Strategische Integration von KI - Von der Datenanalyse zur Automatisierung

Seminarziel

Das Seminar zielt darauf ab, den Teilnehmenden ein tiefgehendes Verständnis der technologischen Grundlagen und praktischen Anwendung intelligenter Systeme zu vermitteln. Sie lernen, wie sie Daten effizient aufbereiten, Machine-Learning-Modelle trainieren und in Echtzeitanwendungen integrieren können, um Geschäftsprozesse zu optimieren. Der Fokus liegt auf der Umsetzung in realen Szenarien, sodass die Teilnehmer in der Lage sind, innovative und zukunftssichere Lösungen zu entwickeln.

Inhalt

• Einführung in Intelligent Applications
  • Vorstellung des Konzepts intelligenter Anwendungen und deren Bedeutung in der digitalen Transformation
  • Historische Entwicklung und aktuelle Trends in der intelligenten Softwareentwicklung
  • Überblick über zentrale Technologien, die intelligente Anwendungen ermöglichen
  • Ziele und Nutzen intelligenter Anwendungen für Unternehmen
• Datengrundlagen und Integration
  • Bedeutung von qualitativ hochwertigen Daten für intelligente Anwendungen
  • Methoden zur Datenaufbereitung, -bereinigung und -integration
  • Einsatz von ETL-Prozessen und Data Lakes zur zentralen Datenspeicherung
  • Best Practices für den Aufbau robuster Datenpipelines
• Grundlagen des Machine Learnings
  • Einführung in maschinelles Lernen und zentrale Algorithmen
  • Unterschiedliche Modelltypen (überwacht, unüberwacht, bestärkend)
  • Bedeutung von Trainings- und Testdatensätzen
  • Überblick über populäre ML-Frameworks (z. B. TensorFlow, PyTorch)
• Natural Language Processing und Conversational AI
  • Grundlagen der natürlichen Sprachverarbeitung (NLP)
  • Einsatz von NLP in Chatbots und virtuellen Assistenten
  • Vorstellung von Technologien wie BERT, GPT und anderen Sprachmodellen
  • Anwendungen und Herausforderungen in der Sprachverarbeitung
• Computer Vision und Bildverarbeitung
  • Einführung in die Bildverarbeitung und deren Einsatz in intelligenten Anwendungen
  • Überblick über Convolutional Neural Networks (CNNs) und deren Anwendung
  • Einsatzmöglichkeiten von Computer Vision in der Qualitätskontrolle und Überwachung
  • Best Practices für die Implementierung von Bildanalyse-Algorithmen
• Intelligente Automatisierung und Robotik
  • Integration von KI in Automatisierungssysteme und Robotik
  • Einsatz von Sensorik und Aktorik zur Schaffung autonomer Systeme
  • Fallstudien zu intelligenten Robotiklösungen und industrieller Automatisierung
  • Strategien zur Optimierung von Regelkreisen und adaptiven Steuerungsalgorithmen
• Deployment, Skalierung und Monitoring
  • Methoden zur Bereitstellung von intelligenten Anwendungen in Produktionsumgebungen
  • Nutzung von Cloud-Diensten und Containern zur Skalierung von ML-Modellen
  • Implementierung von Monitoring-Tools zur Überwachung der Systemleistung
  • Strategien zur kontinuierlichen Optimierung und Fehlerdiagnose
• Zukunftstrends und strategische Überlegungen
  • Diskussion aktueller Trends in KI, Edge Computing und IoT
  • Ausblick auf zukünftige Entwicklungen in der intelligenten Softwareentwicklung
  • Strategische Planung zur Integration neuer Technologien in bestehende Systeme
  • Chancen und Risiken für Unternehmen im Zeitalter der digitalen Transformation
• Praktische Abschlussübung
  • Aufgabe: In Gruppenarbeit entwickeln die Teilnehmenden ein vollständiges End-to-End-Szenario zur Implementierung einer intelligenten Anwendung in einem fiktiven Unternehmen
  • Ziel: Die Teilnehmenden integrieren Datenaufbereitung, ML-Modelltraining, Deployment und Monitoring in eine konsistente Anwendung
  • Ergebnis: Jede Gruppe präsentiert ihr Konzept inklusive einer Live-Demo der zentralen Funktionen; anschließend erfolgt eine moderierte Feedbackrunde zur Diskussion von Verbesserungspotenzialen
  • Fokus liegt dabei auf der strategischen Integration und den Geschäftsvorteilen intelligenter Anwendungen