Inhalt

Tag 1: Einführung und Zielsetzung
- Strategische Grundlagen und Rahmenbedingungen
- Unternehmensstrategischer Nutzen von KI
- Warum KI für Führungskräfte, Entscheider und Projektleitende essenziell ist
- Wertschöpfung und ROI (Return on Investment) durch KI
- Beispiele für erfolgreiche KI-Initiativen im Management
- Rechtlicher Rahmen: EU AI Act
- Wichtige Eckpunkte zu Compliance und Nachweispflichten
- Rolle der Führungsebene bei der Umsetzung (Stakeholder-Kommunikation, Risikomanagement)

Tag 2: Praxis-Insights und Umsetzung
- KI-Tools aus Managementperspektive
- Marktübersicht von KI-Tools
- Kosten, Lizenzmodelle und Skalierbarkeit
- Einführung Prompt Engineering und Generative AI: strukturierte Erstellung von Eingaben (Prompts) für KI-Tools
- Generative KI für Text, Bild und Video (z.?B. ChatGPT, Midjourney, Synthesia)
- Hands-on-Übung: Praxiseinstieg in Prompting, Feinjustierung von Prompts
- Computer Vision und KI-basierte Video-Erstellung
- Identifikation von Anwendungsfällen im Unternehmen
- Aufzeigen von Business-Potenzialen (z.?B. Marketing, Kundenkommunikation)
- Vorstellung von Tools und Plattformen: Chancen und Grenzen
- KI-Automatisierungsmöglichkeiten im Betrieb

Tag 3: Organisationsentwicklung, Governance & Change-Management
- Analyse der Unternehmensprozesse und Identifikation von KI-Potenzialen in verschiedenen Abteilungen
- Methoden zur Bestandsaufnahme (Reifegradanalyse, GAP-Analyse)
- KI-Governance und Strategieentwicklung
- Aufbau einer tragfähigen Organisationsstruktur für KI-Projekte
- Verantwortlichkeiten und Rollenverteilung (KI-Team, Projektleitung, Fachabteilungen)
- Risikomanagement (Bias, Ethik, Datenschutz)
- Change- Management und Stakeholder-Einbindung
- Kommunikationsstrategien für Akzeptanz und Transparenz
- Schulungen und Lernangebote (z.?B. interne Workshops, E-Learning)
- Umgang mit Widerständen und kulturellen Barrieren

Tag 4: Planung, Controlling und Umsetzung von KI-Projekten
- Projektmanagement-Methoden (agil vs. klassisch) für KI-Vorhaben
- Budget- und Ressourcenplanung (Tools, Personal, Infrastruktur)
- Qualitäts-, Risiko- und Zeitmanagement (Meilensteine, KPI-Tracking, Roadmap)
- Kriterien für die Auswahl externer KI-Dienstleister (z.?B. Prompting-Spezialisten)
- Datenschutz und Service -Level -Agreements
- Zusammenarbeit mit Forschungseinrichtungen und Start-ups
- Controlling und Erfolgsmessung
- Entwicklung eines Kennzahlensystems (KPIs) zur Projektbewertung
- Laufende Optimierung und Skalierung erfolgreicher KI-Lösungen

Tag 5: Nachhaltige Integration von KI im Unternehmen
- Skalierung von Pilotprojekten auf andere Geschäftsbereiche
- Kontinuierliche Verbesserung (z.?B. datenbasierte Entscheidungsfindung, Feedback-Schleifen)
- Corporate Digital Responsibility (CDR): verantwortungsvolle und ethische KI-Nutzung

Nutzen

Als AI-Managerin bzw. AI-Manager (TÜV), im deutschen auch als KI-Managerin oder KI-Manager (TÜV) bezeichnet, behalten Sie stets die Gesamtübersicht über alle KI-Prozesse im Unternehmen. Sie legen strategische Ziele fest und koordinieren Budgets, Personal und externe Dienstleister, um reibungslose Abläufe zu gewährleisten.

Dabei überwachen Sie kontinuierlich den Fortschritt in KI-Projekten, bündeln Ergebnisse und stimmen die beteiligten Teams aufeinander ab. Durch diese übergeordnete Position bilden Sie die Schnittstelle zwischen technischen Fachleuten und der Unternehmensleitung. So stellen Sie sicher, dass KI-Projekte ihr volles Potenzial entfalten und nachhaltigen Mehrwert schaffen.

In unserer KI-Weiterbildung für KI-Manager und KI-Managerinne