KI Anwendung & Implementierung

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
   KI-Anwendung: Mehr Produktivität mit ChatGPT & Co.
2. 2
   Modul 1 und 2: Mehr Produktivität mit ChatGPT & Co. (für KI Manager)
3. 3
   Einführung in KI-Technologien & Prompt Engineering: Grundlagen von ChatGPT, MS Copilot Studio, Claude, Gemini & anderen LLM
4. 4
   Strategien für effektive Prompt-Erstellung
5. 5
   KI-gestützte Recherche & Dokumentenanalyse: KI-Suchmaschinen, Automatisierte Auswertung von PDFs & Textdokumenten, Strukturierte Notizenverwaltung (Perplexity, Notion, Obsidian, NotebookLM
6. 6
   Automatisierte Textverarbeitung & Übersetzungen: Texterstellung & -optimierung für verschiedene Zielgruppen, Qualitätskontrolle & Stilprüfung automatisierter Inhalte
7. 7
   Präsentationen & visuelle Kommunikation: KI-gestützte Präsentationserstellung (Gamma AI, Canva, ö.ä.), Diagramm- & Infografik-Generierung, Storytelling-Techniken mit KI-Unterstützung
8. 8
   Design ohne Vorkenntnisse: KI-gestützte Logo- und Branding-Entwicklung (Looka, Canva AI), Automatische Content-Generierung für digitale Medien
9. 9
   Multimedia-Produktion mit KI: Video-, Audio- und Bildgenerierung (Synthesia, ElevenLabs, DALL-E), Digitale Avatare für professionelle Präsentationen, Podcast-Erstellung und Sprachsynthese
10. 10
    Datenanalyse & Business Intelligence: KI-gestützte Datenauswertung & Visualisierung, Dashboard-Erstellung (Power BI, Tableau, Looker Studio o.ä.)
11. 11
    Besser bewerben mit KI: Bewerbung & Anschreiben mit KI, Funktionsweise von ATS (Applicant Tracking Systemen), Stellensuche automatisieren, auf Bewerbungsgespräche vorbereiten mit KI
12. 12
    Modul 3: KI-Strategie & -Implementierung (für KI Manager)
13. 13
    KI im Unternehmen: Definition von Potenzialen, Technologien & Herausforderungen / Effektive Prompting-Frameworks
14. 14
    KI-Readiness & Unternehmensanalyse: KI-Reifegrad erfassen / Fragebogen zur Use-Case-Identifizierung / GAP- & SWOT-Analyse für KI-Projekte / Trends in der
15. 15
    KI-Nutzung und Benchmarking
16. 16
    Projekt-Implementierung & ROI-Ermittlung: Projektsteckbrief und Business Case Entwicklung / ROI-Berechnung für KI-Investitionen / Vendor Selection & Make-or-Buy-Entscheidungen
17. 17
    Change-Management bei KI-Projekten: Menschliche Reaktionen auf Veränderung verstehen / Elemente für erfolgreiche Change-Strategien / Nachhaltigen Wandel bei KI-Einführung gestalten / Stakeholder-Management und Kommunikationsstrategien
18. 18
    KI-Ethik & Governance: Definition von Ethik & Governance im KI-Kontext / Recht, Compliance, Bias, Fairness, Transparenz & Sicherheit / Der Governance-Baukasten für verantwortliche KI-Nutzung / Organisationsstrukturen und Verantwortlichkeiten definieren
19. 19
    Modul 4: KI-Agenten und Automatisierung (für KI Manager)
20. 20
    Grundlagen & Typen von KI-Agenten: Definition & Architektur von KI-Agenten, Einsatzszenarien in Unternehmen, Produktivität & Automatisierung
21. 21
    Copilot Studio & No-/Low-Code Entwicklung: Einführung in Microsoft Copilot Studio & Power Platform, Visuelle Agentenentwicklung ohne Programmierkenntnisse, FAQ-, Sprach-, autonome & Flow-Agenten
22. 22
    Prompt Engineering & Agenten-Logik: Strukturierte Prompts für KI-Agenten (Identity, Self-Reflection, Iterative Refinement), Trigger, Aktionen, Variablen & Bedingungen im Agenten-Flow
23. 23
    Debugging & Weiterentwicklung: Besonderheiten des KI-Debuggings (OODA-Loop Framework), Einsatz von LLMs als Debugging-Partner
24. 24
    Tools, Flows & Trigger in Copilot Studio: Connector, Flow, Model Context Protocol, Integration externer Systeme & Datenquellen (Excel, SharePoint, APIs), unterschiedliche Trigger-Arten
25. 25
    Agenten-Flows & Automatisierung: Aufbau & Komponenten von Agent-Flows, Praxis: Erstellung eines Agenten mit Flow, Trigger & Tool-Anbindung
26. 26
    Multi-Agenten-Systeme & Orchestrierung: Unterschiede zwischen Single-Agent & Multi-Agent-Systemen (MAS), MAS-Strukturen, Best Praxisbeispiele
27. 27
    Abschlussprojekt & Zukunftsperspektiven: Entwicklung eines voll funktionsfähigen KI-Agenten mit Business Use Case, Anwendung von Growth Mindset in der Agentenentwicklung
28. 28

    WAS DU VON UNS ERWARTEN KANNST

    Vermittlung von aktuellem und praxisnahem Know-how
    Dozierende mit angewandter Berufserfahrung
    Praktische Übungen, Diskussionen und Tipps & Tricks der Dozierenden
    Teilnahmezertifikat und zusätzliche Zertifizierung durch eine Abschlussprüfung
    Individuelle Coachingstunde zur Orientierung bei der Jobwahl
    Auf Wunsch Verleih von Schulungsequipment, wie z. B. Laptop, Monitor, Kamera
    Tools & Software
    Die Weiterbildung "KI Anwendung & Implementierung" werden kostenpflichtige Vollversionen der folgenden Tools bzw. gleichwertiger Alternativen zur Verfügung gestellt: ChatGPT, Claude, n8n, MS 365, MS Copilot, Trello sowie Zoom AI-Companion & Whiteboard. Für weitere Tools kommen kostenlose Testversionen zum Einsatz.

1. 1

   Berlin

   26.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · 1.000–5.000 €

2. 2

   Rostock

   26.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · 1.000–5.000 €

3. 3

   Düsseldorf

   26.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · 1.000–5.000 €

4. 4

   München

   26.10.2026 · Blended Learning · Vollzeit · bis 1 Monat · 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