Konzeption und Entwicklung von KI-Produkten & -Services

Beschreibung

Einführung in das Design von KI-basierten Produkten

Sie lernen die verschiedenen Phasen kennen, die bei der Gestaltung von KI-basierten Produkten eine Rolle spielen, sowie die Grundlagen von Algorithmen des maschinellen Lernens und des Deep Learning, und wenden diese Erkenntnisse zur Lösung praktischer Probleme an. Sie werden außerdem die neuesten Branchentrends bei Agents und Retrieval-Augmented Generation (RAG) kennenlernen und so einen Einblick in die neuesten Richtungen des KI-Produktdesigns erhalten. Der Kurs ist klar in zwei Hauptbereiche unterteilt:

Die strategische und konzeptionelle Ebene („Designing“)

• Designprozess für KI, Kostenmetriken, Anforderungen.
• Gestaltung der Mensch-Computer-Interaktion (HCI).
• Gestaltung von Organisationen (Superminds).
• Erstellung eines Business Case und Produktvorschlags.

Die technische und umsetzende Ebene („Building“)

• Technologische Grundlagen (Machine Learning, Regression, SVMs).
• Technologische Grundlagen (Deep Learning, CNNs, RNNs).
• Entwicklung künstlicher Maschinen (Transformer, NLP).
• Generative AI, Prompt Engineering.
• Technische Grenzen (GANs).

Der Kurs hält eine nahezu perfekte Balance zwischen diesen beiden Bereichen. Er lehrt nicht nur, was man bauen soll und warum (Konzeption), sondern auch wie man es baut (Entwicklung).

• Agents: Autonome Software-Entitäten, die in der Lage sind, Aufgaben oder Ziele im Namen eines Benutzers auszuführen.
• Retrieval-Augmented Generation (RAG): Ein KI-Framework, das die Fähigkeiten großer Sprachmodelle (LLMs) durch das Abrufen von Informationen aus externen Wissensquellen verbessert.

 

Warum KI – und warum jetzt?

Der Einsatz der richtigen KI-Technologien in Ihrem Unternehmen kann Ihnen helfen, Routineaufgaben zu automatisieren, durch Datenanalysen Erkenntnisse zu gewinnen und besser mit Kunden zu interagieren. Angesichts des breiten Spektrums an KI-Anwendungen in Unternehmen ist es keine Überraschung, dass „Artificial Intelligence Engineer“ und „Artificial Intelligence Consultant“ die beiden am schnellsten wachsenden Berufe im „Jobs on the Rise“-Bericht 2025 von LinkedIn sind. Mit einer jährlichen Wachstumsrate von 74 Prozent für diese Positionen reißt sich jede Branche um KI-Talente, die zunächst einen strategischen Plan für KI-Anwendungen entwerfen und dann bei deren Verwaltung und Optimierung in der Praxis helfen.

• 15,7 Billionen US-Dollar: Potenzieller Beitrag von KI zur Weltwirtschaft bis 2030 (Quelle: PWC).
• 93,5 Milliarden US-Dollar: Wert des globalen KI-Marktes im Jahr 2021, der bis 2030 voraussichtlich mit einer jährlichen Wachstumsrate von 38,1 % wachsen wird (Quelle: GRAND VIEW RESEARCH).
• 97 Millionen: Es wird erwartet, dass bis 2025 97 Millionen Spezialisten in der KI-Branche benötigt werden, was auf eine hohe Nachfrage nach Arbeitsplätzen hindeutet (Quelle: WEF).

 

Für wen ist dieses Programm gedacht?

Dieser 8-teilige Kurs ist ideal für Sie, wenn Sie ein technischer Produktleiter, ein Technologieexperte, ein Technologieberater oder ein Unternehmer sind, der sein Verständnis für die Grundlagen und Werkzeuge der KI-Technologie verbessern und die verschiedenen Designprozesse für KI-basierte Produkte erkunden möchte. Kenntnisse in Analysis, linearer Algebra, Statistik und Wahrscheinlichkeitsrechnung sind von Vorteil, ebenso wie grundlegende Erfahrungen mit Python. Das Programm ist ideal für:

• Technische Produktmanager & Führungskräfte, die für maschinelles Lernen und KI-basierte Produkte in ihren Unternehmen verantwortlich sind und durch den Einsatz der neuesten KI-Technologien einen Mehrwert für ihr Unternehmen schaffen wollen.
• Technologie-Experten, die Technologielösungen entwerfen und entwickeln, die auf die Bedürfnisse von Unternehmen abgestimmt sind, und die ihr Verständnis für die Entwicklung von KI-basierten Lösungen mit Hilfe von Algorithmen des maschinellen Lernens erweitern möchten.
• Technologieberater, die sich auf die Analyse, das Design und die Entwicklung von Technologielösungen für Kunden konzentrieren.
• Gründer von KI-Startups, die KI-gesteuerte Anwendungen entwickeln und ein bewährtes Framework für die Entwicklung tragfähiger KI-Produkte erlernen und sich mit anderen Technologen vernetzen möchten.
• UI/UX-Designer & Führungskräfte, die für das Management der User Experience von KI-basierten Anwendungen verantwortlich sind.

Hinweis:

Der Inhalt dieses Programms setzt Vorkenntnisse in Analysis, linearer Algebra, Statistik und Wahrscheinlichkeitstheorie voraus. Grundlegende Erfahrungen mit Python sind ebenfalls von Vorteil.

 

Wichtige Lernerfolge

Dieses Programm wurde entwickelt, um Ihnen die Fähigkeiten zu vermitteln, Ihr Verständnis für KI-basierte Lösungen und Gen AI zu erweitern. Das Programm wird Ihnen helfen:

Verschiedene Algorithmen des maschinellen Lernens zu kategorisieren: Klassifizieren und beschreiben Sie verschiedene Algorithmen des maschinellen Lernens, wie z. B. überwachtes, unüberwachtes und verstärkendes Lernen, und heben Sie deren einzigartige Eigenschaften und Anwendungen hervor.

Verschiedene Algorithmen für Convolutional/Deep/Recurrent Neural Networks zu kategorisieren: Unterscheiden Sie zwischen verschiedenen Arten von neuronalen Netzen, einschließlich Convolutional Neural Networks (CNNs), Deep Neural Networks (DNNs) und Recurrent Neural Networks (RNNs), und erklären Sie deren Strukturen, Funktionalitäten und Anwendungsfälle.

• Convolutional Neural Networks (CNNs): Spezialisierte neuronale Netze, die hauptsächlich für die Verarbeitung und Analyse von visuellen Daten wie Bildern entwickelt wurden.
• Deep Neural Networks (DNNs): Neuronale Netze mit mehreren Schichten zwischen dem Eingabe- und dem Ausgabe-Layer, die komplexe Muster in Daten erkennen können.
• Recurrent Neural Networks (RNNs): Neuronale Netze, die für die Verarbeitung von sequenziellen Daten, wie z. B. Zeitreihen oder Text, konzipiert sind.
• Generative KI-Technologien zu kategorisieren: Verstehen Sie die Architekturen, die dem Transformer und anderen generativen KI-Ansätzen zugrunde liegen, um kritisch beurteilen zu können, wann sie in einem bestimmten Geschäftskontext eingesetzt werden sollten.
• Transformer: Eine fortschrittliche neuronale Netzwerkarchitektur, die besonders effektiv bei der Verarbeitung von sequenziellen Daten wie Text ist und die Grundlage für viele moderne große Sprachmodelle bildet.

Die vier Phasen des KI-Designprozessmodells zu bewerten: Beurteilen Sie kritisch die vier Schlüsselphasen des KI-Designprozesses und erörtern Sie deren Bedeutung, Herausforderungen und Best Practices für eine erfolgreiche Umsetzung.

1. Zu erklären, wie Menschen und Computer in der KI interagieren: Analysieren Sie die Interaktion zwischen Menschen und Computern in KI-Systemen und konzentrieren Sie sich darauf, wie menschlicher Input, Aufsicht und Zusammenarbeit die Leistung und Entscheidungsfindung der KI verbessern.
2. Zu beschreiben, wie verschiedene Arten von Superminds verschiedene Probleme lösen: Veranschaulichen Sie das Konzept der Superminds – Gruppen von Individuen und Maschinen, die zusammenarbeiten – und wie verschiedene Konfigurationen von Superminds verschiedene Probleme effektiv bewältigen können.
3. Superminds: Kollektive Intelligenz, die aus der Zusammenarbeit von Menschen und Computern entsteht, um komplexe Probleme zu lösen.
4. KI-Möglichkeiten in digitalen Geschäftsprozessen vorherzusagen: Identifizieren und prognostizieren Sie potenzielle KI-gesteuerte Möglichkeiten in digitalen Geschäftsprozessen und heben Sie Bereiche hervor, in denen KI Innovation, Effizienz und Wettbewerbsvorteile fördern kann.

Einen Business Case für die Einführung einer KI-Anwendung zu erstellen: Entwickeln Sie einen umfassenden Business Case für die Einführung einer KI-Anwendung, einschließlich Kosten-Nutzen-Analyse, strategischer Ausrichtung, Risikobewertung und einer Implementierungs-Roadmap.

 

Highlights

• Zertifikat und Weiterbildungspunkte: Erhalten Sie ein Zertifikat.
• Live-Einblicke von Experten: Profitieren Sie von einer Live-Sitzung mit der Fakultät zu RAG, Agentic AI und zukünftigen KI-Trends.
• Praxisnahe Fähigkeiten: Entwickeln Sie marktreife Fähigkeiten zur Bewertung von KI-Lösungsmöglichkeiten und zur Argumentation dafür.
• KI-Projektvorschlag: Erarbeiten Sie einen KI-Projektvorschlag, den Sie internen Stakeholdern oder Investoren präsentieren können.
• Wissenserweiterung: Vertiefen Sie Ihr Wissen durch Crowdsourcing, Demos und Design-Support-Aktivitäten.

 

Programmübersicht

Orientierung

Sie erhalten ab dem Programmstartdatum Zugang zur Lernplattform und haben die Möglichkeit, sich mit der Kursumgebung vertraut zu machen und sich auf das bevorstehende Programm vorzubereiten.

Einführung in den Designprozess künstlicher Intelligenz

Lernen Sie die Phasen der Entwicklung eines KI-basierten Produkts kennen, mit Schwerpunkt auf Besonderheiten wie Kostenmetriken und technischen Anforderungen eines KI-Softwareentwicklungsplans.

Technologische Grundlagen der künstlichen Intelligenz – Maschinelles Lernen

Identifizieren Sie verschiedene Algorithmen des maschinellen Lernens und untersuchen Sie die verschiedenen Ansätze wie Bayes’sche und Regressionsmodelle. Lernen Sie unüberwachte und teilüberwachte Methoden von Algorithmen des maschinellen Lernens kennen. Führen Sie verschiedene Algorithmen des maschinellen Lernens aus und analysieren Sie die Ergebnisse. Gewinnen Sie außerdem Einblicke in die Anwendung von KI zur Aufdeckung von Veranlagungen für genetische Krankheiten.

Mini-Lektionen:

• Untersuchen Sie Klassifikatoren wie lineare Modelle, Entscheidungsgrenzen und die Auswirkungen von Feature Engineering.
• Verstehen Sie die „Train, Validate, Test“-Methodik, um die Fallstricke von Trainingsfehlern zu vermeiden.
• Verstehen Sie Bayes’sche Klassifikatoren durch eine Fünf-Schritte-Vorhersagemethode.
• Vergleichen Sie die logistische Regression mit Support Vector Machines (SVMs) für die binäre Klassifikation.
• Tauchen Sie ein in unüberwachte Clustering-Techniken wie k-means zur natürlichen Gruppierung von Daten.

Technologische Grundlagen der künstlichen Intelligenz – Deep Learning

Aufbauend auf den in Woche 2 erworbenen Kenntnissen der Grundlagen des maschinellen Lernens, erkunden Sie die Grundlagen des Deep Learning. Die Themen umfassen neuronale Netze, künstliche Neuronen und die Simulation komplexer Netzwerke. Entdecken Sie außerdem die Arbeit von Dr. Regina Barzilay zum Einsatz von KI bei der Brustkrebserkennung und verstehen Sie Tempo, eine KI-Erkennungsanwendung, die Multimodalität nutzt.

Mini-Lektionen:

Lernen Sie künstliche Neuronen und den Gradient Descent kennen und verstehen Sie die Struktur und Funktion von künstlichen neuronalen Netzen. Gewinnen Sie Einblicke in Multi-Layer Perceptrons (MLPs) und bereiten Sie sich auf die Implementierung von ein- und mehrschichtigen Perzeptrons vor.

Erkunden Sie Autoencoder, einschließlich ihrer Konstruktion und Implementierung. Implementieren Sie Convolutional Neural Networks (CNNs) und bereiten Sie sich auf die Ausführung von CNN-Anwendungen vor. Lernen Sie Recurrent Neural Networks (RNNs) und deren Verwendung zur Verarbeitung sequenzieller Daten für Aufgaben wie Spracherkennung und Sprachübersetzung kennen.

Entwicklung künstlicher Maschinen zur Problemlösung

Identifizieren Sie übermenschliche Intelligenz, die in einem KI-Produkt verwendet wird. Vergleichen und kontrastieren Sie die Vor- und Nachteile des Einsatzes einer KI-Technologie. Sie lernen auch die Implementierung und das Design von KI kennen, einschließlich der Erstellung von Avataren durch Bilderzeugung und Stimmenklonen.

• Verstehen Sie die erste Stufe der Transformer-Architektur im Natural Language Processing (NLP), die geschriebenen Text zur Verarbeitung in Tokens umwandelt.
• Studieren Sie die zweite Stufe der Transformer, in der Tokens in Vektoren umgewandelt werden, die die Bedeutung des Textes erfassen.
• Erkunden Sie die Möglichkeiten und Grenzen von Generative AI, wenn Decoder zur Transformer-Architektur hinzugefügt werden.

Analysieren Sie eine Fallstudie zu den Grenzen der KI bei der gynäkologischen Entscheidungsfindung. Diskutieren Sie Fehler bei der Bilderzeugung und Sprachverarbeitung und lernen Sie technische Ansätze zur Bewältigung dieser Einschränkungen kennen.

Generative AI

Erkundung von KI-Anwendungen, von der Optimierung von NLP-Embeddings und Prompt Engineering über die Bewertung von Benchmarks und die Verbesserung von Geschäftsprozessen bis hin zur Beurteilung der Rolle von KI bei der Entscheidungsfindung von Experten.

• Prompt Engineering: Die Kunst und Wissenschaft, effektive Eingabeaufforderungen (Prompts) zu gestalten, um von einem KI-Modell die gewünschte Ausgabe zu erhalten.

Gestaltung intelligenter Mensch-Computer-Interaktion (HCI)

Nutzen Sie die in diesem Modul bereitgestellten Ressourcen, um die Techniken, Anwendungsbereiche, Vorteile und Nachteile von HCI zu verstehen. Lernen Sie, ein angemessenes Maß an maschineller Beteiligung an Interaktionen mit Menschen und Computern zu definieren. Suchen Sie nach Möglichkeiten, künstliche Intelligenz zu Ihrem Vorteil zu nutzen.

• Human-Computer Interaction (HCI): Ein multidisziplinäres Feld, das sich mit dem Design und der Nutzung von Computertechnologie befasst und sich auf die Schnittstellen zwischen Menschen (Benutzern) und Computern konzentriert.

Superminds: Gestaltung von Organisationen, die künstliche und menschliche Intelligenz kombinieren

Erhalten Sie eine Einführung in das Konzept der Superminds und vergleichen und kontrastieren Sie die verschiedenen Arten von Superminds. Analysieren Sie, wie Menschen und Maschinen zusammenarbeiten können, um die Summe ihrer Teile zu übertreffen. Wenden Sie kognitive Prozesse auf verschiedene Organisations- und Gemeinschaftsprobleme an.

Marktgrenzen des KI-Designs: Forschung

Lernen Sie, wie künstliche Intelligenz und Generative Adversarial Networks (GANs) verwendet werden können, um gefälschte Bilder und Videos aus echten Daten zu erzeugen. Bewerten Sie die technischen, sozialen und wirtschaftlichen Auswirkungen von KI-Technologien.

• Generative Adversarial Networks (GANs): Ein KI-Modell, bei dem zwei neuronale Netze (ein Generator und ein Diskriminator) gegeneinander antreten, um neue, synthetische Daten zu erzeugen, die realen Daten ähneln.

Marktgrenzen des KI-Designs: Praxis

Implementieren Sie das Lawler-Modell, um ein KI-Problem zu definieren. Entwerfen und erstellen Sie eine Zusammenfassung eines KI-Produkts oder -Prozesses unter Verwendung der Erkenntnisse aus den vorherigen Modulen des Programms.

• Agentic AI, RAG und die Zukunft skalierbarer KI

In dieser Sitzung untersuchen wir KI-Agenten, einschließlich Retrieval-Augmented Generation (RAG)-Techniken, das Model Context Protocol (MCP) und die Zukunft des skalierbaren KI-Designs. Anhand von Beispielen aus der Praxis, darunter Open-Source-LLMs, LangChain und Amazon-Fallstudien, werden in der Sitzung technische Best Practices, Herausforderungen bei der geschäftlichen Umsetzung und aufkommende Trends behandelt, die intelligente KI-Systeme prägen.

Nahtloses Lernen, überall

Lernen mit KI-Tutor: Erhalten Sie sofortige Antworten auf Ihre Fragen zu den Programminhalten von unserem KI-Tutor. Finden Sie die Informationen, die Sie benötigen, um selbstbewusster zu lernen und sich durch Themen und wichtige Lerninhalte zu bewegen.

Verbinden und zusammenarbeiten: Lernen Sie an der Seite von globalen Kollegen und erweitern Sie Ihr berufliches Netzwerk. Beteiligen Sie sich an aufschlussreichen Diskussionen, tauschen Sie Erfahrungen aus und lernen Sie von verschiedenen Perspektiven, um Ihr Lernen zu bereichern.

—

Warum diese Lernreise?

Durch die Integration des Lehrplans von zwei führenden Programmen – „Designing and Building AI Products and Services“ und „AI Strategy and Leadership Program: Thriving in the New World of AI“ – bietet das Executive Certificate in AI Strategy and Product Innovation eine abgerundete Lernreise, die KI-gesteuerte Einblicke mit praktischen Strategien zur Implementierung von KI-Lösungen verbindet.

• Umfassendes Lernen: Bauen Sie ein 360-Grad-Verständnis von KI auf, indem Sie technisches Fachwissen im KI-Produktdesign mit strategischen Einblicken für Führung und organisatorische Transformation kombinieren.
• Doppelte Expertise: Erwerben Sie sowohl praktische Fähigkeiten zur KI-Implementierung als auch das strategische Geschick, KI in Geschäftsprozesse zu integrieren, was Ihnen ein einzigartiges Skillset verleiht.
• Anwendungen in der realen Welt: Gewinnen Sie umsetzbares Wissen durch praktische Projekte, branchenrelevante Fallstudien und strukturierte Frameworks für die technische Ausführung und die übergeordnete Strategie.
• Führungsvorteil: Lernen Sie, KI-gesteuerte Innovationen in Teams und unternehmensweit zu leiten und die Lücke zwischen technischen Teams und der C-Suite-Strategie zu schließen.
• Verbessertes Karrierepotenzial: Positionieren Sie sich als KI-gestützte Führungskraft mit vielseitiger Expertise und erschließen Sie sich Möglichkeiten im Produktmanagement, in der Technologiestrategie und in der Geschäftsführung.
• Skalierbare Wirkung: Treiben Sie Innovationen in großem Maßstab voran, indem Sie KI-Designprinzipien mit strategischen Roadmaps kombinieren, um die Teamleistung und die betriebliche Effizienz zu steigern.
• Kosten- und Zeiteffizienz: Sparen Sie die Kosten für einzelne Programme und profitieren Sie gleichzeitig von einer integrierten Lernreise, die darauf ausgelegt ist, Ihren ROI in kürzerer Zeit zu maximieren.
• Glaubwürdigkeit und Prestige: Verdienen Sie drei Zertifikate, die Ihre fortgeschrittene KI-Expertise gegenüber Arbeitgebern und Kollegen belegen.