Kursbeschreibung
Viele Mittelständler stehen vor derselben Situation: KI ist sichtbar, die Erwartungen sind hoch, aber es fehlt ein Vorgehen, das Ergebnisse liefert und Risiken kontrolliert. In diesem Seminar erarbeitest du eine KI-Strategie als Entscheidungs- und Umsetzungsrahmen. Du lernst, wie du aus Unternehmenszielen eine Use-Case-Landkarte ableitest, Ideen in Nutzenhypothesen übersetzt und Prioritäten setzt, die auch bei begrenzten Ressourcen funktionieren. Dabei geht es nicht um beliebige „Top-10-Use-Cases“, sondern um deine konkrete Wertschöpfung: Wo entstehen Wartezeiten, Fehlerkosten, Rückfragen, manuelle Routine oder Informationsverluste. Du prüfst anschließend die Voraussetzungen: Welche Daten sind vorhanden, wer verantwortet sie, wie steht es um Qualität und Zugriff, und welche Prozesse eignen sich für Assistenz versus Automatisierung. Du planst Integrationen in typische Systeme wie ERP/CRM, DMS und Ticketing und definierst ein Betriebsmodell mit Rollen, Logging und Monitoring. Für Generative AI bekommst du ein klares Entscheidungsbild: Wann reicht ein Copilot, wann brauchst du einen internen Chatbot, wann ist RAG sinnvoll und wann ist Fine-Tuning überhaupt gerechtfertigt. Governance wird so aufgebaut, dass sie handhabbar bleibt: Tool-Policy, Datenklassifizierung, Lieferantenprüfung, DSGVO- und EU AI Act Checkpoints. Am Ende nimmst du eine priorisierte Pipeline, einen belastbaren Business Case, ein KPI-Set und einen 90-Tage-Plan mit, der Pilot und Skalierung sauber verbindet.
Zielgruppe
- Geschäftsführerinnen und Geschäftsführer sowie Bereichsleitungen im Mittelstand
- IT-Leitungen, Enterprise- und Solution-Architektinnen und -Architekten
- Leitungen aus Digitalisierung, Organisation, Prozessmanagement
- Produkt- und Projektverantwortliche für KI- und Dateninitiativen
- Für alle, die KI-Vorhaben priorisieren, absichern und in den Betrieb bringen wollen
Voraussetzung für die Schulung
- Grundverständnis von Unternehmensprozessen und Kennzahlen (z. B. Kosten, Durchlaufzeit, Qualität).
- Keine Programmierkenntnisse erforderlich; hilfreich ist Erfahrung mit IT-Systemen wie ERP/CRM oder DMS.
Kursinhalte
- Werthebel finden statt KI-Spielwiese
- KI-Use-Case-Landkarte für Vertrieb, Service, Produktion, Backoffice
- Wertbeitrag: Umsatz, Kosten, Risiko, Zeitgewinn messbar machen
- Make-or-Buy: Standardtools, Plattformen, Individualentwicklung
- Priorisierung mit Impact/Effort und Abhängigkeiten
- Daten, Prozesse, Architektur: die echte Machbarkeit
- Datenquellen, Datenqualität, Verantwortlichkeiten, Data Ownership
- Prozessanalyse: wo KI Entscheidungen unterstützt oder automatisiert
- Integrationspfade: ERP/CRM, DMS, E-Mail, Ticketing, RPA
- Sicherheits- und Betriebsmodell: Rollen, Logging, Monitoring
- GenAI im Unternehmen: produktiv, sicher, steuerbar
- LLM-Grundlagen für Entscheider: Grenzen, Halluzinationen, Kosten
- RAG vs. Fine-Tuning: wann welches Vorgehen Sinn ergibt
- Prompt-Standards, Wissensbasis, Vorlagen, Qualitätschecks
- Tooling-Optionen: Copilots, Chatbots, interne Assistenzsysteme
- Governance, Recht, Compliance: ohne Bremswirkung
- EU AI Act Einordnung: Risikoklassen, Pflichten, Dokumentation
- DSGVO in KI-Projekten: Rechtsgrundlagen, TOMs, Auftragsverarbeitung
- Policy für Mitarbeitende: erlaubte Tools, Datenklassen, Freigaben
- Lieferantenprüfung: Verträge, SLAs, Datenflüsse, Exit-Plan
- Business Case, Budget und KPI-Steuerung
- ROI-Modelle: Nutzenhypothesen, Sensitivitäten, Break-even
- KPI-Set: Qualität, Durchlaufzeit, Akzeptanz, Risikoindikatoren
- Finanzierung: Pilotbudget, Skalierungsbudget, Run-Kosten
- Portfolio-Steuerung: Stop/Go-Entscheidungen und Review-Zyklen
- Umsetzung: 90-Tage-Plan vom Pilot zur Skalierung
- Pilotdesign: Scope, Daten, Erfolgskriterien, Verantwortliche
- Change & Enablement: Rollen, Schulungen, Kommunikation
- Betrieb: Modell- und Prompt-Updates, Incident-Prozesse
- Roadmap: 6 bis 18 Monate mit Meilensteinen
