Zukunftssicherheit für Bestandsteams
Nutzen Sie das tiefe Domänenwissen Ihrer erfahrenen Entwickler und kombinieren Sie es mit modernster KI-Kompetenz. Sie müssen keine teuren Spezialisten suchen – Sie bilden sie intern aus.
Der Skill-Gap ist die größte Hürde
Der KI-Wandel ist kein Trend, sondern ein neuer Standard. Viele exzellente Entwickler arbeiten noch in traditionellen Umgebungen und scheuen den Einstieg in die KI-Welt, weil sie den Hype nicht vom Handwerk unterscheiden können.
Unsere Schulung schließt diese Lücke für Ihr gesamtes Team. Wir holen Ihre Entwickler dort ab, wo sie stehen, und führen sie fundiert, praxisnah und ohne „KI-Mystik“ zur vollen Handlungsfähigkeit.
Das Ergebnis nach 20 Wochen
- Gemeinsame Sprache für Daten, ML und LLMs
- Robuste KI-Workflows für den Betrieb
- Sofort nutzbare Templates und Best Practices
- Selbstständige Umsetzung neuer KI-Features
Warum Entscheider auf dieses Programm setzen
Vier Gründe, die sofort Wirkung in Ihrer Organisation zeigen.
Keine Python-Vorkenntnisse nötig
Wir nehmen die Angst vor dem Technologiewechsel. Wir führen „traditionelle“ Entwickler (Java, .NET, C++ etc.) pragmatisch in das Python-Ökosystem ein.
Direkter Transfer in den Betrieb
Wir lehren kein akademisches Spielzeug. Alles – von der Datenanalyse bis zu autonomen LLM-Workflows – ist auf den praktischen Einsatz im Unternehmen ausgelegt.
Minimale Arbeitsunterbrechung
Durch das wöchentliche 3-Stunden-Modul bleibt Ihr Team voll einsatzfähig. Das Wissen wird kontinuierlich über 16 Wochen aufgebaut und kann sofort in laufende Projekte einfließen.
Die 50-Stunden-Roadmap: Wir machen Ihre Entwickler zu KI-Experten
Teilnahmevoraussetzungen
Teilnehmen können Softwareentwickler mit fundierter Programmiererfahrung. Wer bereits produktiv entwickelt, bringt alles mit, was nötig ist. Python-Kenntnisse sind keine Voraussetzung und werden im Kurs systematisch aufgebaut. Statt komplexer Mathematik steht die konkrete Umsetzung im Entwicklungsalltag im Mittelpunkt.
- Fundierte Programmiererfahrung: Fundierte Kenntnisse in mindestens einer Programmiersprache werden vorausgesetzt.
- Keine Python-Pflicht: Wir führen Ihr Team pragmatisch in das Ökosystem ein.
- Mathematik-Level: Fokus auf Anwendung statt komplexer Herleitungen.
Die Kursmodule im Detail
17 fokussierte Einheiten, die Ihren Wissensaufbau systematisch sichern.
Modul 1 (3h) – Überblick & Orientierung
- Gesamtüberblick zu den Kursmodulen
- Überblick zu verschiedenen KI-Technologien
- Typische Anwendungsfälle im Entwickler-Alltag
- Tools und Arbeitsweise im Kurs
Modul 2 (3h) – Setup & Python Basics I
- Python, venv/pip, JupyterLab, Projektstruktur
- Datentypen, Variablen, Kontrollfluss, Collections
- Notebook vs. Skript
Modul 3 (3h) – Python Basics II
- Funktionen, Module, Imports, Fehlerbehandlung
- Type Hints & Dataclasses
- Grundlagen testbarer Struktur
Modul 4 (3h) – Datenarbeit mit NumPy/Pandas
- NumPy-Grundlagen für effiziente Datenverarbeitung
- Pandas: DataFrames, Filtern, Aggregieren, Joins
- Explorative Datenanalyse
Modul 5 (3h) – ML-Grundlagen (praxisnah)
- Überwacht, unüberwacht und Reinforcement
- Train/Test, Validierung, Overfitting
- Metriken für Regression/Klassifikation
- scikit-learn Workflow
Modul 6 (3h) – ML-Pipelines in scikit-learn
- Preprocessing: Scaling, Encoding, Imputation
- Pipelines, ColumnTransformer, Cross-Validation
- Hyperparameter-Grundlagen
Modul 7 (3h) – Decision Trees & Random Forest
- Entscheidungsbäume: Intuition & Interpretierbarkeit
- Random Forest: Bagging, Feature Importance
- Modellvergleich & Interpretation
Modul 8 (3h) – Gradient Boosting & XGBoost
- Boosting-Grundidee und Performance-Vorteile
- XGBoost: Parameter, Tuning, Imbalance
- Ergebnisdarstellung: Metriken & Reports
Modul 9 (3h) – Neuronale Netze (TensorFlow/Keras)
- Aufbau, Aktivierungen, Loss, Optimizer
- Training: Early Stopping, Regularisierung
- Wann NN sinnvoll sind
Modul 10 (3h) – Sprachmodelle verstehen
- Tokenisierung, Transformer-Idee
- Pretraining, SFT, Alignment
- Kontextfenster, Halluzinationen, Verlässlichkeit
Modul 11 (3h) – Sprachmodell-APIs nutzen
- Auth, Rate Limits, Streaming, Kosten
- Prompts für stabile Ergebnisse
- Tool-/Function-Calling Konzepte
Modul 12 (3h) – RAG-Grundlagen
- Embeddings & semantische Suche
- Chunking, Retrieval, Prompt Assembly
- Qualität von Retrieval und Antworten
Modul 13 (3h) – Multimodale Modelle
- Vision+Text Use Cases
- Multimodales Prompting
- Qualitäts- und Datenumgang
Modul 14 (3h) – Fine-tuning
- Prompting vs. RAG vs. Fine-tuning
- Datenaufbereitung & Evaluationslogik
- Aufwand/Nutzen realistisch einschätzen
Modul 15 (3h) – LangChain
- Chains, Tools, Prompt-Templates
- Retries, Guardrails, Logging/Tracing
- Bausteine für wartbare LLM-Apps
Modul 16 (3h) – LangGraph
- States, Nodes, Transitions
- Abbruchbedingungen, Fehlerpfade
- Aufbau mehrstufiger Systeme
Modul 17 (2h) – KI-Coding-Assistenten
- Prompting für Code
- Überblick bei großen Codebasen
- Lizenz-, Sicherheits- und Compliance-Aspekte
Unsere ausführlichen Schulungsunterlagen werden permanent verbessert und auf dem neuesten Stand gehalten. Codingübungen können in verschiedenen Schwierigkeitsgraden absolviert werden. Dies ist besonders nützlich, falls die Vorkenntnisse der Schulungsteilnemer unterschiedlich sind. Für niemanden sind die Übungen zu schwierig order zu einfach. Trainer sind ausschließlich Diplom-Informatiker mit fachlicher Spezialisierung und langjähriger Berufserfahrung.
Ein Auszug aus unseren Referenzen
Kontakt
Schreiben Sie uns kurz, was Sie vorhaben – wir melden uns zeitnah zurück.
Telefon: +49 9142 2719600