Seminar Heads – Intensivseminar Enterprise AI: Experten, Workflows und Analytics

Seminarprofil

Das fünftägige Intensivseminar bündelt AI-Experten, agentisches Arbeiten, Workflow-Automatisierung, Analytics, Forecasting und digitale Zwillinge. Von der Wissensbasis bis zum produktionsreifen, überwachten Anwendungsfall werden Nutzen, Qualität, Sicherheit und menschliche Kontrolle gemeinsam entwickelt.

Zielgruppe

Fach- und AI-Produktteams, Prozessmanagement, Data- und Analytics-Teams, Product Owner, Architektur, Governance und technische Umsetzung.

Voraussetzungen

Sichere Kenntnis mindestens eines relevanten Geschäftsprozesses und grundlegendes Verständnis von Daten, Kennzahlen und Automatisierung.

Lernziele

• AI-Anwendungsfälle nach Nutzen, Risiko und Datenreife auswählen.
• Agenten, Wissen, Werkzeuge und Zusammenarbeit systematisch entwerfen.
• Workflows mit Regeln, AI und menschlichen Freigaben umsetzen.
• Kennzahlen, Prognosen und digitale Zwillinge für Entscheidungen einsetzen.
• Evaluation, Governance, Monitoring und kontinuierliche Verbesserung etablieren.

Inhaltsverzeichnis

1. Enterprise-Kontext und AI-Portfolio
2. Gemeinsame Wissens- und Datenbasis
3. AI-Experten und Rollenmodell
4. Agententeams und Zusammenarbeit
5. Workflow-Design und deterministische Regeln
6. Human-in-the-Loop und Ausnahmebehandlung
7. Analytics und Kennzahlensystem
8. Forecasting, Szenarien und digitale Zwillinge
9. Evaluation, Governance und Betrieb
10. Produktionsnahes Abschlussprojekt

1. Enterprise-Kontext und AI-Portfolio

Geschäftsziele, Aufgaben, Daten, Risiken, Abhängigkeiten und Priorisierung werden in ein umsetzbares Portfolio überführt.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „Enterprise-Kontext und AI-Portfolio“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „Enterprise-Kontext und AI-Portfolio“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „Enterprise-Kontext und AI-Portfolio“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

2. Gemeinsame Wissens- und Datenbasis

Begriffe, Fakten, Dokumente, operative Zustände, Zugriffsrechte, Aktualität und Qualitätsregeln werden vorbereitet.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „Gemeinsame Wissens- und Datenbasis“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „Gemeinsame Wissens- und Datenbasis“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „Gemeinsame Wissens- und Datenbasis“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

3. AI-Experten und Rollenmodell

Spezialisierung, Aufgabenvertrag, Ein- und Ausgaben, Grenzen, Werkzeuge, Speicher und Verantwortlichkeit werden festgelegt.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „AI-Experten und Rollenmodell“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „AI-Experten und Rollenmodell“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „AI-Experten und Rollenmodell“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

4. Agententeams und Zusammenarbeit

Planung, Delegation, Übergabe, Parallelisierung, Konfliktauflösung und Abschlusskontrolle werden orchestriert.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „Agententeams und Zusammenarbeit“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „Agententeams und Zusammenarbeit“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „Agententeams und Zusammenarbeit“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

5. Workflow-Design und deterministische Regeln

Zustände, Entscheidungen, Fristen, Regeln, Aktionen, Ereignisse und nachvollziehbare Prozesspfade werden modelliert.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „Workflow-Design und deterministische Regeln“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „Workflow-Design und deterministische Regeln“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „Workflow-Design und deterministische Regeln“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

6. Human-in-the-Loop und Ausnahmebehandlung

Risikoklassen, Freigaben, Stichproben, Eskalationen, manueller Rückfall und sichere Abschaltung werden eingerichtet.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „Human-in-the-Loop und Ausnahmebehandlung“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „Human-in-the-Loop und Ausnahmebehandlung“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „Human-in-the-Loop und Ausnahmebehandlung“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

7. Analytics und Kennzahlensystem

Datenbasis, Metriken, Ursachenanalyse, Segmentierung, Warnschwellen und Maßnahmenbezug werden aufgebaut.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „Analytics und Kennzahlensystem“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „Analytics und Kennzahlensystem“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „Analytics und Kennzahlensystem“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

8. Forecasting, Szenarien und digitale Zwillinge

Prognosen, Unsicherheit, Einflussfaktoren, Simulation, Szenariovergleich und Anpassung an reale Ereignisse werden umgesetzt.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „Forecasting, Szenarien und digitale Zwillinge“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „Forecasting, Szenarien und digitale Zwillinge“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „Forecasting, Szenarien und digitale Zwillinge“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

9. Evaluation, Governance und Betrieb

Qualitätsfälle, Benchmarks, Kosten, Latenz, Drift, Protokollierung, Datenschutz, Sicherheit und Monitoring werden verbunden.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „Evaluation, Governance und Betrieb“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „Evaluation, Governance und Betrieb“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „Evaluation, Governance und Betrieb“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

10. Produktionsnahes Abschlussprojekt

Ein priorisierter Anwendungsfall wird vom Ziel über Daten, Agenten und Workflow bis zu Abnahme, Rollout und Verbesserungsplan entwickelt.

1. Schritt 1: Ausgangslage, fachliches Ziel und Abgrenzung für „Produktionsnahes Abschlussprojekt“ festlegen.
2. Schritt 2: Relevante Datenobjekte, Rollen, Zustände und Abhängigkeiten zu „Produktionsnahes Abschlussprojekt“ vollständig erfassen.
3. Schritt 3: Konfiguration oder Arbeitsablauf anhand eines realistischen Beispiels schrittweise aufbauen.
4. Schritt 4: Normalfall, berechtigte Variante und mindestens einen Fehler- oder Ausnahmefall praktisch durchführen.
5. Schritt 5: Ergebnis mit fachlichen Prüfkriterien, Protokollen und nachvollziehbaren Kontrollpunkten verifizieren.
6. Schritt 6: Vorgehen dokumentieren, Verantwortlichkeiten zuordnen und für wiederholbare Nutzung standardisieren.

Kontrollpunkt: Der Themenbereich „Produktionsnahes Abschlussprojekt“ gilt erst als abgeschlossen, wenn Normalfall, Ausnahmefall, Berechtigungen und dokumentierte Prüfkriterien nachvollziehbar bestätigt sind.

Praxisübungen

Entwicklung eines produktionsnahen AI-Anwendungsfalls mit Wissensbasis, Agententeam, Workflow, Freigaben, Analytics, Forecast, Evaluation, Governance und Rolloutplan.

Arbeitsweise

Fachliche Erläuterungen werden unmittelbar mit Demonstrationen und Übungen am System verbunden. Jeder Übungsblock folgt der Reihenfolge Ausgangslage prüfen, Daten und Rollen vorbereiten, Vorgang durchführen, Ausnahme behandeln, Ergebnis kontrollieren und Vorgehen dokumentieren.