI-Readiness Checks und Priorisierung der Team-Bildung und Umsetzungsmaßnahmen.
Planung von KI-Projekten unter Berücksichtigung von Ressourcen und unternehmerischen Zielen.

Methoden und Vorgehensweisen zur Ermittlung von Use Cases und Impacts

Ermittlung der Auswirkungen auf die Strategie und das Geschäftsmodell.
Ermittlung der Auswirkungen auf die Produkte, Leistungen und Prozesse.
Ermittlung der Auswirkungen auf Kapazitäten. Fähigkeiten, Organisation und Kultur.

Identifikation und Bewertung von Use Cases für generative KI

Festlegung der geeigneten Werttreiber zur Analyse der Potenziale beim Einsatz der Use Cases im Unternehmen.
Identifikation, Bewertung und Auswahl der geeigneten Use Cases.
Priorisierung und Sprint-Vorgehen zur Umsetzung der Use Cases.



Vorteile

Strategische Agilität: Nutzen Sie interne KI-Kompetenzen, um auf Marktveränderungen zu reagieren und Innovationsführer zu bleiben.
Technologische Autonomie: Erhöhen Sie die Unabhängigkeit und Flexibilität, indem Sie intern KI-Know-how aufbauen.
Kosteneffizienz: Minimieren Sie Abhängigkeiten von externen Dienstleistern, indem Sie interne Kompetenzen durch ein KI Excellence Center und AI LAB aufbauen, was langfristig Kosten spart.
Spezialisierte Expertise: Entwickeln Sie KI-Fähigkeiten, die speziell auf Ihre Unternehmensziele und -herausforderungen zugeschnitten sind.
Schnelle Umsetzung: Beschleunigen Sie die Integration von KI-im Unternehmen durch direkte Steuerung und interne Ressourcen.
Wissenskonservierung: Sichern Sie kritisches Know-how im Unternehmen und fördern Sie den internen Wissenstransfer.
Mitarbeiterentwicklung: Stärken Sie das Engagement und die Loyalität Ihrer Mitarbeiter durch moderne KI-Weiterbildungen.

Zielgruppe

Das Seminar richtet sich an alle, die sich als generative KI-Manager:innen ausbilden und der neuen digitalen Herausforderung in ihrem Unternehmen stellen möchten. Insbesondere richtet sich das Fach- und Führungskräfte und an Executives aus der deutschen Wirtschaft aus den Themengebieten: