From Data to Decisions - Erfolgreiche Projekte mit Data Science und KI

Ein wichtiges Kapital jedes Unternehmens ist der eigene Datenschatz als Quelle für Antworten auf zentrale Fragen des Geschäftsmodells. KI und Data Science Projekte sollen umsetzbare Erkenntnisse aus dieser Ressource gewinnen, scheitern jedoch oft an der Schnittstelle zwischen Fachlichkeit und Technik: Entscheider wissen nicht genau, was KI heute leisten kann, während Data Scientists zwar technische Expertise mitbringen, sich aber häufig zu wenig auf die fachlichen Anforderungen einlassen, um Spitzentechnologien wirklich an den richtigen Geschäftsfragen auszurichten. Dieses Seminar zeigt, wie die fachlich motivierte Auswahl von Technologie und Datenbasis das volle Potenzial von KI im Unternehmenskontext entfalten kann. Die Teilnehmer lernen den gesamten Prozess kennen - von der fachlichen Fragestellung über die Auswahl geeigneter Methoden und Daten bis hin zur Bewertung der Ergebnisse. Sie erhalten einen verständlichen Einblick in moderne KI Konzepte und schlagen die Brücke von klassischem Machine Learning über Unsupervised und Self Supervised Learning bis hin zu Generative AI und großen Sprachmodellen. So verstehen sie Funktionsweise, Grenzen und sinnvolle Einsatzszenarien dieser Technologien und schaffen die Basis, eigene KI Use Cases erfolgreich umzusetzen.

Zielgruppe:

- Fachliche Entscheider aus Business Bereichen, die KI und Data Science Projekte anstoßen möchten - Projektleiter und (IT )Manager, die KI Vorhaben koordinieren und zwischen Fachbereich, IT und Data Science vermitteln. - Data Scientists, Data Analysts und BI Spezialisten, die ihre Arbeit stärker an fachlichen Fragestellungen ausrichten wollen.

Voraussetzung:

Grundlegendes Verständnis von KI

Ziele/Nutzen des Seminars:

• Formulierung und Übersetzung von fachlich getriebenen KI Use Cases in konkrete, messbare Ziele
• Auswahl geeigneter Methoden für unterschiedliche Fragestellungen
• Aufzeigen von Chancen und Grenzen aktueller KI Technologien.
• Vermittlung von Grundlagen zur Bewertung eigener KI Use Cases

Inhalte:

• Grundlagen: Was sind "handlungsrelevante" Erkenntnisse und wie übersetze ich Geschäftsfragen in Daten und KI Use Cases?
• Top down vs. Bottom up: Vorgehensmodelle für Data Science Projekte und wie Fachlichkeit und Technik sinnvoll zusammenspielen.
• Datenbasis: Anforderungen an Datenqualität, Data Governance und Datenschutz als Fundament für belastbare Modelle.
• Methodenüberblick: Klassisches Machine Learning, Unsupervised und Self Supervised Learning, Generative AI und große Sprachmodelle.
• Methodenwahl in der Praxis: Wann einfache Modelle ausreichen, wann komplexe Verfahren nötig sind und wie man Grenzen von KI realistisch einschätzt.
• Erwartungsmanagement: Realistische Zielbilder und typische Stolpersteine in KI Projekten