Qualifizierungsangebote für KI-Befähiger*innen
Kostenfrei, webbasiert und von unseren KI-Manager*innen kuratiert.
KI-Kompetenzen für AI Manager*innen, AI Scouts und andere Mittlerrollen
Diese Kompetenzen betreffen alle Mittlerrollen und Enabler im Berufsumfeld, beispielsweise AI Scouts oder Botschafter*innen, AI Manager*innen, KI-Projekt- und Transformationsmanager*innen sowie Compliance- und Qualitätsverantwortliche. Befähiger*innen haben einen breiten Überblick über KI-Technologien und -Lösungen. Sie müssen Use Cases in der Organisation scouten, KI-Projekte koordinieren, Wissen und Standards sichern sowie Risiken des KI-Einsatzes in der Organisation minimieren. Je nach Aufgabenzuschnitt verbinden Befähiger*innen Prozess- und Toolwissen, kuratieren praxistaugliche Anwendungsfälle, helfen bei der Toolauswahl, übersetzen rechtliche und ethische Leitplanken in Arbeitsanweisungen und/oder schulen Kolleginnen und Kollegen. In vielen Unternehmen verteilen sich diese Kompetenzen auch über mehrere Enabler-Rollen.
Welche KI-Kompetenzen werden benötigt?
- Überblick über das KI-Ökosystem, z. B. nutzbare KI-Initiativen und Transferzentren, Informationsmaterialien und Veranstaltungsformate
- Dynamischer Kompetenzaufbau in der Belegschaft, z. B. Festlegung von Rollen, Aufgaben und Formaten; Auswahl der Schulungsinhalte passend zu den genutzten KI-Technologien; Dokumentation nach EU AI Act; didaktische Grundlagen, wie sich KI zielgruppenspezifisch und zugänglich vermitteln lässt
- Verständnis der Risiken von exzessiver Sprachmodell-Nutzung, z. B. Kompetenzabbau, einseitige emotionale Beziehungen, sowie Möglichkeiten der Risikominimierung, z. B. Reflexion der Nutzung
- Organisationskultur im KI‑Wandel, z. B. psychologische Sicherheit, Umgang mit Skepsis, Transparenz in Pilotprojekten
- Überblick über branchenspezifische und technologische Trends, z. B. Best Practices der Wettbewerber, neue Technologien und beliebte KI-Software oder SaaS-Lösungen (Software as a Service)
- Überblick über KI-Anwendungen im Berufskontext, z. B. Use Cases benennen, Abgrenzung von KI-Bedarf und Automatisierungspotenzial, Grenzen einzelner KI-Technologien beschreiben
- Use-Case-Entwicklung, z. B. Scouting von Use Cases in allen Funktionsbereichen der Organisation; Bewertung der Wirtschaftlichkeit und der technischen Machbarkeit; Priorisierung und Detailkonzeption im Hinblick auf technische und funktionale Erfordernisse; Bewertung der Relevanz digitaler Souveränität für den Use Case
- Scouting von Lösungen auf dem Markt, z. B. fundierte Kenntnisse über Unterscheidungsmerkmale, Dokumentationspflichten sowie ggf. einzufordernde Garantien der Anbieter
- KI-Portfoliomanagement, z. B. Erstellung von Roadmaps und Iterationsschleifen bei der Bewertung von Use Cases; Monitoring der KI-Use-Case-Entwicklung durch die verschiedenen Phasen hindurch; Erkennen von Synergien zwischen Use Cases; Festlegung von Abbruchkriterien
- Erweiterte Kenntnisse über Sprachmodelle und ihre Unterschiede, z. B. konzeptionelle Funktionsweise, Embeddings, Parameter, Abschneiden in Benchmarks, Kontextfenster, Kosten, proprietär vs. Open Source
- Grundverständnis für die Entwicklung von mehrstufigen KI-Workflows (z. B. n8n) und spezialisierten Assistenten (z. B. CustomGPTs, Gemini Gems oder Copilot Notebooks)
- Grundverständnis für die Möglichkeiten von Maschinellem Lernen, z. B. Überwachtes Lernen, Unüberwachtes Lernen
- Steuerung von KI-Projekten, z. B. Entwicklung und Überwachung messbarer Erfolgsindikatoren, Kostenanalyse, Projekt-Roadmap
- Risikomanagement, z. B. Konzeption und Überwachung technischer Metriken wie Recall, Precision; Festlegung und Sicherstellung menschlicher Kontrolle auf unterschiedlichen Ebenen; Feedbackmechanismen
- Kennen von aktuell relevanten Angriffskategorien auf KI-Systeme (z. B. OWASP Top 10 für LLM-Applikationen) sowie Grundkenntnisse, wie die Angriffskategorien das Geschäftsmodell beeinflussen
- Entwicklung von Notfallplänen
- Sensibilisierung für Social Engineering, z. B. KI-generiertes Phishing oder Identitätsbetrug durch Deepfakes
- Maßnahmen auf Organisationsebene zur Stärkung der Cyberresilienz im Kontext von KI, z. B. dynamische Sensibilisierungs- und Schulungsmaßnahmen für das Unternehmen passend zur KI-Nutzung realisieren
- Erweitertes Verständnis der Datenwertschöpfung, z. B. Datenerhebung
- Fortgeschrittene Kompetenzen in der Verarbeitung und Interpretation von Daten, z. B. Datenexploration, Bewertung der Qualität, Datenbereinigung, Visualisierungen, Ableiten von Entscheidungen
- Erste Kenntnisse von Python-Bibliotheken zur Datenhandhabung, z. B. NumPy, Pandas, Matplotlib, Seaborn
- Organisationsspezifische Handlungen umsetzen, z. B. Dateninfrastruktur aufnehmen, Datenverarbeitung durch KI-Systeme überwachen, Verantwortlichkeiten definieren
- KI-Nutzung und Rechtesituation, z. B. rechtliche Rahmenbedingungen für KI-Nutzung rund um EU AI Act, DSGVO, Nutzungsrichtlinien der Toolanbieter, Urheberrecht und branchenbezogene Regulierung; Erstellung unternehmensspezifischer Richtlinien
- Identifikation und Bewertung von KI-Lösungen im Unternehmen, z. B. systematische Erfassung, Einordnung der Rolle und der Risikokategorie, Umsetzung der Pflichten aus der Gesetzgebung je nach KI-Einsatz
- Kriterien für vertrauenswürdige KI, z. B. Risiken durch Bias erkennen, Vertrauenswürdigkeit in Kaufentscheidung integrieren
- Grundsätze zur Anwendung des Datenschutzes, z. B. Umgang mit personenbezogenen Daten, Einfordern von Datenverarbeitungsverträgen
Qualifizierungsangebote für KI-Befähiger*innen
Im Folgenden finden Sie eine Auswahl kostenfreier, webbasierter Qualifizierungsangebote, die von den KI-Manager*innen sorgfältig zusammengestellt wurden. Die Liste ist bei weitem nicht vollständig, bietet jedoch eine solide erste Orientierung.
Kurs-Inhalte
- Modul 1: Datenkompetenzmodell der TH Köln, Datenkultur etablieren, Datenschutz (Empfehlung für Anwender)
- Modul 2: Daten bereitstellen (keine Empfehlung, außer Datenaufbereitung)
- Modul 3-5: Gute Python und R Einführung (einfach und praktisch), Daten managen, auswerten, visualisieren
- Modul 6-7: Daten interpretieren, einordnen und publizieren
Unsere KI-Manager*innen sagen dazu:
Auch wenn der Kurs an manchen Stellen etwas weit ausholt, werden wichtige Grundlagen behandelt, die bei der Vorbereitung einiger KI-Anwendungsfälle erforderlich sind. Während Wissenschaftlerinnen vom gesamten Kurs profitieren, sind für Befähigerinnen in KMU die Module 1, 3, 4 und 5 relevant. Hervorzuheben ist insbesondere die Praxisnähe. In den Praxisprojekten wird mit echten Daten (u. a. mit Python) gearbeitet, ohne dass Vorkenntnisse in der Programmierung erforderlich sind.
Kurs-Inhalte
- Modul 1: Guter Überblick über Geschichte und Grundlagen (Studien und Daten zur Zukunft allerdings meist von 2022/2023)
- Modul 2: Einblick in ML und Deep Learning, Relevanz von Daten
- Modul 3: Einführung in die Methode
- Modul 4: Guter Einstieg in KI-Strategie, KI-Reifegrad, Aufbau von KI-Kompetenzen und KI-Projektplanung
- Modul 5: Fokussierung des Anwendungsbereichs, Formulierung konkreter Problemstellungen, tiefer Einstieg in Geschäftsprozesse, Möglichkeiten der Produktverbesserungen
- Modul 6: Bedarfsanalyse, Instrumente zur Informationsgewinnung und -strukturierung, prozess- und kundenorientierte Bedarfsanalyse, Customer Journeys, Value Proposition Maps
- Modul 7: Gute Herangehensweise und Überblick zu Ideenfindung und Priorisierung inkl. Attraktivitäts-Matrix
- Modul 8: Sinn von Prototypen, Entwicklung von KI-Modell-Prototypen. Nennung von Frameworks wie Hugging Face, LangChain oder PyTorch auf der einen Seite und RAG/Prompt Engineering auf der anderen Seite
- Modul 9: Evaluation des Nutzens und der Machbarkeit (eher auf einer Meta-Ebene), technische Evaluation von ML-Modellen, A/B- Testing, EU AI Act, erster Einstieg in ethische Abwägung
Unsere KI-Manager*innen sagen dazu:
Qualitativ und didaktisch orientiert sich der Kurs an einer Vorlesung einer renommierten Universität, wie es die TUM ist. Dennoch wird alles einfach erklärt und wenig Vorwissen benötigt. Die Methode führt schrittweise von der Formulierung der Problemstellung bis zur Evaluation des ersten Prototyps. Ein guter Einstieg in die KI für alle Mittlerrollen im Unternehmen.
Kurs-Inhalte
- Modul 1: KI im Unternehmen
- Modul 2: KI im Unternehmen einführen (Zielsetzung, Anwendungsfälle, Kaufen/Machen, Einführung einer KI-Lösung)
- Pfad 1: Lösung einkaufen
- Pfad 2: Lösung selbst entwickeln
- Modul 3: Unternehmen langfristig für KI rüsten
Unsere KI-Manager*innen sagen dazu:
Der Kurs überzeugt ab dem zweiten Modul: KI-Einführung in KMU mit Hilfe systematischer Fragen zu Strategie, Use-Case-Auswahl, Unterstützung bei der Make-or-Buy-Entscheidung sowie Weiterbildungs- und Changeaspekten. Ein dazugehöriges Übungsheft liefert Checklisten und Vorlagen für die Umsetzung von Workshops und der Entwicklung von Strategien im eigenen Unternehmen. Skizzierte Pfade für den Einkauf von KI-Lösungen oder für die eigenständige KI-Entwicklung helfen dabei, die ersten Schritte zu strukturieren, passendes Know-how (oder Entwicklerteams) aufzubauen und Fragestellungen konsequent auszuleuchten. Rechtliche Grundlagen fehlen leider, dafür bekommen Datenstrategie und Cybersicherheit immerhin einen gewissen Anteil.
Kurs-Inhalte
Technische Aspekte und Funktionsweisen von KI, u.a.:
- KI und Maschinelles Lernen
- Neue Fähigkeiten durch Maschinelles Lernen (ML)
- Exkurs in die Generative KI
- Risiken mit ML
- Einfluss der KI auf unsere Zukunft
Unsere KI-Manager*innen sagen dazu:
Das Training ist sehr umfangreich in den vermittelten Inhalten, sodass alle aktuell relevanten Aspekte rund um Technologie (Maschinelles Lernen, GAN, Diffusionsmodelle, Transformermodelle etc.), Rechtliches (EU AI Act), Daten & Ethik (z. B. Bias) abgedeckt sind. Enthält außerdem einen vergleichsweise aktuellen Exkurs in Generative KI (inkl. Prompting-Prinzipien). Von der Länge des Kurses her und seiner Aufbereitung vermutlich eher etwas für Motivierte und Enabler-Rollen (AI Manager, KI Scouts etc.), denn der Kurs ist insgesamt sehr textlastig und in der Formulierung anspruchsvoll.
Kurs-Inhalte
Beispiele für den Einsatz von KI
Fünf Säulen der KI-Ethik: Fairness, Robustheit, Erklärbarkeit, Transparenz, Datenschutz
Unsere KI-Manager*innen sagen dazu:
Die KI-Campus-Version des Kurses (mit einem Gegenstück auf der IBM-Plattform) ist ein erster Einstieg in die Thematik der KI-Ethik über verständliche Erläuterung der einzelnen Konzepte. Jede der fünf Säulen wird einzeln erklärt, durch ein Beispiel verdeutlicht und abgeprüft.
Nehmen Sie Kontakt mit uns auf!
Julian Fenten
Transfermanagement
Kompetenzplattform KI.NRW
info-kinrw@iais.fraunhofer.de
Ihre Empfehlung für ein Qualifizierungsangebot
Das Bildungsangebot im Bereich KI ist sehr dynamisch. Unsere Schulungsauswahl dient bewusst einer ersten Orientierung und ist nicht abschließend. Wir haben aktuell die folgenden Kriterien zugrunde gelegt:
- Kostenfreie, webbasierte, zusammenhängende Trainings, Vorlesungsreihen oder Tutorials, die auf die Inhalte des KI.KompetenzNavi einzahlen und dabei möglichst neutral umgesetzt wurden
- Diversifizierte Auswahl der Einrichtungen und Organisationen, die KI-Onlineschulungsangebote bereitstellen, mit Sitz oder Niederlassung(en) in Deutschland
- Möglichst deutschsprachige Angebote mit hoher inhaltlicher Aktualität (Stand der letzten Sichtung: Dezember/Januar 2026 – Updates sind in Planung)
Sie möchten uns gerne auf einen sehr empfehlenswerten, kostenfreien und webbasierten Kurs hinweisen, der in unserer Liste fehlt? Dann schreiben Sie uns bitte eine Nachricht.