Lösungsdesign mit KI: Prompt Engineering in der Praxis

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
   Die Weiterbildung vermittelt Kenntnisse und Fähigkeiten im Management von Künstlicher Intelligenz (KI). Sie zielt darauf ab, Teilnehmende zu befähigen, KI-Technologien in Arbeitsabläufe zu integrieren, zu steuern und zu skalieren. Ein Schwerpunkt liegt auf dem Verständnis von KI-Grundlagen, verschiedenen Modellen und deren praktischer Anwendung im Arbeitsalltag.
3. 3
   Inhalte
4. 4

   Die Weiterbildung umfasst folgende Themenbereiche

   Einführung in Künstliche Intelligenz (KI)
   Generative KI: Sprache, Bild und Sound
   Anwendungen und Beispiele von KI im Arbeitsalltag
   Weitere Sprachmodelle und deren Anwendungsbeispiele
   Unterschiede und Einsatzmöglichkeiten von Open-Source und proprietären KI-Lösungen
   Arbeit mit Bild-, Video- und Sound-KI
   Planung und Umsetzung von KI-Projekten
   Sicherheits- und ethische Aspekte im Umgang mit KI
   Auswirkungen von KI auf die Arbeitswelt (Future of Work)
   Grundlagen und Notwendigkeit von kritischem Denken im KI-Management
   Werkzeuge für kritisches Denken im KI-Kontext
   Zusätzliche Ressourcen zur Weiterbildung
   Exkurse zu Blockchain und spezifischen KI-Anwendungen (Bild, Video, Sound)

5. 5

   Der Kurs "KI-Management: Prompt Engineering" vertieft die Kenntnisse in folgenden Bereichen

   Grundlagen der Künstlichen Intelligenz und Sprachmodelle
   Einführung in KI-Management und Prompt Engineering
   Aufbau effektiver Prompts: Struktur und Sprachwahl
   Zieldefinition und Aufgabenstellung im Prompt Engineering
   Techniken der Kontextualisierung und Detaillierung
   Umgang mit Halluzinationen bei KI-Modellen
   Prompting für Bildgenerierung
   Lernziele

6. 6

   Nach Abschluss der Weiterbildung sind die Teilnehmenden in der Lage

   Grundlagen und Funktionsweisen von Künstlicher Intelligenz zu verstehen.
   Verschiedene KI-Modelle, insbesondere generative KI, zu identifizieren und deren Potenzial einzuschätzen.
   KI-Anwendungen im Arbeitsalltag zu erkennen und zu integrieren.
   Effektive Prompts für Sprach- und Bildmodelle zu entwickeln.
   KI-Projekte zu planen, umzusetzen und zu skalieren.
   Sicherheits- und ethische Fragestellungen im KI-Kontext zu bewerten.
   Kritisches Denken im Umgang mit KI-Technologien anzuwenden.
   Berufsperspektiven
   Die erworbenen Kompetenzen sind relevant für Tätigkeiten im Projektmanagement, IT-Management und in der strategischen Planung von Technologieeinsatz. Die Weiterbildung bereitet auf Rollen vor, die sich mit der Implementierung, Steuerung und Weiterentwicklung von KI-Lösungen in Unternehmen befassen. Anwendungsfelder ergeben sich in Branchen, die KI-Technologien zur Optimierung von Prozessen und zur Entwicklung neuer Produkte und Dienstleistungen einsetzen.

1. 1

   Berlin

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

2. 2

   Berlin

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

3. 3

   Darmstadt

   28.09.2026 · Blended Learning · Vollzeit · 1–3 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 · 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

   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