2 Tage
KI verstehen und sicher nutzen
Cloud-KI und lokale LLMs im Unternehmensalltag
Die Teilnehmer lernen, KI sicher, kontrolliert und produktiv in ihrer täglichen Arbeit einzusetzen.
Geschichte der künstlichen Intelligenz
Um den heutigen Stand einordnen zu können, lohnt sich ein kurzer Blick auf die Entwicklungslinie — von den ersten Ideen bis zur generativen KI.
Von den Anfängen bis zum Deep Learning
- Turing und frühe Forschung: Alan Turing fragt 1950, ob Maschinen denken können — ein Grundstein für die KI-Forschung.
- Dartmouth-Konferenz (1956): Der Begriff „künstliche Intelligenz" wird geprägt. Große Erwartungen an regelbasierte Systeme.
- Expertensysteme und KI-Winter: In den 1970er und 1980er Jahren zeigen Expertensysteme erste Erfolge, doch überzogene Versprechen führen zu Finanzierungslücken — den sogenannten „KI-Wintern".
- Maschinelles Lernen und Deep Learning: Ab den 2000er Jahren gewinnen datengetriebene Ansätze an Bedeutung. Neuronale Netze mit vielen Schichten („Deep Learning") erreichen erstmals überlegene Ergebnisse bei Bilderkennung, Sprachverarbeitung und Spielen.
Vom Transformer zur generativen KI
- Transformer-Architektur (2017): Ein bahnbrechender Ansatz für die Verarbeitung von Sequenzen — Grundlage der heutigen großen Sprachmodelle.
- Große Sprachmodelle: Modelle wie GPT, Claude und andere lernen aus riesigen Textmengen und können Texte, Code und mehr generieren.
- Generative und multimodale KI: KI-Systeme erzeugen nicht nur Texte, sondern auch Bilder, Audio und Video — zunehmend in Kombination (multimodal).
- Lokale LLMs: Open-Source-Modelle ermöglichen den Betrieb von Sprachmodellen auf eigener Hardware — mit mehr Kontrolle über Daten und Prozesse.
Entwicklungssprünge im Jahr 2026
Die KI-Landschaft hat sich in den letzten Jahren rasant verändert. Was heute möglich ist, unterscheidet sich deutlich von der Situation vor wenigen Jahren.
Vom Chatbot zum KI-Agenten
- KI-Agenten: KI-Systeme können zunehmend eigenständig mehrstufige Aufgaben bearbeiten — nicht nur auf einzelne Fragen antworten, sondern Werkzeuge nutzen, Ergebnisse zusammenführen und als „autonome Agenten" komplexe Abläufe durchführen.
- Multimodale Verarbeitung: Texte, Bilder, Audio und Video werden in einem System verarbeitet und kombiniert.
- Lokale Modelle sind leistungsfähiger als je zuvor — der Betrieb auf eigener Hardware wird für viele Anwendungsfälle praktikabel.
KI im Unternehmenskontext
- Zunehmende Integration in Arbeitsprozesse: von der Dokumentenverarbeitung über die Kundenkommunikation bis zur Prozessautomatisierung.
- Wachsende Bedeutung von Kontrolle, Datenschutz und Governance — Unternehmen müssen entscheiden, welche Daten wohin fließen dürfen.
- Hybride Architekturen gewinnen an Bedeutung: Cloud-KI für bestimmte Aufgaben, lokale Modelle für vertrauliche Inhalte.
Zukunft von Arbeit und Gesellschaft
Die folgenden Szenarien sind keine Vorhersagen, sondern mögliche Entwicklungen — basierend auf aktuellen Trends und Expertenmeinungen.
Mögliche Veränderungen der Arbeitswelt
- Viele Berufsbilder werden sich verändern — nicht verschwinden, aber neue Kompetenzen erfordern.
- Fachwissen und Urteilsvermögen gewinnen an Bedeutung: KI kann unterstützen, aber keine Verantwortung übernehmen.
- Kleine und mittelständische Unternehmen haben Chancen, durch KI-Einsatz wettbewerbsfähiger zu werden — wenn sie die Werkzeuge verstehen.
Gesellschaftliche Auswirkungen
- Risiken durch Abhängigkeit von KI-Systemen, Desinformation und ungleiche Teilhabe an neuen Technologien.
- Mögliche Transformation von Bildung, Wirtschaft und Gesellschaft — mit Chancen und Herausforderungen.
- Die Frage nach Kontrolle, Transparenz und ethischen Rahmenbedingungen wird weiter an Bedeutung gewinnen.
Inhalte
KI-Grundlagen
- Funktionsweise und Grenzen generativer KI
- Geeignete und ungeeignete Einsatzbereiche
- Fehlerquellen und Qualitätskontrolle
- Unterschiede zwischen Sprachmodell, Suchmaschine und klassischer Software
Cloud-KI und lokale KI
- Technische Unterschiede: Cloud-basierte Dienste vs. Modelle auf eigener Hardware
- Datenschutz und Vertraulichkeit: Welche Daten dürfen wohin?
- Kosten, Kontrolle und Anbieterabhängigkeit vergleichen
- Hardwareanforderungen und Betriebsaufwand lokaler Modelle verstehen
Datenschutz und rechtliche Orientierung
- Personenbezogene und vertrauliche Daten erkennen
- Geschäftsgeheimnisse und interne Dokumente schützen
- Anbieter und Datenverarbeitung bewerten
- Interne Regeln für erlaubte und unerlaubte Nutzung entwickeln
KI im Arbeitsalltag
- Texte, E-Mails und Dokumente erstellen und bearbeiten
- Recherche und Zusammenfassungen mit KI unterstützen
- Planung, Organisation und Kommunikation optimieren
- Wiederverwendbare Arbeitsabläufe entwickeln
Gute Arbeitsaufträge (Prompting)
- Ziele und Kontext klar formulieren
- Ergebnisse und Formate definieren
- Aufgaben schrittweise verbessern
- Wiederverwendbare Prompts entwickeln
Praxis
Die Teilnehmer bearbeiten eigene typische Aufgaben aus ihrem Unternehmensalltag und vergleichen Cloud-KI mit lokalen Modellen.
Mögliche Übungen:
- Eine E-Mail oder Kundenkommunikation entwickeln
- Ein längeres Dokument zusammenfassen
- Eine interne Arbeitsanweisung erstellen
- Fehlerhafte KI-Ausgaben erkennen und verbessern
- Einen persönlichen Standard-Prompt entwickeln
Praxisübung: Unser Unternehmen im Jahr 2030
In dieser Gruppenübung analysieren die Teilnehmer:
- Welche Aufgaben sich in ihrem Unternehmen verändern könnten
- Welche Aufgaben weiterhin menschliche Verantwortung benötigen
- Welche Kompetenzen künftig erforderlich sind
- Welche lokale oder hybride KI-Infrastruktur denkbar ist
- Welche kurzfristigen Maßnahmen bereits heute sinnvoll sind
Ergebnisse
Nach diesem Workshop nehmen Sie mit:
- Eigene KI-Anwendungsfälle für Ihr Unternehmen
- Wiederverwendbare Prompt-Vorlagen
- Checkliste zur Qualitätskontrolle
- Entscheidungshilfe für Cloud-KI und lokale LLMs
- Grundregeln für den sicheren Umgang mit Unternehmensdaten
- Persönlicher Umsetzungsplan für die nächsten 30 Tage
Ablauf nach Tagen
Tag 1: Verstehen und einordnen
- Geschichte der KI — von den Anfängen bis zur generativen KI
- Stand der KI im Jahr 2026: Vom Chatbot zum KI-Agenten
- Vorsichtiger Zukunftsausblick: Mögliche Veränderungen
- Cloud-KI, lokale KI und hybride Systeme vergleichen
- Datenschutz und rechtliche Orientierung
Tag 2: Anwenden und übertragen
- KI im Arbeitsalltag — praktische Übungen mit eigenen Aufgaben
- Prompting und strukturierte Arbeitsaufträge
- Qualitätskontrolle: Fehler erkennen und verbessern
- Praxisübung „Unser Unternehmen im Jahr 2030"
- Individueller Umsetzungsplan entwickeln
Enthaltene Leistungen
- Digitale Unterlagen und Arbeitsblätter
- Prompt-Vorlagen und Checklisten
- Teilnahmebescheinigung
Kalkulation
Inhouse-Workshops werden abhängig von Teilnehmerzahl, Anpassungsumfang, Veranstaltungsort und technischen Anforderungen individuell kalkuliert. Nach einem unverbindlichen Erstgespräch erhalten Sie ein transparentes Angebot.