KI im Unternehmen: Von ChatGPT zu RAG, Workflows und KI-Agenten

Künstliche Intelligenz entwickelt sich vom Chatbot zum Bestandteil moderner Unternehmensprozesse. In diesem dreitägigen Seminar lernen Sie die wichtigsten Konzepte, Technologien und Architekturen hinter LLMs, RAG, KI-Workflows und Agenten praxisnah kennen.

Tag 1: Generative KI verstehen und sinnvoll einsetzen

• Grundlagen moderner generativer KI
• Large Language Models und ihre Funktionsweise
• Unterschied zwischen klassischer Software und probabilistischen KI-Systemen
• Überblick über ChatGPT, Claude, Gemini und weitere Modelle
• Cloud-Modelle und lokal betriebene Modelle
• Prompting: klare Aufgaben, Kontext und gewünschte Ausgabe formulieren
• System Prompts, Beispiele und strukturierte Ausgaben
• Kontextfenster, Tokens und Kosten
• Halluzinationen und Grenzen von Sprachmodellen
• Typische Einsatzmöglichkeiten im Unternehmen
• Geeignete und ungeeignete KI-Use-Cases erkennen
• Praktische Übungen mit aktuellen KI-Assistenten

Tag 2: Unternehmenswissen, RAG und KI-Workflows

• Warum Sprachmodelle internes Unternehmenswissen nicht automatisch kennen
• Einführung in Retrieval-Augmented Generation (RAG)
• Dokumente, Chunking und Wissensaufbereitung
• Embeddings und semantische Suche verstehen
• Vector Stores und ihre Aufgabe in RAG-Systemen
• RAG im Vergleich zu Prompting und Fine-Tuning
• Tool Calling: Wie Sprachmodelle externe Funktionen nutzen
• APIs und Unternehmenssysteme mit KI verbinden
• Strukturierte Ergebnisse für automatisierte Prozesse
• Vom einzelnen Prompt zum durchgängigen Workflow
• No-Code- und Low-Code-Werkzeuge für KI-Automatisierung
• Workflow oder Agent: Den passenden Ansatz auswählen

Tag 3: KI-Agenten und produktive KI-Systeme

• Was ein KI-Agent technisch wirklich ist
• Unterschied zwischen Tool Calling, Workflow und Agent
• Agent Loops: Entscheiden, ausführen und Ergebnisse bewerten
• State, Kontext und Memory in agentischen Systemen
• Überblick über aktuelle Agenten-Frameworks und Plattformen
• Einführung in das Model Context Protocol (MCP)
• Human in the Loop und kontrollierte Autonomie
• Sicherheit und Berechtigungen bei KI-Agenten
• Prompt Injection und weitere KI-spezifische Risiken
• Evaluation und Qualität von KI-Anwendungen
• Monitoring, Kosten und Betrieb
• Vom Prototyp zum produktiven KI-System
• Abschlussübung: Einen eigenen KI-Use-Case analysieren und eine geeignete Architektur entwickeln