ChatGPT-Anwendungen: Hiring-Forecasts, Funnel-Audits und DEI-Audits

Passt der Kurs zu dir?

1. 1
   Motivation und Lernbereitschaft
2. 2
   Zuverlässigkeit im jeweiligen Arbeitsfeld
3. 3
   Konkrete Zulassung des gewählten Weges prüfen

Das lernst du

1. 1
   Zielsetzung
2. 2
   Diese Weiterbildungsmaßnahme richtet sich an alle Interessierten, die ihre beruflichen Kenntnisse erweitern möchten. Die Praxisbeispiele und Übungsaufgaben sind so gewählt, dass sie besonders gut auf den Berufsalltag von Talent-Acquisition-Profile übertragbar sind; die Teilnahme steht ausdrücklich allen offen, unabhängig von der aktuellen beruflichen Tätigkeit. Vermittelt werden Methoden, Werkzeuge und Inhalte, die in unterschiedlichen Tätigkeitsfeldern eingesetzt werden können.
3. 3
   Praxisbezug für Talent-Acquisition-Profile
4. 4

   Die folgenden typischen Aufgaben aus dem Berufsalltag von Talent-Acquisition-Profile dienen als Beispiele in den Übungen; sie können in der Veranstaltung auf andere Tätigkeitsfelder übertragen werden

   Sourcing-Strings
   Talent-Pool-Pflege
   Hiring-Briefings
   Employer-Branding
   Candidate-Personas
   Inhalte der Weiterbildungsmaßnahme
   KI für Projektmanager:innen
   Einführung in Künstliche Intelligenz (KI)
   KI-Anwendungen im Projektmanagement
   Foundation Models und OpenSource KI-Tools
   KI im Projektalltag
   Implementierung von KI-Projekten
   Ethik, Datenschutz und rechtliche Rahmenbedingungen für KI
   Evaluation von KI-Lösungen
   Soft Skills für KI-Projekte: Kommunikation, Führung und Veränderungsmanagement
   Abschlussaufgabe und Ressourcensammlung
   Exkurs: Projektmanagement
   Zusatzthema: Arbeiten mit ChatGPT
   Projektmanagement Tools in der Praxis für Experten
   Digitale Whiteboard-Anwendungen (z.B. MIRO)
   Einführung in Kanban und digitale Umsetzung (z.B. Trello)
   MoSCoW Methode und deren digitale Nutzung (z.B. Asana)
   Agile Roadmaps
   Projektmanagement mit Jira
   Vertiefungsmaterial zu Projektmanagement Tools
   Fortgeschrittene Funktionen und praktische Anwendung von Trello und Kanban
   KI-gestützte Datenanalyse
   KI-Analyse-Cockpit mit Copilot
   Datenaufbereitung und -visualisierung
   Automatisierung mit KI-Code-Beschleunigern (z.B. GitHub Copilot)
   KI-Analyse-Pipeline: Von Rohdaten zur Business-Strategie
   Grundlagen des maschinellen Lernens (überwachtes und unüberwachtes Lernen)
   Lokale KI-Entwicklung (z.B. mit Knime)
   Deep Learning in der Datenanalyse
   Feature Engineering und Dimensionality Reduction
   Modellbewertung und Performance-Metriken
   Interpretierbarkeit und Erklärbarkeit von KI-Modellen
   Ethik und Datenschutz in der KI-gestützten Datenanalyse
   Einsatz von KI-gestützten Analysetools und Softwarelösungen
   Praxisprojekt: Umsetzung einer KI-gestützten Datenanalyse
   Lernziele der Weiterbildungsmaßnahme

5. 5

   Nach Abschluss der Weiterbildungsmaßnahme sind die Teilnehmenden in der Lage

   Die Grundlagen der Künstlichen Intelligenz zu verstehen und ihre Relevanz für das Projektmanagement zu erkennen.
   KI-Tools und -Methoden zur Verbesserung von Projektentscheidungen und -prozessen einzusetzen.
   Datenmuster durch KI-gestützte Analysen zu identifizieren und handlungsrelevante Erkenntnisse zu gewinnen.
   Gängige Projektmanagement-Tools wie Jira, Trello und Kanban praktisch anzuwenden.
   KI-Projekte zu planen, zu implementieren und zu evaluieren.
   Ethische, datenschutzrechtliche und rechtliche Rahmenbedingungen bei der Nutzung von KI zu berücksichtigen.
   Kommunikations-, Führungs- und Veränderungsmanagement-Kompetenzen im Kontext von KI-Projekten anzuwenden.
   Berufsperspektiven
   Die erworbenen Kompetenzen sind relevant für Tätigkeiten im Projektmanagement, IT-Management, in der Datenanalyse und in der Entwicklung sowie Implementierung von KI-Lösungen. Berufsfelder umfassen unter anderem die Rolle des KI-Managers, Projektleiters für KI-Projekte oder Datenanalysten mit KI-Schwerpunkt. Die Kenntnisse ermöglichen die Übernahme von Aufgaben in der strategischen Planung und operativen Umsetzung von KI-Vorhaben.

1. 1

   Berlin

   28.09.2026 · Blended Learning · Teilzeit · 3–6 Monate · 1.000–5.000 €

2. 2

   Berlin

   28.09.2026 · Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

3. 3

   Bielefeld

   28.09.2026 · Blended Learning · Teilzeit · 3–6 Monate · 1.000–5.000 €

4. 4

   Bremen

   28.09.2026 · Blended Learning · Vollzeit · 1–3 Monate · 1.000–5.000 €

5. 5

   Bremen

   28.09.2026 · Blended Learning · Teilzeit · 3–6 Monate · 1.000–5.000 €

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   KI auf echte Arbeitsaufgaben anwenden

   Deine Branchenkenntnis bleibt wertvoll, wenn du einen Prozess mit KI unterstützt und das Ergebnis prüfst. Gute Praxis beschreibt Ausgangslage, Daten, menschliche Kontrolle und eine überprüfbare Verbesserung, ohne Automatisierung pauschal zu versprechen. Beispiel: Bearbeite einen kleinen Prozess aus deinem bisherigen Beruf und vergleiche Zeitbedarf und Qualität vorher und nachher.

2. 2

   Fachwissen mit neuen Werkzeugen verbinden

   Branchenkenntnis, Kommunikation und Qualitätskontrolle bleiben wichtig. Gerade im Quereinstieg ergänzt du vorhandene Erfahrung durch ein Projekt mit Quellenprüfung, Versionierung, Freigabe und dokumentierten Grenzen. Beispiel: Ein Bewerbungsbeispiel beschreibt Aufgabe, verwendete Werkzeuge, Prüfung der Ergebnisse und Grenzen des Ansatzes.

3. 3

   Verantwortung schrittweise aufbauen

   Projektkoordination, Schulung und Prozessgestaltung verlangen mehr als Toolbedienung. Achte auf Inhalte zu Use-Case-Auswahl, Datenqualität, Prüfung, Dokumentation und Zusammenarbeit. Vergleiche die Kursaufgaben mit den Zielstellen, die du erreichen möchtest. Beispiel: Vergleiche einen Grundlagenkurs mit einem Projektkurs und entscheide nach deinem aktuellen Kenntnisstand.

Themen

Arbeitsmarkt

KI & Machine Learning bundesweit in Zahlen