Zertifikatskurs KI-Manager
KI-Manager Kurs
Sieben Tage vom Verständnis zur Verankerung im Unternehmen.
Sie verstehen, wie generative KI arbeitet. Sie bedienen ChatGPT und Claude sicher, entwickeln eigene Assistenten und Agenten und verankern KI als Veränderungsprozess in Ihrer Organisation.
Der rote Faden
Jedes Ergebnis wird zur Grundlage für den nächsten Schritt. Prompting ist die Basis für System-Prompts, System-Prompts sind die Basis für Agenten.
Beide Formate haben dieselben Inhalte und dieselbe Struktur.
1KI-Orientierung, Grenzen und Prompting-GrundlagenStart
- Wie generative KI arbeitet
- Grenzen des Modells
- Modelle, Werkzeuge und Modalitäten
- Zugang, Lizenzen und Datenschutz
- Vom Prompt zum Briefing
2Prompt Engineering und Agentic Prompting
- Vom Prompt zur Systemführung
- Theoretische Fundamente: Agent, Harness, Kontextfenster
- Prompt Engineering heute: Stichpunkte statt Prompt
- Die vier Leitpunkte: Quellenlogik, Zielbeschreibung, Aufgabe, Qualitätskriterium
- Brainstorming vor der Umsetzung
- Tag 2 öffnen
3ChatGPT im Arbeitsalltag
- ChatGPT einrichten: Einstellungen und Datenkontrolle
- Modelle und Denkstufen
- Work, Sites, Data und Dots
- ChatGPT im Browser und in Excel
- Planen, Projekte, Plugins und Space
- Praxis: CRM-Report und Reklamationsdatei
- Tag 3 öffnen
4Eigene Assistenten und Agenten in ChatGPT
- KI-Skalierung: drei Stufen bis zur Vollautomation
- Die Bausteine: Skill, App, Plugin
- Work lokal mit mehreren Plugins
- Vom Prozess zum Skill: Konzeption und Brainstorming
- Skills und Plugins bauen und testen
- Wiederkehrende Abläufe automatisieren
- Tag 4 öffnen
5Claude: Grundlagen, Skills und Agenten
- Eine Oberfläche für Chat und Cowork, Einrichtung
- Claude in Chrome und in Office
- Artifacts, Claude Design und Claude Code
- Skills und Plugins in Claude, Übertragung aus Tag 4
- Automatisieren mit /schedule
- Tag 5 öffnen
6Datenquellen für agentische Systeme vorbereiten
- Dokumente für Agenten vorbereiten
- Formate: Markdown, CSV und JSON
- Von PDF zu Markdown, Metadaten und Indexdatei
- Notion als Wissensdatenbank und RAG
- MCP: Agenten mit Systemen verbinden
- Claude Cowork und Claude Code, Subagenten und n8n
- Tag 6 öffnen
7KI im Unternehmen verankern
- Bedarf erkennen
- Anwendungsfälle auswählen
- Warum Menschen blockieren
- Menschen begleiten
- EU AI Act
- Transfer
- Tag 7 öffnen
Tag 1 von 7
KI-Orientierung, Grenzen und Prompting-Grundlagen
Theorie so viel wie nötig. Praxis so viel wie möglich.
Ihre Lernziele heute
- Sie erklären, warum generative KI Wahrscheinlichkeiten berechnet und kein gesichertes Wissen abruft.
- Sie erkennen Halluzinationen und weitere Grenzen und sichern Ergebnisse mit dem Dreischritt ab.
- Sie ordnen Modelle, Werkzeuge und Zugangswege ein und wählen datenschutzgerecht aus.
- Sie bauen einen Prompt auf und verstehen, warum agentische Systeme ein Briefing brauchen.
Ihr Lernpfad heute
- 1Wie generative KI arbeitet
- 2Grenzen des Modells
- 3Modelle, Werkzeuge und Modalitäten
- 4Zugang, Lizenzen und Datenschutz
- 5Vom Prompt zum Briefing
Zwei Prinzipien für den ganzen Kurs
Der Dreischritt: Aufgabe stellen, Ergebnis prüfen, korrigieren und freigeben.
Human in the Loop: Der Mensch bleibt die letzte Instanz.
Scrollen Sie: Jede Bewegung öffnet die nächste Seite.
Wie generative KI arbeitet
Klassische Software folgt Regeln. Generative KI berechnet Wahrscheinlichkeiten.
Klassische Software
Gleiche Eingabe, gleiches Ergebnis. Exakt und nachprüfbar.
Generative KI
Gleiche Eingabe, oft unterschiedliche Antworten. Wahrscheinlich, nicht bewiesen.
Werte zur Veranschaulichung.
Praxisregel
Wo Exaktheit zählt, rechnet klassische Software. Wo Sprache, Muster und Ermessen gefragt sind, hilft generative KI.
Beispiel
Die Umsatzsteuer berechnet die Buchhaltungssoftware. Die Antwort auf eine Kundenbeschwerde entwirft die KI.
KI ruft keine Fakten ab. Sie berechnet die wahrscheinlichste Fortsetzung.
Warum die KI „Paris“ sagt
„Was ist die Hauptstadt von Frankreich?“
Ein Modell antwortet „Paris“, weil diese Fortsetzung in den Trainingsdaten mit großem Abstand am häufigsten folgt. Ob die Antwort stimmt, prüft das Modell dabei nicht.
Wo es kritisch wird
Bei Paris ist die Statistik eindeutig. Bei seltenen, neuen oder sehr spezifischen Fakten ist sie es nicht. Genau dort entstehen Fehler.
Plausibel ist nicht dasselbe wie richtig.
Baustein für Baustein entsteht die Antwort.
Bei der Auswahl wirkt ein Zufallsanteil mit. Deshalb fällt dieselbe Frage nicht jedes Mal gleich aus.
Vereinfachte Darstellung, Werte zur Veranschaulichung.
Das Modell schreibt nicht ab, es rechnet weiter.
Was passiert, wenn eine unwahrscheinliche Fortsetzung gewählt wird?
Wählen Sie zuerst die wahrscheinlichste Fortsetzung. Danach die unwahrscheinlichste.
Mitmachen: die Simulation
Werte zur VeranschaulichungDer Bericht für die Geschäftsführung ist {{sim.word}}{{sim.rest}}
{{sim.note}}
Die Konsequenz für Ihre tägliche Arbeit.
Die Stärke generativer KI liegt in Sprache, Struktur und Geschwindigkeit. Ihre Schwäche ist die fehlende Faktentreue. Wer die Geschwindigkeit nutzt, übernimmt die Pflicht zur Prüfung.
Geschwindigkeit ohne Prüfung ist ein Risiko, kein Vorteil.
Grenzen des Modells
Eine Halluzination klingt überzeugend und ist sachlich falsch.
Sie entsteht, weil das Modell jede Antwort statistisch konstruiert, auch dann, wenn ihm die nötige Information fehlt.
Vier typische Formen
Erfundene Quellenangaben
Falsche Zahlen und Statistiken
Nicht existierende Studien
Erfundene Zitate
Beispiel
Auf die Bitte um Quellen nennt ein Modell drei Titel mit Autor, Jahr und Seitenzahl. Zwei davon existieren nicht. Die Form ist korrekt, der Inhalt ist erfunden.
Eine korrekte Form beweist keinen korrekten Inhalt.
Weitere Grenzen, die Sie kennen müssen.
Aktualität
Das Modell kennt Daten nur bis zu seinem Trainingsstichtag. Neuere Ereignisse fehlen, solange keine Websuche aktiv ist.
Kontextfenster
Ein Modell verarbeitet nur eine begrenzte Textmenge auf einmal. Was darüber hinausgeht, wird gekürzt oder zusammengefasst.
Rechnen
Sprachmodelle sagen Zahlen vorher wie Wörter. Exakte Berechnungen gehören in ein Werkzeug.
Verzerrung
Das Modell übernimmt Muster und Einseitigkeiten aus seinen Trainingsdaten.
Nachvollziehbarkeit
Der genaue Weg zur Antwort ist von außen nicht einsehbar.
Jede Grenze ist ein Grund für einen Prüfschritt, nicht für einen Verzicht.
Rechnen überlässt die KI dem Code.
Rechenaufgaben werden über ausgeführten Code gelöst, nicht im Modell selbst.
- Aufgabe: Was ergibt 1.847 × 23,5?
- Das Modell schreibt Codeprint(1847 * 23.5)
- Der Code wird ausgeführt. Ein Programm rechnet, nicht das Sprachmodell.
- Ergebnis: 43.404,5
Ohne Codeausführung
Die Zahl wird wie ein Wort vorhergesagt. Das Ergebnis kann plausibel aussehen und trotzdem falsch sein.
Mit Codeausführung
Das Modell formuliert die Rechnung, ein Programm berechnet sie. Prüfen Sie, ob tatsächlich gerechnet wurde.
Jede KI-Arbeit folgt drei Schritten. Der mittlere ist nicht verhandelbar.
Schritt 1
Aufgabe stellen
Die Eingabe formulieren und übergeben.
Schritt 2
Ergebnis prüfen
Hinterfragen und mit Quellen abgleichen.
Schritt 3
Korrigieren und freigeben
Anpassen und mit menschlicher Verantwortung versehen.
Wer Schritt zwei überspringt, trägt das Risiko der KI-Antwort persönlich. Das gilt für die Kundenmail ebenso wie für den Bericht an die Geschäftsführung.
Ohne Prüfung keine Freigabe.
Human in the Loop: Der Mensch bleibt die letzte Instanz.
Je größer die Wirkung, desto enger die Kontrolle. Kein KI-Ergebnis mit Außenwirkung verlässt das Unternehmen ohne menschliche Freigabe.
Typische Freigabepunkte
Regulatorisch
Für Hochrisiko-Systeme schreibt der EU AI Act menschliche Aufsicht vor. Vertiefung an Tag 7 (EU AI Act).
Die Verantwortung bleibt beim Menschen, nicht beim Modell.
Modelle, Werkzeuge und Modalitäten
Generative KI erzeugt Text, Bild, Video und Audio.
Ein Modell, das mehrere dieser Formen zugleich verarbeitet, heißt multimodal.
Text
Erzeugen, analysieren, strukturieren
ChatGPT, Claude, Gemini
Bild
Visualisierung aus Sprache
GPT Image 2, Nano Banana 2, Midjourney
Video
Kurze Sequenzen aus Text und Bild
Seedance 2.5, Veo 3.1
Audio
Stimme aus Text, Text aus Stimme
[Werkzeug vor Kursstart eintragen]
Die wichtigsten Bildmodelle.
OpenAI, in ChatGPT
GPT Image 2
Seit April 2026 Standard in ChatGPT. Löst DALL·E ab, das im Mai 2026 abgeschaltet wurde. Das erste Bildmodell von OpenAI mit eingebautem Denkschritt.
Google, in Gemini
Nano Banana 2
Seit Februar 2026, aufgebaut auf Gemini 3.1 Flash. Dazu Nano Banana 2 Lite seit Juni 2026 als schnellste und günstigste Variante.
Midjourney
Midjourney V8.2
Standardversion seit Juli 2026, mit Schwerpunkt auf Bildästhetik und einem neuen Modell zum Bearbeiten von Bildern.
Die wichtigsten Videomodelle.
ByteDance
Seedance 2.5
Im Juni 2026 vorgestellt. Erzeugt bis zu 30 Sekunden Video in einem Durchgang. Der Ton entsteht im selben Schritt und bleibt synchron. Bis zu 50 Referenzen aus Bild, Text und weiteren Medien steuern das Ergebnis.
Veo 3.1
Die aktuelle Veo-Generation, verfügbar als Veo 3.1, Veo 3.1 Fast und Veo 3.1 Lite.
Frontier-Modelle setzen den Maßstab für den Markt.
Frontier-Modelle sind die leistungsfähigsten Modelle an der vordersten Entwicklungslinie. An ihnen orientiert sich der übrige Markt.
| Werkzeug | Anbieter | Schwerpunkt |
|---|---|---|
| ChatGPT | OpenAI | Universelles Arbeitswerkzeug mit breiter Funktionspalette |
| Claude | Anthropic | Lange Dokumente, präzises Schreiben, strukturierte Analyse |
| Gemini | Integration in Google Workspace, aktuelle Webinhalte | |
| Copilot | Microsoft | Integration in Microsoft 365, arbeitet mit den Modellen von OpenAI |
| Mistral | Mistral AI, Frankreich | Offene Modelle und der Assistent Le Chat, europäische Alternative |
| DeepSeek | DeepSeek | Offen verfügbare Modelle, kosteneffizient |
Der Markt bewegt sich schnell. Wichtiger als das einzelne Modell ist das Verständnis der Kategorien.
Die Leitwerkzeuge und ihre aktuellen Modelle.
Stand Oktober 2026.
ChatGPT von OpenAI, Vertiefung an Tag 3 und 4
GPT-6 Astra: das Flaggschiff seit September 2026. Stark bei langen agentischen Aufgaben, bei der Steuerung von Computer und Browser und beim Einsatz von Werkzeugen, lokaler Software und Apps.
GPT-6.1 Sol: seit 29. September 2026. Laut OpenAI fast auf Astra-Niveau bei agentischer Arbeit, zu einem Fünftel der API-Preise.
Claude von Anthropic, Vertiefung an Tag 5 und 6
Fable 5.1: das leistungsstärkste allgemein verfügbare Modell.
Opus 5.5 für tiefe Arbeit, Sonnet 5.5 für den Alltag, Haiku 4.5 für schnelle, einfache Aufgaben.
Gemini von Google
Gemini 3.8 Flash: seit 2. September 2026, laut Google das leistungsfähigste Modell seiner Flash-Reihe für Programmierung und mehrstufiges Denken.
Gemini spielt seine Stärke vor allem in der Google-Welt aus: Workspace, Suche, aktuelle Webinhalte. Die Anbindung an Software außerhalb dieser Welt ist weniger offen als bei ChatGPT und Claude.
Claude: das richtige Modell für die Aufgabe.
Wählen Sie das Modell bewusst. Das leistungsstärkste lohnt sich dort, wo Fehler teuer sind.
Sonnet
Alltagsaufgaben, die Sie selbst in einem schnellen Durchgang erledigen würden.
Ein Protokoll zusammenfassen.
Opus
Tiefe Arbeit, bei der Sie wissen, wie das Ergebnis aussehen soll.
Einen Vertrag entlang festgelegter Prüfpunkte analysieren.
Fable
Komplexe, offene Vorhaben mit vielen Werkzeugen und Entscheidungen, bei denen Fehler teuer sind.
Das Budget des nächsten Jahres aus den Istzahlen planen.
Der Effort-Regler
Niedrig für Abläufe aus vielen einfachen Schritten. Hoch für komplexe Projekte mit mehr Planung und Zwischenprüfung.
Laut Anthropic ist Fable 5 mit niedrigem Effort oft so gut wie frühere Modelle auf höchster Stufe. Quelle: Anthropic, „Working with Claude Fable 5 in Claude Cowork“, Juli 2026.
KI wird zur Benutzerschicht über aller Software.
Heute bedienen Menschen Software. Künftig beauftragen sie einen Agenten, und der Agent bedient die Software.
Reisen
Booking.com und Expedia sind seit Oktober 2025 als Apps in ChatGPT verfügbar. Gesucht wird im Chat, bezahlt noch beim Anbieter. Unsere Erwartung: In weniger als einem Jahr bucht und bezahlt der Agent selbst.
Finanzen und Gesundheit
ChatGPT Health verbindet seit Januar 2026 Gesundheitsdaten. „Finanzen in ChatGPT“ verbindet seit Mai 2026 Konten und Depots. Gestartet in den USA. [Deutschland prüfen]
Software selbst
Plugins in Claude bündeln Skills, Agenten und Anbindungen. Skills können dabei Python-Code ausführen. So ersetzen sie Software: Rechnungsmails lesen, PDFs ablegen, Belege buchen.
Für Sie als KI-Manager
Prozesse, Daten und Schnittstellen werden wichtiger als Oberflächen. Wo ein Agent bezahlt, gilt Human in the Loop.
Die Oberfläche der Zukunft ist ein Auftrag, kein Menü.
Zugang, Lizenzen und Datenschutz
Zwei Zugangswege: Subscription und API.
Die Token kennen Sie aus Station 1. Hier werden sie zur Abrechnungseinheit.
Subscription
Zugang über eine fertige Oberfläche im Browser oder in der App. Feste Monatsgebühr je Nutzer, im Rahmen einer fairen Obergrenze. Für die tägliche Arbeit am Bildschirm.
API
Zugang für Programme, die das Modell im Hintergrund ansprechen. Abrechnung nach Verbrauch in Token. Für eigene Software, Automatisierung und Zusatzwerkzeuge.
Die Subscription bedient den Menschen am Bildschirm, die API bedient das Programm im Hintergrund.
Die Account-Stufe entscheidet über Ihren Datenschutz.
Sie legt fest, ob Ihre Eingaben zum Training verwendet werden dürfen.
Privat
Für Einzelpersonen. Eingaben können zum Training genutzt werden, je nach Anbieter und Einstellung. Für Unternehmensdaten ungeeignet.
Team oder Business
Für den betrieblichen Regelbetrieb. Kein Training auf Ihren Inhalten.
Enterprise
Für regulierte Branchen und große Organisationen. Zentrale Verwaltung, Datenresidenz, erweiterte Kontrollen.
Keine Unternehmensdaten in einen privaten Account.
Lizenzen der Leitwerkzeuge.
Ab der Team- oder Business-Stufe werden Ihre Inhalte bei allen drei Anbietern nicht zum Training verwendet. Das ist die betrieblich entscheidende Schwelle.
| Anbieter | Kostenlos | Einzelperson | Team oder Business | Enterprise |
|---|---|---|---|---|
| ChatGPT | Free | Go, Plus (20 USD je Monat), Pro | Business (20 USD je Nutzer und Monat, jährlich) | Individuell, EU-Datenresidenz |
| Claude | Free | Pro (17 USD je Monat bei jährlicher Zahlung, sonst 20 USD), Max (ab 100 USD je Monat) | Team (20 USD je Nutzer und Monat, jährlich) | 20 USD je Nutzer plus Verbrauch [vor Kursstart prüfen] |
| Gemini | Free | AI Plus (4,99 USD je Monat), AI Pro (19,99 USD je Monat), AI Ultra (ab 99,99 USD je Monat) | über Google Workspace | über Workspace Enterprise |
Listenpreise der Anbieter, Stand Juli 2026. Vor jedem Kurs prüfen.
Empfehlung für den Kurs
Ein Bezahl-Account für mindestens ein KI-Werkzeug. Er ist keine Voraussetzung für die Teilnahme.
Über die API zahlen Sie für jeden verarbeiteten Token.
Abgerechnet wird getrennt nach Eingabe und Ausgabe.
| Modell | Eingabe je 1 Mio. Token | Ausgabe je 1 Mio. Token |
|---|---|---|
| Claude Haiku 4.5 | 1 USD | 5 USD |
| Claude Sonnet 5.5 | 2 USD | 10 USD |
| GPT-6.1 Sol | 2 USD | 10 USD |
| Claude Opus 5.5 | 4 USD | 20 USD |
| Claude Fable 5.1 | 10 USD | 50 USD |
Listenpreise von Anthropic und OpenAI, Stand Ende September 2026. Vor jedem Kurs prüfen.
Das leistungsstärkste Claude-Modell kostet je Token das Zehnfache des günstigsten. Die Modellwahl ist auch eine Kostenentscheidung.
Bei der API zahlt der Betrieb für das, was tatsächlich verarbeitet wird.
Datenschutzkonforme Plattformen mit EU‑Hosting.
Langdock und MeinGPT betreiben keine eigenen Frontier-Modelle. Sie greifen über die API auf ChatGPT, Claude, Gemini und weitere zu und ergänzen eine gemeinsame Oberfläche sowie ein Hosting in der EU.
| Plattform | Hosting und Compliance | Preislogik |
|---|---|---|
| Langdock | EU-Hosting über Microsoft Azure, ISO 27001, SOC 2 Type 2, externer Datenschutzbeauftragter | Business-Lizenz je Nutzer, Mengen- und Jahresrabatt, Enterprise mit On-Premise ab 1.000 Nutzern |
| MeinGPT | Hosting in Deutschland, ISO 27001, DSGVO-konform | Ab 29 EUR/Nutzer/Monat inklusive 9 EUR Guthaben, Enterprise ab rund 500 EUR/Monat plus Verbrauch |
Stand Juli 2026. Vor jedem Kurs prüfen.
Ein Zugang, mehrere Modelle, Daten in der EU.
Freigabe im Betrieb
Welche Modelle, Stufen und Zugangswege zulässig sind, regelt eine betriebliche Freigabe. Vertiefung an Tag 7.
Erst die Freigabe, dann die Eingabe.
Vom Prompt zum Briefing
Prompt-Anatomie: So arbeitete man mit Chat-Assistenten.
Chat-Assistenten folgen dem Muster „Frage hinein, Antwort heraus“. Agentische Systeme planen selbst, nutzen Werkzeuge und prüfen ihre Zwischenergebnisse. Für sie zählt nicht die perfekte Formulierung, sondern ein gutes Briefing.
Klassisches Prompt Engineering verliert damit an Bedeutung. Die Anatomie bleibt trotzdem das Fundament, denn sie schult präzises Denken.
Fünf Bausteine eines guten Prompts.
Rolle, Kontext, Aufgabe, Format und Beispiele. Klicken Sie die Bausteine nacheinander an.
Mitmachen: Aus einem schwachen wird ein starker Prompt
{{bb.count}}
Die Leitfragen
- Rolle
- Welche Perspektive?
- Kontext
- Welche Information?
- Aufgabe
- Was genau soll geschehen?
- Format
- Wie soll das Ergebnis aussehen?
- Beispiele
- Woran soll sich die KI orientieren?
Zero-Shot und Few-Shot.
Wer der KI Beispiele mitgibt, überträgt Stil, Ton und Struktur.
Zero-Shot, ohne Beispiele
Gut für einfache Standardaufgaben.
„Schreib eine professionelle E-Mail an einen Kunden, dessen Lieferung sich um zwei Wochen verzögert.“
Few-Shot, mit Beispielen
Gut für alles, was nach Ihrem Haus klingen soll.
„Hier sind drei typische Kundenmails unseres Hauses. Schreib eine vierte im gleichen Stil für folgende Situation.“
Beispiele sind einer der wirksamsten Hebel für Qualität.
Kontext statt nur Regeln.
Briefen Sie die KI wie ein Teammitglied. Regeln sagen, was zu vermeiden ist. Kontext erklärt, wozu die Arbeit dient.
Nur Regeln
„Erstelle einen Bericht zu den Reisekosten. Maximal zwei Seiten, einfache Sprache.“
Die KI hält die Form ein, weiß aber nicht, worauf es ankommt.
Regeln plus Kontext
„Erstelle einen Bericht zu den Reisekosten im dritten Quartal. Er geht an die Geschäftsführung, die am Freitag über eine Anpassung der Reiserichtlinie entscheidet. Zeige, wo die Kosten gestiegen sind und warum. Maximal zwei Seiten, einfache Sprache.“
Die KI richtet Auswahl, Tiefe und Ton an der Entscheidung aus.
Die vier Fragen eines guten Briefings
- Für wen? Die Geschäftsführung.
- Bis wann? Vor der Sitzung am Freitag.
- Wozu? Entscheidung über die Reiserichtlinie.
- Woran messen? Einen früheren Entwurf und die Endfassung beilegen.
Quelle: Anthropic, „Working with Claude Fable 5 in Claude Cowork“, Juli 2026.
Ziel statt Schrittliste.
Eine Schrittliste begrenzt die KI. Ein Ziel lässt Raum für einen besseren Weg.
Bisher
Prompt 1: „Lies die Tabellen.“ Dann Prompt 2, 3, 4 bis zum Ergebnis.
Heute
„Erkläre die Abweichungen im Quartal für die Geschäftsführung.“ Die KI plant, arbeitet und prüft selbst.
Das Leitbild
- Sie: Situation erklären.
- Gemeinsam: Ergebnis vereinbaren.
- KI: arbeiten lassen. Sie prüfen das Ergebnis statt jedes Zwischenschritts.
Ausnahme: Geben Sie die Schritte vor, wenn der Weg zählt. Etwa wenn der Deckungsbeitrag jedes Mal exakt gleich berechnet werden muss.
Was Sie heute mitnehmen.
- KI berechnet Wahrscheinlichkeiten, sie ruft kein Wissen ab.
- Halluzinationen und weitere Grenzen machen die Prüfung zur Pflicht.
- Der Dreischritt und Human in the Loop tragen den ganzen Kurs.
- KI legt sich als Benutzerschicht über Software.
- Die Account-Stufe entscheidet über den Datenschutz.
- Agentische Systeme brauchen ein Briefing statt eines perfekten Prompts.
Transfer in Ihre Praxis
Welche wiederkehrende Aufgabe in Ihrem Bereich ist eine Sprachaufgabe und damit ein Kandidat für KI? An welcher Stelle wäre eine fehlende Prüfung besonders riskant? Welche Account-Stufe brauchen Ihre Daten mindestens?
Selbsttest
Ruft generative KI gesichertes Wissen ab?
Nein. Sie berechnet die wahrscheinlichste Fortsetzung.
Welcher Schritt im Dreischritt ist nicht verhandelbar?
Das Prüfen des Ergebnisses.
Ab welcher Account-Stufe werden Eingaben nicht zum Training genutzt?
Ab der Team- oder Business-Stufe.
Was braucht ein agentisches System statt eines Prompts?
Ein Briefing mit Ziel, Kontext und Qualitätskriterien.
Morgen, Tag 2
Prompt Engineering und Agentic Prompting
Sie steuern KI-Systeme über vier Leitpunkte.