• KI-Strategien entwickeln
• Change-Management bei KI-Einführung
• Fallstudien zu KI-getriebenem Wandel

• Datenmanagement und -ethik
• Qualitätssicherung in KI-Projekten
• Datenaufbereitung für maschinelles Lernen

• Methoden der Problemanalyse für KI-Projekte
• Identifikation und Bewertung relevanter Datenquellen
• Grenzen und Möglichkeiten von Low-Code-Tools in der KI-Entwicklung

Teil 1

• Machine Learning als Werttreiber in Unternehmen
• Datenvorbereitung und Modelltraining mit Low-Code-Tools
• Qualitätssicherung und Evaluation von Machine-Learning-Modellen

Teil 2

• Einführung in maschinelles Lernen durch interaktive Experimente
• Entwicklung eigener Machine-Learning-Modelle mit strukturierten Daten
• Bewertung und Optimierung der Modelle

Teil 3

• Kombination von RPA und Chatbots für interaktive Automatisierung
• Natural Language Processing (NLP) als Schlüsseltechnologie für intelligente Assistenten
• Automatisierung von Support-Prozessen durch Chatbots
• Praxisbeispiele: Chatbot-gestützte Workflows in Unternehmen

Teil 1

• Einführung in RPA und KI-gestützte Automatisierung
• Regelbasierte Systeme zur Prozessautomatisierung
• Klassische Anwendungsfälle aus verschiedenen Branchen

Teil 2

• Kombination von RPA und Chatbots für interaktive Automatisierung
• Natural Language Processing (NLP) als Schlüsseltechnologie für intelligente Assistenten
• Automatisierung von Support-Prozessen durch Chatbots

• Grundlagen generativer KI und Sprachmodelle
• Anwendungen in Text-, Bild- und Codegenerierung
• Chancen und Risiken generativer KI
• Praxisnahe Beispiele und Einsatzmöglichkeiten

Teil 1

• Einführung in rechtliche Rahmenbedingungen für KI
• Datenschutz und Compliance-Anforderungen
• Ethische Prinzipien: Transparenz, Fairness und Verantwortung
• Herausforderungen der algorithmischen Entscheidungsfindung

Teil 2

• Fallstudien zur Umsetzung regulatorischer Vorgaben in der Praxis
• Strategien zur Implementierung ethischer KI-Modelle
• Herausforderungen und Lösungen bei der Einhaltung von KI-Regulierungen
• Zukunft der KI-Regulierung und ethische Trends

• Zusammenhang Machine Learning - Knowledge Graphen
• Definition “Wissen”, Wissen als Rohstoff in Unternehmen
• Entstehung und Abbildung von Wissen in Unternehmen
• Technische Grundlagen von Knowledge Graphen
• Vom Glossar zur Ontologie - Abbildung von Wissen und Kontext mittels Metadaten (Methoden & Vorgehen)
• Einführung und Beispiele zu Neuro-Symbolic Computing
• Knowledge Graphen zur Umsetzung von explainable AI (XAI) und responsible AI (RAI)
• Praktische Anwendungsfälle wie Date Governance, Compliace, Unternehmensweites Wissensmanagement, Produktdatenmarketing, Chat Bots etc.

Certificate of Advanced Studies Kalaidos FH in Künstlicher Intelligenz.

15 ECTS

1 Semester

15 Tage und 200 Stunden Selbststudium

In diesem CAS werden Sie mit verschiedenen Tools arbeiten, welche Sie auf Ihr Gerät herunterladen werden. Aus diesen Grund ist ein privater Laptop mitzubringen.

Ausgeglichene Mischung aus Online-, Hybrid- und Vor-Ort-Unterricht

CHF 8'900.-

Das CAS schliessen Sie mit einer schriftlichen Arbeit ab.

• Abgeschlossenes Fachhochschul- oder Universitätsstudium
• Abschluss der höheren Berufsbildung und ausreichend Berufserfahrung in einem für die Weiterbildung relevanten Berufsfeld sowie angemessene wissenschaftliche Kenntnisse
• Ausserordentliche Zulassung: individuelle Prüfung durch die Zulassungskommission

April und Oktober

Deutsch und in geringem Umfang in Englisch

3 CAS in Kombination mit einer Masterthesis ergeben einen Master of Advanced Studies (MAS) FH in gewählter Fachrichtung. Hier lesen Sie mehr.