Anwesenheit
≤ 2
Fehltermine.
Anwesenheit ist Pflicht. Wer mehr als zweimal fehlt, kann den Kurs faktisch nicht bestehen.
Die Präsentation für Ihren Laptop
MATERIALIEN
Scannen & mitgehen
Die Folien öffnen sich direkt im Browser. Im Repository liegen Projekte, Linklisten und weiteres Begleitmaterial.
Kurs-Website ↗
Diese Präsentation
Repository
Wo stehen wir heute?
MENTI ZUM START
Erst Ihre Perspektive.
Welche KI nutzen Sie bereits – und wofür?
Eine kurze Standortbestimmung
Noch kein Test und keine Bewertung.
Danach gemeinsam schauen
Welche Erfahrungen, Fragen und Erwartungen sind schon da?
Mitmachen
Öffnen Sie menti.com und nutzen Sie den Code des Lehrenden.
Den konkreten Link gibt der Lehrende in der Veranstaltung bekannt.
Was Sie für diese Veranstaltung brauchen
Arbeitsfähiger Computer
Eigener Laptop oder PC, funktionsfähig und geladen.
Wir arbeiten direkt in der Veranstaltung.
ChatGPT-Zugang
ChatGPT-Abonnement, um mit aktuellen verfügbaren Modellen zu arbeiten.
Die Desktop-App richten wir gemeinsam ein.
Fragen stellen, selbst ausprobieren und Ergebnisse gemeinsam prüfen.
Sei hier: Aufmerksamkeit ist Teil der Arbeit
LIVE-DEMO
Ein musikalischer Impuls zu Präsenz und Mitmachen.
LICHTBRUCH · „Sei hier“
Live-Inhalt nach Klick; Internet erforderlich.
Warum bin ich hier – was erwarte ich?
in diesem Kurs?
Ein persönlicher Grund.
Ein konkretes Interesse.
von diesem Kurs?
Eine Fähigkeit oder ein Ergebnis,
das Sie am Ende mitnehmen möchten.
Unser Semester: zwei eigene Werkstücke
01Einstieg
02KI-Fundamente
03Sprachmodelle
04Prompting
05RAG & Dokumente
06Bild & UI/UX
07Projekt 1 zeigen
08Daten verstehen
09Klassifikation
10Regression
11Cluster & WebUI
12Governance
13Projekt 2 zeigen
14Feedback
Etappe 1 · Eine KI-Anwendung bauenEtappe 2 · Eine Datenfrage beantworten
Wissen wird durch eigenes Arbeiten nutzbar
Verstehen
Eine Kernidee, ein anschauliches Beispiel und Raum für Fragen.
Ausprobieren
Karten, eigene Tests, Einrichtung und Projekte – direkt in der Veranstaltung.
Auswerten
Ergebnisse vergleichen, Annahmen erklären und Korrekturen begründen.
Kurze Wissensphasen wechseln mit eigener Arbeit und gemeinsamer Auswertung.
Mit KI Anwendungen bauen: Arbeit, Wissen, Medien
TrinityHUB
Digitale Mitarbeiter, Werkzeuge und koordinierte Werkstätten.
OpenTuneWeaver
Dokumente in strukturierte Wissens- und Trainingsmaterialien überführen.
Lichtbruch
Ein kreativer Ablauf von Idee und Text zu Musik und visueller Gestaltung.
TrinityHUB: digitale Arbeit organisieren
EIGENER SHOWCASE
Mitarbeiter.
Werkzeuge.
Werkstätten.
Ein Auftrag wird in passende Arbeitsschritte und überprüfbare Übergaben übersetzt.
Worker
Enger Auftrag, Fachwissen, eigene Werkzeuge und Gedächtnis.
Werkstatt und Projekt
Zusammenarbeit koordinieren und Wissen passend zum Auftrag bereitstellen.
OpenTuneWeaver: aus Dokumenten Lernmaterial machen
EIGENER SHOWCASE
Wissen aufbereiten.
Rohdokumente werden in strukturierte Inhalte und Frage-Antwort-Datensätze überführt.
Die sichtbare Pipeline
Dokumentkonvertierung → Wiki-Einträge → QA-Datensatz.
Prüfung im Ablauf
Inhalte ansehen, Fehler korrigieren und geeignete Beispiele auswählen.
Lichtbruch: eine Idee erhält eine eigene Bild- und Klangwelt
EIGENER SHOWCASE
Ein Briefing.
Viele Medien.
Zielgruppe und gestalterische Idee verbinden Text, Musik, Figuren und Bilder.
Die gemeinsame Richtung
Was soll das Ergebnis ausdrücken – und für wen?
Die verbindenden Schritte
Entwürfe prüfen, Varianten auswählen und konsistent veröffentlichen.
Wo begegnen Ihnen Agenten und ihre Ergebnisse?
ERFAHRUNGSRUNDE
Schon in Berührung?
Denken Sie an Studium, Arbeit, Kundenservice, Medien und eigene Tools.
Ein konkreter Kontakt
Was hat das System getan oder erzeugt?
Einordnen
Nur eine Antwort, ein Werkzeugaufruf oder mehrere koordinierte Schritte?
Im Tandem besprechen
Was war hilfreich? Was haben Sie selbst kontrolliert?
Das Modell ist der Motor. Der Harness organisiert die Fahrt.
MODELL UND ARBEITSUMGEBUNG
Fähigkeit braucht
einen Ablauf.
Das Modell verarbeitet Eingaben und erzeugt Ausgaben. Der Harness verbindet Aufträge, Kontext, Werkzeuge und Ausführung.
Der Motor: das Modell
Sprachliche, visuelle oder andere Fähigkeiten – abhängig vom Modell.
Das Fahrzeug: der Harness
Oberfläche, Werkzeuge, Gedächtnis, Ablauf und Freigaben.
Ein Modell hat mehrere Eigenschaften
| Worauf schauen? | Die praktische Frage |
|---|---|
| Qualität | Wie gut löst es unsere konkrete Aufgabe? Welche Tests wurden verwendet? |
| Offenheit | Sind Gewichte verfügbar? Welche Lizenz und Transparenz gibt es? |
| Größe | Welche Parameterzahl ist bekannt – und was braucht der Betrieb? |
| Modalität | Nur Sprache oder auch Bilder, Audio und weitere Eingaben/Ausgaben? |
| Reasoning | Welche zusätzliche Verarbeitung, Tokenmenge und Zeit nutzt es? |
| Betriebsort | Lokal, eigener Server oder Cloud – mit welchem Zugang und Aufwand? |
Benchmarks geben Orientierung. Die eigene Aufgabe liefert den entscheidenden Test.
Entscheidend sind die Kosten des ganzen Auftrags
Frei gewählter Lehrfall · fiktive Modelle und Preise in USD, kein Anbieterangebot · jeweils 1.000 Eingabetokens
Modell A · hypothetisch kleiner
0,30 $ / Mio. Eingabetokens
0,60 $ / Mio. Ausgabetokens
20.000 Ausgabetokens
0,0123 $
Modell B · hypothetisch größer
2,00 $ / Mio. Eingabetokens
6,00 $ / Mio. Ausgabetokens
1.000 Ausgabetokens
0,0080 $
Tokenmenge × Tokenpreis – plus weitere Aufrufe, Werkzeuge und Nacharbeit.
Pause
DURCHATMEN
15 Minuten
Danach schauen wir auf die Modelllandschaft und richten Ihren Arbeitsplatz ein.
Artificial Analysis: Qualität und Aufwand gemeinsam betrachten
LIVE-DEMO
Zeigen: Qualität, Open/Closed, Tokenverbrauch und Kosten pro Aufgabe.
Was wurde getestet? Unter welchen Bedingungen?
Die Werte ändern sich. Wir lesen die aktuelle Seite gemeinsam.
Live-Inhalt nach Klick; Internet erforderlich.
Hugging Face: Modelle und ihre Dokumentation finden
LIVE-DEMO
Modelle nach Aufgabe und Modalität suchen.
Eine Modellkarte öffnen: Anbieter, Lizenz, Einsatz und Grenzen prüfen.
Gewichte, Lizenz und Modellqualität sind unterschiedliche Informationen.
Der Anbieter blockiert die Einbettung. Die Vorschau bleibt hier sichtbar.
GitHub: von der Idee zum nachvollziehbaren Projekt
LIVE-DEMO
ProfEngel: eigene Projekte und Dokumentation.
KI-Literacy: Materialien, Präsentationen und Projektideen.
README, Dateien und Versionsverlauf zeigen, wie ein Projekt beschrieben und weiterentwickelt wird.
Der Anbieter blockiert die Einbettung. Die Vorschau bleibt hier sichtbar.
Jetzt richten wir ChatGPT Desktop gemeinsam ein
IHR ARBEITSPLATZ
Installieren.
Anmelden.
Einstellungen prüfen.
Wir verwenden Ihren eigenen Computer und Ihren eigenen ChatGPT-Zugang.
Ihr erster gemeinsamer Funktionstest
App und Konto
Installieren, öffnen und mit dem eigenen Konto anmelden.
Modell und Einstellungen
Verfügbare Modelle, Personalisierung und Datenkontrollen gemeinsam ansehen.
Eine kleine Aufgabe
Eine synthetische Tabelle oder einen kurzen Beispieltext bearbeiten lassen.
Ergebnis kontrollieren
Eine Angabe und eine Rechnung selbst prüfen. Eine Rückfrage stellen.
Am Ende: ein funktionsfähiger Zugang und ein selbst geprüftes Ergebnis.
Zwei Projekte – zwei überprüfbare Ergebnisse
Projekt 1 · Woche 7
KI-WebUI
Ein nützlicher digitaler Spezialist mit verständlicher Oberfläche.
Auftrag, Arbeitsweise und Ergebnis erklären.
Projekt 2 · Woche 13
Dashboard
Eine konkrete Datenfrage nachvollziehbar beantworten.
Analyse, Visualisierung und Grenzen zeigen.
Arbeit in Zweiergruppen. Eigene Projektideen nach Rücksprache mit dem Lehrenden.
Ein Angebotsassistent macht Preise vergleichbar
Fiktiver Einkauf · 120 Stück · gleiche Qualität · Preise netto
Angebot A
18 € je Stück + 60 € Versand
2.220 €
Angebot B
170 € je Zehnerpackung + 90 € Versand
2.130 €
Dokumente lesen → Einheiten prüfen → Werkzeug rechnen lassen → Empfehlung prüfen.
Wo finden Sie Projektideen?
AUSWAHL UND EIGENE IDEEN
Ein Problem,
das Sie interessiert.
Wählen Sie aus dem Projektkatalog oder entwickeln Sie eine eigene Idee nach Rücksprache.
Projektübersicht ↗Vollständiger Katalog ↗KI-Anwendungen
Angebotsvergleich, Onboarding, Textprüfung oder Kundenfeedback.
Daten-Dashboards
Churn, Umsatz, Segmente oder eine andere klare Analysefrage.
Sinnvoll begrenzen
Zielgruppe, Daten und Prüfung festlegen, bevor Funktionen wachsen.
Zu zweit: Ihre erste Projektkarte
Team bilden
Finden Sie eine zweite Person und legen Sie fest, wer heute die Idee notiert.
Problem benennen
Für wen ist welche Aufgabe schwierig oder zeitaufwendig?
Ergebnis skizzieren
Was soll Ihre Anwendung zeigen oder Ihre Analyse beantworten?
Prüfung festlegen
Welche Daten brauchen Sie? Woran erkennen Sie ein brauchbares Ergebnis?
5 Min Gruppenbildung → 10 Min Projektkarte → 5 Min Kurzvorstellung.
Das werden wir Schritt für Schritt vertiefen
KI verstehen
Grundlagen, Sprachmodelle, Prompting und Modellwahl – mit konkreten Tests.
Anwendungen bauen
Wissen bereitstellen, Werkzeuge verbinden und verständliche Oberflächen gestalten.
Daten und Verantwortung
Daten aufbereiten, Modelle interpretieren, Dashboards bauen und Grenzen erklären.
Die heutigen Begriffe sind Wegweiser. In den kommenden Wochen wird daraus eigene Praxis.
Vom Einstieg zum eigenen Werkstück
Quellenverzeichnis
Kurs und Projekte
[K1] Modulplan KI & Data Science, 14 Wochen
[K2] Bestätigter Änderungsauftrag für Woche 1 vom 07.10.2026
[K3] Projektideen für KI-Anwendungen und Data-Science-Dashboards
[E1] Frei gewählte Lehrbeispiele: Angebote und Auftragskosten
Modelle und Arbeitsumgebung
[A1] Model & API analysis; methodology and cost per task
[H1] Models – task filters and model cards
[G1] Öffentliches Profil ProfEngel
[R1] TrinityHUB, öffentliches README v0.14.0 und Projektseite
Abruf und Revision: 07.10.2026 · Die vollständigen Angaben stehen im Quellenanhang.