KI-Einsatz: Datenanalyse und Regulierung nach dem EU AI Act

Passt der Kurs zu dir?

1. 1
   Sicherer Umgang mit Excel, Prozentrechnung und Grundbegriffen der Statistik wie Mittelwert, Median und Streuung.
2. 2
   Für die IHK-Prüfung zur Berufsspezialistin oder zum Berufsspezialisten für Datenanalyse: eine IT-Ausbildung, eine andere Ausbildung mit einem Jahr Praxis, sechzig Leistungspunkte aus einem Studium mit zwei Jahren Praxis oder vier Jahre einschlägige Berufspraxis (§ 2 DAFPrV).
3. 3
   Bereitschaft, Datenschutzregeln einzuhalten, denn Auswertungen mit Kunden- oder Personaldaten fallen unter die DSGVO.

Das lernst du

1. 1
   KI-Projektmanagement und Datenanalyse mit EU AI Act Konformität
2. 2
   Zielsetzung des Kurses
3. 3
   Die Weiterbildungsmaßnahme vermittelt umfassende Kenntnisse und praktische Fähigkeiten im Bereich Künstliche Intelligenz (KI) für Projektmanager:innen. Sie fokussiert auf die Anwendung von KI-Tools zur Optimierung von Projekten, die Analyse von Daten mittels KI-gestützter Methoden und die Einhaltung regulatorischer Anforderungen gemäß dem EU AI Act. Ziel ist die Befähigung zur strategischen und konformen Implementierung von KI-Lösungen in Projekten.
4. 4

   Die Weiterbildung gliedert sich in drei Kernbereiche

   KI für Projektmanager:innen
   Einführung in Künstliche Intelligenz und ihre Grundlagen
   Anwendungsbereiche von KI im Projektmanagement
   Einsatz von Foundation Models und Open-Source KI-Tools
   Integration von KI in den Projektalltag
   Implementierung von KI-Projekten
   Ethische, datenschutzrechtliche und rechtliche Rahmenbedingungen für KI
   Evaluation von KI-Lösungen
   Entwicklung von Soft Skills für KI-Projekte, einschließlich Kommunikation, Führung und Veränderungsmanagement
   Abschlussaufgabe und Sammlung von Ressourcen
   Exkurs zum Projektmanagement
   Arbeiten mit ChatGPT
   Rechtliche Rahmenbedingungen für die Verwendung von KI
   KI-gestützte Datenanalyse
   Nutzung von KI-gestützten Analyse-Cockpits und Co-Piloten
   Datenaufbereitung und -visualisierung
   Automatisierung von Prozessen mit KI-Code-Beschleunigern wie GitHub Copilot
   Aufbau einer KI-Analyse-Pipeline von Rohdaten bis zur Business-Strategie
   Grundlagen des maschinellen Lernens, einschließlich überwachtem und unüberwachtem Lernen
   Datenbereinigung und Feature Engineering
   Einsatz lokaler KI-Tools wie Knime
   Deep Learning in der Datenanalyse
   Modellbewertung und Performance-Metriken
   Interpretierbarkeit und Erklärbarkeit von KI-Modellen
   Ethik und Datenschutz in der KI-gestützten Datenanalyse
   Anwendung von KI-gestützten Analysetools und Softwarelösungen
   Praxisprojekt zur Umsetzung einer KI-gestützten Datenanalyse
   EU AI Act Zertifikat
   Einführung in den EU AI Act und dessen Anwendungsbereich
   Kernkonzepte, Grundbegriffe und Definitionen
   Risikoklassifizierung von KI-Systemen
   Anforderungen an Hochrisiko-KI-Systeme
   Konformitätsbewertung und Zertifizierungsprozesse
   Dokumentationspflichten, Überwachung und Sanktionen
   Haftungsfragen und persönliche Risiken
   Marktaufsicht und Compliance-Management
   Praktische Umsetzung von Pflichten
   Globale Perspektiven und Ausblick auf die Weiterentwicklung der KI-Gesetzgebung
   Lernziele

5. 5

   Nach Abschluss der Weiterbildungsmaßnahme sind die Teilnehmenden in der Lage

   KI-Konzepte und -Anwendungen im Projektmanagement zu verstehen und anzuwenden.
   KI-Tools zur Effizienzsteigerung und Entscheidungsfindung in Projekten einzusetzen.
   Datenanalysen mit KI-gestützten Methoden durchzuführen und handlungsrelevante Erkenntnisse zu gewinnen.
   Grundlagen des maschinellen Lernens und Deep Learning zu verstehen und anzuwenden.
   Die regulatorischen Anforderungen des EU AI Act zu identifizieren und deren praktische Umsetzung zu planen.
   Konformitätsbewertungs- und Zertifizierungsprozesse für KI-Systeme zu verstehen.
   Ethische und datenschutzrechtliche Aspekte bei der Entwicklung und dem Einsatz von KI zu berücksichtigen.
   Veränderungsmanagement und Führungskompetenzen für KI-Projekte zu entwickeln.
   Berufsperspektiven
   Die erworbenen Kenntnisse und Fähigkeiten sind relevant für Rollen im Projektmanagement, IT-Management, in der Datenanalyse und in der Compliance. Absolvent:innen können KI-Projekte leiten, KI-gestützte Analysen durchführen und die Konformität von KI-Systemen mit dem EU AI Act sicherstellen. Tätigkeitsfelder umfassen die Entwicklung, Implementierung und Verwaltung von KI-Lösungen sowie beratende Funktionen im Bereich Künstliche Intelligenz.

1. 1

   Bielefeld

   07.12.2026 · Blended Learning · Teilzeit · 3–6 Monate · 1.000–5.000 €

2. 2

   Dortmund

   07.12.2026 · Blended Learning · Teilzeit · 3–6 Monate · 1.000–5.000 €

3. 3

   Eschborn

   07.12.2026 · Blended Learning · Teilzeit · 3–6 Monate · 1.000–5.000 €

4. 4

   Bremen

   07.12.2026 · Blended Learning · Teilzeit · 3–6 Monate · 1.000–5.000 €

5. 5

   Berlin

   07.12.2026 · Blended Learning · Vollzeit · 1–3 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

   Berichte, die sich selbst aktualisieren

   Du verbindest in Power BI Daten aus ERP, CRM und Excel-Listen, modellierst Beziehungen und schreibst Kennzahlen mit DAX. Ein solcher Bericht holt neue Zahlen ohne Kopierarbeit. Beispiel: Der monatliche Umsatzbericht für die Vertriebsleitung aktualisiert sich jeden Morgen aus dem Warenwirtschaftssystem.

2. 2

   Ergebnisse verständlich präsentieren

   BERUFENET nennt das Visualisieren und Präsentieren der Ergebnisse in den Fachabteilungen als Aufgabe von Data Analysts. Im Kurs übst du, aus einer Auswertung eine klare Aussage mit passendem Diagramm zu machen. Beispiel: Du zeigst der Einkaufsleitung in einem Dashboard, welche Lieferanten wiederholt zu spät liefern.

3. 3

   Mit Data Engineers und Data Scientists zusammenarbeiten

   Du lernst, Anforderungen an Datenqualität und Datenmodelle so zu formulieren, dass Data Engineers sie umsetzen können. Für Prognosen übergibst du aufbereitete Daten an Data Scientists oder nutzt einfache Verfahren der Predictive Analytics selbst. Beispiel: Du meldest dem Datenteam, dass doppelte Einträge im Kundenstamm die Umsatzzahlen verfälschen.

Themen

Arbeitsmarkt

Data Analyst bundesweit in Zahlen