Detailed Course Outline
Modul 1 Künstliche Intelligenz: Entwicklung, Beispiele, Gesellschaft, Ethik
In Modul 1 des Zertifikatslehrgangs wird das Ziel verfolgt, die Teilnehmer mit grundlegenden Überlegungen zu Künstlicher Intelligenz vertraut zu machen. Ausgehend von einem Überblick über die Geschichte und Entwicklung der KI wird diese am ersten Tag ganzheitlich im Zusammenhang mit den Themen Digitalisierung, Internet der Dinge, Dienste und Daten sowie Industrie 4.0 erörtert. Das soziotechnische System von Menschen, Technik und Organisation kommt dabei eine große Bedeutung zu, ebenso der Kontextualisierung von Künstlicher Intelligenz in den gesellschaftlichen Diskurs sowie die rechtlich-regulatorischen Rahmenbedingungen. Ein Überblick über Initiativen aus Wissenschaft, Wirtschaft, Politik zu Künstlicher Intelligenz wird gegeben. Am zweiten Tag stehen die Potenziale und Mehrwerte von KI für Unternehmen im Fokus. Ausgehend von Erfahrungen bei der Einführung von KI werden vor dem Hintergrund der soziotechnischen Systembetrachtung relevante Einflussfaktoren identifiziert, erläutert und reflektiert. In Kleingruppen werden mögliche Vorgehensweisen bei der Einführung von Künstlicher Intelligenz erarbeitet, im Auditorium präsentiert und gemeinsam reflektiert.
Modul 2 KI in Unternehmen ‒ Grundlagen und Voraussetzungen
Methoden, Hands-on, Werkzeuge, Maschinelles Lernen, Data Mining
Was ist Data Mining? Was bedeutet Information Retrieval? Was ist Maschinelles Lernen und was Deep Learning? Was sind die grundlegenden Prozesse im Bereich Data Mining? Wie kann man aus großen Datenmengen Informationen gewinnen? In Modul 2 lernen die angehenden KI Manager die grundsätzliche Begriffslandschaft rund um das Themengebiet Data Mining kennen. Über den Cross Industry Standard Process for Data Mining (CRISP DM) werden die State of the Art-Methoden der Datenvorverarbeitung (Vectorizing, Bag of Words, Word2Vec) sowie die Arbeitsweise von Maschinellen Lernverfahren vermittelt. Die Teilnehmer werden die Voraussetzungen und Einsatzmöglichkeiten verschiedener symbolischer und subsymbolischer Lernverfahren (z.B. Entscheidungsbäume, Regellerner, Naive Bayes, (tiefe neuronale Netze) kennenlernen. Weiteres Thema ist Information Retrieval bzw. die Gewinnung von Informationen aus großen unstrukturierten Textmengen. Angereichert wird das Modul durch Beispiele aus der Praxis sowie Hands-on-Übungen auf existierenden Data Mining Plattformen.
Modul 3 (Hybride) Wertschöpfung durch Künstliche Intelligenz
Chancen, Herausforderungen und Methoden
Mit der Digitalisierung von Unternehmen entstehen neue Möglichkeiten für die Veränderung bestehender und die Entwicklung innovativer Geschäftsmodelle. Dadurch bieten sich Chancen und Herausforderungen für Unternehmen, die ihre Wertschöpfung bis dato hauptsächlich über Produkte betrieben haben. Das strategische Thema Industrie 4.0 stellt Unternehmen vor die Frage, wie aus Daten Dienstleistungen werden können, welche die Wertschöpfung entlang der gesamten Wertkette verbessern. Durch innovative Verbindung von Produkten und Dienstleistungen entstehen hybride Produkt-Service-Systeme, die für Kunden einen höheren Nutzen stiften können. Daraus wiederum ergeben sich Möglichkeiten zur Produkt- und Preisdifferenzierung. In diesem Modul wird aufgezeigt, wie hybride Produkt-Service-Systeme mittels Methoden der Künstlichen Intelligenz schrittweise entwickelt werden können. Die Teilnehmer erhalten einen Einblick in Methoden zur Entwicklung hybrider Produkt-Service-Systeme, wichtige Technologien der Künstlichen Intelligenz und alternativen Technologien zur Umsetzung von IT-Plattform-Strategien (u.a. Cloud und Edge Computing). Abgerundet wird das Modul durch Praxisbeispiele.
Modul 4 Künstliche Intelligenz in Forschung und Praxis
Künstliche Intelligenz wird branchenübergreifend eingesetzt. Die Einsatzszenarien reichen vom Chatbot im Kundenservice, über die intelligente Planung von Transportrouten bis hin zu Robotern in der Pflege. In diesem Modul werden verschiedene Umsetzungen aufgezeigt und näher betrachtet. Welche Technologie / welches Verfahren kommt hier zum Einsatz? Welchen Vorteil bringt künstliche Intelligenz in dieser Anwendung? Was braucht es zur Umsetzung? Anhand der konkreten Beispiele wird der Praxisbezug deutlich gemacht und Ideen für mögliche Umsetzungen in eigenem Unternehmen aufgezeigt.
Modul 5 Künstliche Intelligenz im eigenen Unternehmen
Ideen, Transfer, Konzepte, Präsentation, Reflexion, Diskurs
In Modul 5 steht der Transfer des erworbenen Wissens in das eigene Unternehmen im Fokus. Ziel dieses Moduls ist die Entwicklung einer Idee zur Generierung von Business Value und Outcome durch Methoden und Techniken der Künstlichen Intelligenz. An einem Beispiel Ihrer Wahl erarbeiten die Teilnehmer ein entsprechendes Konzept und präsentieren dieses in einem »KI Startup Pitch« am Abschlusstag der Zertifizierung zum KI Manager. Im Rahmen einer Fachdiskussion sollen die Chancen und Potenziale, Grenzen und Risiken von Künstlicher Intelligenz nochmals reflektiert werden.