RISC AI ACADEMY: Ihr Weg zur KI-Kompetenz

Von den symbolischen Anfängen der 1950er-Jahre bis zu modernen Deep-Learning-Architekturen: Dieses Modul führt in zentrale Konzepte wie Modelltraining, Hyperparameter-Tuning und Modellevaluierung ein. Praxisbeispiele verdeutlichen, weshalb hochwertige Daten die wesentliche Voraussetzung für belastbare Ergebnisse sind. Ein Ausblick auf aktuelle generative KI-Verfahren schlägt die Brücke zu den weiterführenden Modulen.

Dieses Modul beleuchtet die technologischen Grundlagen moderner Sprachmodelle (ChatGPT & Co.) und erläutert, wie KI-Modelle Texte analysieren, interpretieren und generieren. Es geht um aktuelle Entwicklungen wie die Verknüpfung von LLMs mit eigenen Datenquellen (RAG) und den aufkommenden Ansatz agentischer KI. Den Abschluss bildet ein praxisorientierter Leitfaden für den erfolgreichen Einsatz in der eigenen Organisation.

Wie gelingt es Maschinen, Bilder zu „sehen“ und daraus Informationen zu gewinnen? Dieses Modul führt in die Grundlagen der Computer Vision ein – von Pixelwerten bis zu Deep-Learning-Ansätzen (Convolutional Neural Networks). Es wird gezeigt, weshalb die Qualität von Datensätzen und iterative Trainingszyklen entscheidend sind. Auch Herausforderungen wie Datenschutz und manipulierte Eingaben werden thematisiert.

Dieses Modul zeigt, wie KI-gestützte Bildverarbeitung in der Fertigung eingesetzt wird, um Fehler frühzeitig zu erkennen, Prozesse zu optimieren und die Sicherheit zu erhöhen. Praxisbeispiele (Defekterkennung, Inline-Inspektion, Anomalieerkennung) verdeutlichen den Mehrwert für Qualitätssicherung und Effizienzsteigerung. Der Fokus liegt auf der Verbindung von Fachwissen aus der Domäne mit leistungsfähigen Vision-Modellen.

Damit KI-Projekte vom Prototypen in die Praxis gelangen, braucht es sauberes Datenmanagement und einen stabilen Betrieb. Dieses Modul vermittelt die Grundlagen moderner Data-Engineering-Konzepte (Datenpipelines, Data Lakes) und die Prinzipien von MLOps. Themen wie Versionierung, Monitoring und der Umgang mit Daten-/Konzeptdrift stehen im Mittelpunkt.

Zeitreihen sind die zentrale Datenform für das Verständnis dynamischer Prozesse (Produktionsanlagen, Energiesysteme). Das Modul vermittelt die Grundlagen der Zeitreihenanalyse und fokussiert industrielle Anwendungsfelder wie vorausschauende Wartung, Qualitätskontrolle und Nachfrageprognosen. Besonderes Augenmerk gilt Herausforderungen wie Rauschen und Konzeptdrift sowie der Notwendigkeit robuster Modelle.

Dieses Modul widmet sich den zentralen Fragen rund um verantwortungsvolle KI: Wie stellen wir sicher, dass Systeme fair, transparent und nachvollziehbar sind? Anhand von Beispielen werden Chancen und Risiken aufgezeigt – von der Bias-Problematik bis zur Frage der Mensch-Maschine-Zusammenarbeit. Ziel ist die Sensibilisierung für ethische Fragestellungen und die Schaffung eines Rahmens für den verantwortungsvollen Einsatz.

Künstliche Intelligenz wirft rechtliche und ethische Fragen auf. Dieses Modul beleuchtet die zentralen rechtlichen Rahmenbedingungen in Europa. Im Fokus stehen die Anforderungen der DSGVO sowie die Vorgaben des neuen EU AI Acts. Anhand praxisnaher Beispiele wird gezeigt, welche Verpflichtungen Unternehmen beim Einsatz von KI beachten müssen – von Transparenzpflichten bis zu Haftungsfragen.

Dieses Modul richtet den Blick nach vorn: Es skizziert die aktuellen Innovationstreiber (US-Giganten, europäische Initiativen) und ordnet Technologien anhand eines „Hype-to-Market-Radar“ ein. Praxisbeispiele aus Automobil, Fertigung und Medizin zeigen, wie KI international Wertschöpfung, Arbeitsprozesse und Geschäftsmodelle verändert.

Dieses Modul bietet einen kompakten Überblick über die wichtigsten aktuellen KI-Anwendungen – von Text- und Bildgeneratoren bis zu Klonen von Stimmen. Im Vordergrund steht der konkrete Nutzen: Die Teilnehmenden erhalten Werkzeuge und Anregungen, um eigene Problemstellungen mit KI zu bearbeiten und sehen, wie KI kreative und produktive Arbeitsprozesse verändert.

Wie lassen sich die Potenziale von KI konkret im eigenen Unternehmen nutzen? In diesem Modul stehen praktische Anwendungsfälle im Mittelpunkt. Gemeinsam mit den Teilnehmenden werden branchenspezifische Herausforderungen identifiziert, in Use Cases übersetzt und systematisch auf Umsetzbarkeit geprüft. Ziel ist ein strukturierter Fahrplan möglicher KI-Projekte.

Agentic AI beschreibt den nächsten Entwicklungsschritt von KI-Systemen: weg von reinen Antwortmaschinen hin zu eigenständigen Akteuren, die Tools verwenden und Entscheidungen vorbereiten. Dieses Modul gibt einen Überblick über die zugrunde liegenden Konzepte (Tool-Einbindung, neue Architekturen) und schafft eine Grundlage für die Diskussion möglicher zukünftiger Einsatzszenarien.

KI-gestützte Coding Assistants (GitHub Copilot, ChatGPT) verändern die Softwareentwicklung grundlegend. Dieses Modul zeigt, wie diese Systeme den Alltag von Entwickler:innen unterstützen (Code-Vervollständigen, Testgenerierung). Diskutiert werden Produktivitätsgewinne, aber auch Grenzen, Risiken und rechtliche Aspekte (Urheberrechte, sicherer Umgang mit Daten).

Dieses Modul demonstriert, wie mit modernen No-Code- und KI-Assist-Tools funktionsfähige Softwareprototypen ohne klassische Programmierkenntnisse realisiert werden können. An Live-Demos erleben Teilnehmende, was „Vibe Coding“ bedeutet. Gleichzeitig beleuchten wir klar die Grenzen: Sicherheit, Skalierung und Wartbarkeit bleiben Kerndomänen professioneller Entwickler:innen.

Dieses Modul zeigt, wie Unternehmen KI systematisch in ihre Wertschöpfung integrieren – von der Denkweise „+AI“ bis zur radikalen „AI+“-Logik. Es wird erläutert, welche Kriterien über Make-or-Buy entscheiden, und eine Entscheidungsmatrix für Investitionen (GPU, Edge-Deployments) geboten. Ergebnis ist ein klarer Fahrplan, der Optionen, Investitionsbedarf und Geschäftsnutzen in Einklang bringt.