Kursbeschreibung
In vielen KMU scheitern KI-Automationsvorhaben nicht an der Idee, sondern an der Umsetzung: falscher Use-Case, zu wenig Datenhygiene, fehlende Ausnahmebehandlung oder unklare Verantwortung im Betrieb. Dieses Seminar führt dich Schritt für Schritt durch einen Ansatz, der diese typischen Bruchstellen adressiert. Du startest mit einer strukturierten Auswahl von Prozessen und lernst, wie du die Datenlage und Risiken früh bewertest. Dabei arbeitest du mit konkreten Kennzahlen und definierst Akzeptanzkriterien, die Fachbereiche nachvollziehen können. Im technischen Teil lernst du die wichtigsten Muster: LLMs für textbasierte Aufgaben, RAG zur kontrollierten Nutzung interner Wissensquellen, OCR und Extraktion für Dokumentenprozesse sowie Klassifikation für Routing und Priorisierung. Du entscheidest bewusst zwischen Regelwerk, ML und LLM, statt alles mit einem Chatbot zu erschlagen. Danach entwirfst du robuste Workflows: Trigger, Datenanreicherung, Aktionen in Microsoft 365 oder Google Workspace, CRM/ERP-Anbindung, Freigaben, Logging und Monitoring. Du planst Versionierung für Prompts und Workflows, damit Änderungen nachvollziehbar bleiben. Sicherheit und DSGVO werden praxisnah behandelt: Datenminimierung, Zugriffskonzepte, Protokollierung, Lieferantenprüfung und Schutz vor Prompt Injection und Datenabfluss. Zum Abschluss erstellst du einen Go-live-Plan mit Pilotierung, Feedback-Schleifen, Testfällen und Runbooks. Damit kannst du KI-Automatisierung im KMU nicht nur starten, sondern dauerhaft betreiben und skalieren.
Die wichtigsten Themen im Überblick
- Finde KI-Use-Cases mit messbarem ROI für dein KMU
- Bewerte Prozesse nach Aufwand, Risiko und Datenlage
- Nutze LLMs, RAG und OCR in sicheren Workflows
- Plane No-Code, RPA und API-Integrationen praxisnah
- Baue Human-in-the-Loop für Freigaben und Qualität
- Setze DSGVO, Governance und Lieferantenprüfung um
- Teste KI-Automationen mit klaren KPIs und Gold-Sets
- Bringe Automationen vom Prototyp sicher in den Betrieb
Zielgruppe
- IT-Leitung und IT-Administration in KMU
- Fachbereichsverantwortliche aus Service, Vertrieb, Backoffice
- Prozessmanagerinnen und Prozessmanager, Operations
- Digitalisierungs- und Automationsverantwortliche
- Alle, die KI-Automatisierung im Unternehmen einführen und sicher betreiben wollen
Voraussetzung für die Schulung
- Grundverständnis für Geschäftsprozesse und typische Systemlandschaften (z. B. E-Mail, CRM, ERP).
- Keine Programmierung erforderlich; technisches Interesse und Bereitschaft, Workflows zu modellieren.
Kursinhalte
- Automations-Use-Cases finden, die wirklich zahlen
- Prozesslandkarte: Vertrieb, Service, Backoffice
- Bewertung nach Aufwand, Risiko, ROI und Datenlage
- Quick Wins vs. strategische Automationen
- KPIs: Durchlaufzeit, Fehlerquote, Kosten pro Vorgang
- KI-Bausteine verstehen: LLM, RAG, OCR, Klassifikation
- Was LLMs gut können und wo sie scheitern
- RAG für internes Wissen: Richtlinien, Produkte, FAQs
- Dokumente: OCR, Extraktion, Validierung
- Entscheidung: Regel, ML oder LLM?
- Automations-Design: Von Trigger bis Ausnahmefall
- End-to-End-Flows: E-Mail, Webformulare, Tickets, ERP
- Human-in-the-Loop für Freigaben und Qualität
- Fehler- und Ausnahmebehandlung statt „Happy Path“
- Logging, Monitoring und Nachvollziehbarkeit
- Tooling im KMU: No-Code, Low-Code, RPA und APIs
- Wann RPA sinnvoll ist und wann API-Integration besser ist
- Connector-Strategie: Microsoft 365, Google Workspace, CRM
- Prompt- und Workflow-Versionierung
- Sandbox, Testdaten und Rollout-Plan
- Datenschutz, Sicherheit und Governance ohne Bürokratie
- DSGVO-Basics für KI-Projekte: Rollen, Zwecke, Datenminimierung
- Risiken: Prompt Injection, Datenabfluss, Halluzinationen
- Policy-Set: Zugriffe, Aufbewahrung, Protokollierung
- Lieferantenprüfung: AVV, Datenregion, Audit-Nachweise
- Qualität messbar machen: Tests, Evaluation, Betrieb
- Testfälle und Gold-Set für Antworten und Extraktionen
- Akzeptanzkriterien: Genauigkeit, Latenz, Kosten pro Lauf
- Feedback-Schleifen aus Fachbereich und Kundendienst
- Runbooks: Incidents, Rollback, Modellwechsel
