Kursbeschreibung
Wenn Du Dir einen Personal AI Assistant wünschst, der nicht bei jedem Chat neu „erzogen“ werden muss, brauchst Du ein Setup aus Regeln, Wissen, Tests und Betrieb. Genau daran arbeitest Du in diesem Aufbau-Seminar. Du entwickelst Deinen digitalen Zwilling von der Zieldefinition bis zur produktiven Nutzung: Welche Aufgaben soll er übernehmen, welche Entscheidungen bleiben bei Dir, und wie stellst Du sicher, dass Ergebnisse nachvollziehbar sind? Du erstellst eine belastbare Persona mit klaren Anweisungen zu Ton, Struktur, Tiefe, Quellenpflicht und Eskalation. Du lernst, wie Du Prompt-Bausteine so designst, dass sie auch unter Zeitdruck funktionieren, und wie Du Kontextfenster, Zusammenfassungen und Memory-Strategien gezielt einsetzt, ohne unnötig persönliche Daten zu speichern. Danach bringst Du Deine Wissensbasis in Form: SOPs, Wikis oder Projektunterlagen werden so aufbereitet, dass der Assistant per RAG relevante Passagen findet und Antworten mit Belegen liefert. Damit Dein Zwilling wirklich Arbeit abnimmt, planst Du Tool-Use und Automatisierung: sichere Freigaben vor Versand oder Änderungen, Limits für Aktionen, Logging für Audits und ein Prüf-Schritt, der Fehler abfängt. Zum Abschluss definierst Du ein Betriebsmodell inklusive Datenschutz und Compliance: Datenklassen, Freigabeprozess und Wartung. Du gehst mit Vorlagen, Testfällen und einer konkreten Roadmap nach Hause, um Deinen Personal AI Assistant stabil weiterzuentwickeln.
Zielgruppe
- Fach- und Führungskräfte, die persönliche KI-Assistenz produktiv einsetzen
- Projektmanagerinnen und Projektmanager, Product Owner, Teamleitungen
- Wissensarbeiterinnen und Wissensarbeiter in HR, Finance, Legal, Sales, Operations
- IT- und Digitalverantwortliche, die Governance und Rollout vorbereiten
- Für alle, die einen Personal AI Assistant als digitalen Zwilling aufbauen und sicher betreiben wollen
Voraussetzung für die Schulung
- Grundkenntnisse im Umgang mit ChatGPT oder vergleichbaren LLM-Tools.
Kursinhalte
Use Cases, Grenzen, Verantwortung
- OpenClaw, NemoClaw und andere fertige alternativen
- Geeignete Aufgaben: Recherche, Schreiben, Planung, Support
- Risiken: Halluzinationen, Datenabfluss, Bias
- Rollenmodell: Copilot statt Autopilot
- Qualitätskriterien und Abnahmecheck
Persona, Tonalität, Wissensbasis
- Dein Arbeitsstil als System- und Arbeitsanweisung
- Styleguide: Stimme, Struktur, „Do/Don’t“
- Wissensquellen: Notizen, Dokus, SOPs, Wikis
- Wissenshygiene: Versionen, Aktualität, Quellen
Prompt-Architektur, Memory, Kontext
- System, Developer, User: stabile Rollen trennen
- Kontextfenster, Zusammenfassungen, Kontext-Reset
- Memory-Strategien: was merken, was nicht
- Vorlagen für wiederkehrende Aufgaben
Tool-Use und Automatisierung
- Tools: Kalender, E-Mail, Dateien, Tickets, CRM
- Agenten-Workflows: Planen, Ausführen, Prüfen
- Guardrails: Freigaben, Limits, sichere Defaults
- Logging: Nachvollziehbarkeit statt Magie
RAG: Deine Inhalte sicher nutzbar machen
- Chunking, Embeddings, Retrieval-Strategien
- Quellenzitate und „Answer with evidence“
- Dokumenten-Setups: PDF, Confluence, SharePoint
- Qualitätstests: Trefferquote, Relevanz, Drift
Datenschutz, Compliance, Betriebsmodell
- Datenklassen: öffentlich, intern, vertraulich
- DSGVO-Praxis: Auftragsverarbeitung, Löschkonzepte
- Shadow-AI vermeiden: Regeln und Freigabeprozess
- Betrieb: Rollen, Monitoring, Wartung
Evaluation und kontinuierliche Verbesserung
- Testfälle, Golden Answers, Regression-Checks
- Messgrößen: Zeitgewinn, Fehlerquote, Zufriedenheit
- Prompt- und Wissens-Refactoring
- Roadmap: von Assistenz zu Team-Assistant
