• Ein tiefgehendes Verständnis: Erhalten Sie einen umfassenden Einblick in die Funktionsweise von KI und LLMs. Wir erklären komplexe Sachverhalte verständlich und zeigen Ihnen, welche Möglichkeiten und Grenzen diese Technologien bieten.
• Praxisnahe Anwendung: Lernen Sie bewährte Methoden kennen, um KI-Projekte erfolgreich zu planen und umzusetzen. Anhand konkreter Beispiele erfahren Sie, wie Sie die KI-Technologien (Neuronale Netze, Generative KI, etc.) in Ihren Unternehmenskontext integrieren können.
• Wertvolle Erfahrungen: Profitieren Sie von unserem Expertenwissen und den Erfahrungen aus zahlreichen KI-Projekten. Wir teilen Best Practices und helfen Ihnen, potenzielle Fallstricke zu vermeiden.

Einordnung von Künstlicher Intelligenz:

• Aktueller Stand und Science-Fiction
• Erfolgsstories und Misserfolge
• Was sind LLMs und was unterscheidet diese von anderer KI?

 Anwendungen von Künstlicher Intelligenz:

• Lösungsfähigkeiten: Welche Problem kann ich lösen? Welche nicht?
• Was gehört alles zu einer KI-Lösung (Daten, Algorithmen, u.a.)?
• Beispiele für implementierte Business-Anwendungen

Deep Dive – Schritte im Projekt:

• Projektphasen im Machine Learning
• Bewertung der Lösungsqualität
• Erkennung von Fortschritten

Organisation

• Zusammenstellung eines effektiven Teams
• Rollen, Zusammenarbeit und Organisation

Deep Dive - Verstehen wie Künstliche Intelligenz funktioniert:

• Wie lernen Maschinen?
• Klärung von Begriffen: Machine Learning, Künstliche Intelligenz, Adaptivität
• Einsatz von lernenden Algorithmen und LLMs in realen Systemen

Von der Idee zum operativen Einsatz:

• Entwicklung und Bewertung konkreter Use-Cases
• Minimal Viable Product (MVP) und iterative Verbesserung
• Umsetzung und Integration in den laufenden Betrieb

Praxis I (Use-Cases finden):

• Identifikation von Use-Cases aus dem Erfahrungsbereich der Teilnehmer
• Ideenfindung
• Clustern, Bewertung und Erstellung einer Umsetzungs-Roadmap

Praxis II (Use-Cases konkretisieren):

• Konkretisierung ausgewählter Use-Cases
• Umwandlung von Ideen in analytische Fragestellungen
• Ableitung von Vorbedingungen und Machbarkeitsprüfung

Voraussetzungen für das Nutzen von KI:

• Datenqualität
• Das richtige Mindset
• Datenfülle, aber nicht zwangsläufig Big Data

Dr. Peter Karcher verfügt über einen Master in Mathematical Science und Statistics (Univ. of California Santa Barbara, USA), ein Diplom in Informatik sowie eine Promotion (Ph.D.) in Statistics & Applied Probability (USA). Mit über 20 Jahren Erfahrung in E-Commerce, Bio-Tech und der Energiebranche verantwortet er beim DataLab der EnBW AG ein Team von 15 Experten. Seine Arbeit umfasst die Entwicklung von Machine-Learning- und KI-Lösungen sowie den operativen 24x7 Betrieb einer skalierbaren KI-Plattform. Mit einem Projekt wurde sein Team als „AI Champion of Baden-Württemberg 2020“ ausgezeichnet. Er hat über 120 Data & AI Use-Cases umgesetzt und den EnBW-Innovationspreis gewonnen. Dr. Karcher bringt eine einzigartige Kombination aus fundierter Theorie und praxisnaher Umsetzungsstärke mit.