Kursbeschreibung
KI-getriebene Produktentwicklung erfordert andere Entscheidungen als klassische Software: Daten werden zum Engpass, Qualität muss kontinuierlich gemessen werden, und Governance ist Teil des Produkts. In diesem Seminar lernst Du, diese Besonderheiten in einen praktischen Innovationsprozess zu übersetzen. Du startest mit einer Strategieperspektive: Welche Arten von Innovation sind realistisch, wie bewertest Du neue Produkte, Services oder Geschäftsmodelle, und wie vermeidest Du, dass einzelne Leuchtturmprojekte die Organisation blockieren? Du erarbeitest eine Portfolio-Sicht und eine klare Build-Buy-Partner-Logik. Danach gehst Du in die Use-Case-Arbeit: Du definierst Jobs-to-be-done, formulierst Hypothesen und priorisierst mit Value-vs.-Feasibility Scoring. Du prüfst KI-Eignung über Datenverfügbarkeit, Qualitätsanforderungen, Latenz, Kosten und Compliance. Auf dieser Basis entwirfst Du eine KI-Produktarchitektur und triffst fundierte Entscheidungen zwischen RAG und Fine-Tuning. Du planst Human-in-the-Loop, Freigaben und Integration in Prozesse, Apps oder Plattformen. Für die Validierung lernst Du MVP-Formate wie Concierge und Wizard-of-Oz, ergänzt um Evaluation, Benchmarks und Regressionstests, damit Ergebnisse reproduzierbar bleiben. Ein eigener Block behandelt Responsible AI: EU AI Act, Datenschutz, IP und Security-Risiken wie Prompt Injection und Data Leakage, inklusive Governance-Rollen und Dokumentation. Abschließend entwickelst Du Go-to-Market und Skalierung: Pricing-Modelle, Produktmetriken sowie Monitoring und Drift-Erkennung. Du gehst mit einem umsetzbaren Plan zurück, der Nutzen und Risiken gleichermaßen adressiert.
Zielgruppe
- Produktmanagerinnen und Produktmanager, Product Ownerinnen und Product Owner
- Innovationsmanagerinnen und Innovationsmanager, Business Developerinnen und Business Developer
- Leiterinnen und Leiter aus IT, Data, Digital und Fachbereichen
- Gründerinnen und Gründer sowie Intrapreneurinnen und Intrapreneure
- Alle, die KI-Use-Cases in Produkte, Services oder Geschäftsmodelle übersetzen wollen
Voraussetzung für die Schulung
- Grundverständnis von Produktentwicklung oder Prozessdesign
- Keine Programmierung nötig, aber Bereitschaft, mit Kennzahlen und Hypothesen zu arbeiten
Kursinhalte
- KI-Strategie für Produktinnovation
- Innovationsfelder: Produkt, Service, Geschäftsmodell
- Build, Buy, Partner: Entscheidungslogik
- Werttreiber, Kosten, Risiken als Business Case
- Portfolio-Ansatz statt Einzelprojekt
- Use-Case Discovery mit Impact
- Jobs-to-be-done und Pain-Point Mapping
- Value vs. Feasibility Scoring
- KI-Eignung: Daten, Latenz, Qualität, Compliance
- Use-Case Canvas für Stakeholder
- Von Daten zu Produkt: KI-Produktarchitektur
- Datenquellen, Datenverträge, Datenqualität
- RAG vs. Fine-Tuning: wann was sinnvoll ist
- Human-in-the-Loop und Freigabeprozesse
- Integration in Prozesse, Apps und Plattformen
- Prototyping, Experimentdesign, Validierung
- MVP, Concierge, Wizard-of-Oz für KI
- Offline- und Online-Evaluation (KPIs, Benchmarks)
- Prompt- und Retrieval-Tests, Regressionen
- Messbarer Nutzen: Zeit, Qualität, Umsatz, Risiko
- Responsible AI, Recht, Security
- Datenschutz, IP, Urheberrecht, Vertraulichkeit
- EU AI Act: Risikoklassen und Pflichten
- Threats: Prompt Injection, Data Leakage
- Governance: Rollen, Policies, Dokumentation
- Go-to-Market und Skalierung
- Pricing-Modelle: Usage, Seat, Outcome
- Produktmetriken: Adoption, Retention, ROI
- MLOps/LLMOps Grundlagen: Monitoring, Drift
- Roadmap: vom Pilot zur Plattform-Fähigkeit
