Inhalt

? Einordnung und Abgrenzung von KI-Use-Cases entlang typischer Kategorien (z. B. NLP, Computer Vision, Prognosemodelle)
? Strukturierte Herleitung von der Problemstellung zum geeigneten KI-Ansatz
? Technische Bewertungskriterien: Datenverfügbarkeit, Datenqualität, Modellanforderungen, Infrastruktur
? Grundlagen typischer KI-Architekturen und Systemlandschaften (z. B. ?Cloud Hosting? vs. ?On Premise?)
? Stand der Technik (z. B. Agentic AI, Agentic Workflows, RAG und ?Knowledge Graphs?)
? Machbarkeitsanalyse: Vorgehen, Methoden und typische Fallstricke
? Make-or-Buy-Entscheidungen: Kriterien, Kosten-Nutzen-Abwägung und strategische Implikationen
? Integration von KI-Lösungen in bestehende IT-Landschaften (Schnittstellen, Skalierbarkeit, Betrieb)
? Umgang mit Risiken wie Bias, Halluzinationen und rechtlichen Anforderungen
? Praxisbeispiele zur Bewertung und Umsetzung von KI-Anwendungsfällen
? Ausblick: technologische Entwicklungen und deren Einfluss auf zukünftige KI-Strategien

Nutzen