Künstliche Intelligenz

Beherrschen Sie die KI, die Berufsbilder verändert.

Künstliche Intelligenz verändert berufliche Arbeitsweisen in allen Branchen. Die Learning Workspaces der Mandragore Academy ermöglichen es Ihnen, die wichtigsten KI-Werkzeuge zu verstehen, praktisch anzuwenden und sicher zu beherrschen. Strukturierte Lernpfade mit intelligenter dialogorientierter Begleitung helfen dabei, Wissen in unmittelbar einsetzbare Kompetenzen zu überführen.

Bereiten Sie sich auf die Berufe von heute und morgen vor.

Wählen Sie Ihren Lernpfad und entwickeln Sie Kompetenzen, die Sie unmittelbar im Berufsalltag einsetzen können.

Unabhängige Weiterbildung — weder mit den Anbietern der vorgestellten Lösungen verbunden noch von ihnen zertifiziert.

Lernpfade zu Künstlicher Intelligenz entdecken

Ihr persönlicher Learning Workspace wird beim ersten Kauf automatisch erstellt.

Wählen Sie Ihr Werkzeug

ChatGPT

ChatGPT beherrschen

165 Lernpfade verfügbar Kurse ansehen

Claude AI

Claude AI beherrschen

46 Lernpfade verfügbar Kurse ansehen

Machine Learning

Machine Learning beherrschen

15 Lernpfade verfügbar Kurse ansehen

AI Agents & Agentic Systems

KI-Agenten beherrschen

15 Lernpfade verfügbar Kurse ansehen

Katalogübersicht

01 Einstieg

ChatGPT kennenlernen

Generative KI, GPT-Modelle, Benutzeroberfläche, Grenzen und bewährte Praktiken.

Was ist ChatGPT? Generative künstliche Intelligenz und GPT-Modelle Die verschiedenen Modelle und ihre Einsatzbereiche Die ChatGPT-Benutzeroberfläche verstehen +4

02 Einstieg

Anfragen wirkungsvoll formulieren

Ziel, Kontext, Rolle, Rahmenbedingungen, Format und Iterationen.

Ein klares Ziel definieren Den richtigen Kontext bereitstellen ChatGPT eine Rolle zuweisen Rahmenbedingungen und Kriterien ergänzen +4

03 Standard

Prompt Engineering

Zero-shot, komplexe Aufgaben, mehrstufige Prompts und Prompt-Bibliotheken.

Zero-shot, One-shot und Few-shot Eine komplexe Aufgabe zerlegen Mehrstufige Prompts entwerfen Mehrere Lösungsansätze erzeugen +4

01 Einstieg

Claude kennenlernen

Anthropic, Constitutional AI, Haiku/Sonnet/Opus und Unterschiede zu ChatGPT.

Was ist Claude? Die Modelle Haiku, Sonnet und Opus Claude im Vergleich zu ChatGPT Constitutional AI +4

02 Einstieg

Einen guten Claude-Prompt schreiben

Rolle, Ziel, Kontext, Format, Beispiele und XML-Tags — Besonderheiten von Claude.

Rolle und Persona Klares Ziel Kontext und Hintergrund Rahmenbedingungen und Format +3

03 Standard

Prompt Engineering mit Claude

Zero/Few Shot, Chain of Thought, Extended Thinking und Constitutional Prompting.

Zero Shot / One Shot / Few Shot Chain of Thought Tree of Thought Extended Thinking — sichtbares Denken +3

01 Stufe 1

Machine Learning verstehen und ein Problem richtig eingrenzen

Einen geschäftlichen Bedarf in ein messbares Machine-Learning-Problem übersetzen und entscheiden, ob ML tatsächlich sinnvoll ist

Verstehen, welchen konkreten Mehrwert Machine Learning liefert Überwachtes und unüberwachtes Lernen unterscheiden Klassifikation, Regression und weitere Problemfamilien erkennen Features, Zielvariable, Beobachtungen und Vorhersagen definieren +4

02 Stufe 1

Daten für Machine Learning vorbereiten und untersuchen

Einen nutzbaren Datensatz erstellen, ohne Bias, Data Leakage oder Inkonsistenzen einzuführen

Verteilungen, Datentypen und Datenqualität untersuchen Fehlende Werte und Ausreißer behandeln Numerische und kategoriale Variablen vorbereiten Kategorien codieren, ohne zukünftige Informationen einzuschleusen +4

03 Stufe 1

Eine erste reproduzierbare ML-Pipeline aufbauen

Vorverarbeitung, Training, Vorhersage und Bewertung in einem reproduzierbaren Workflow verketten

Eine reproduzierbare ML-Umgebung einrichten Eine Baseline mit scikit-learn aufbauen Vorverarbeitungstransformationen erstellen Preprocessing und Modell mit Pipeline verbinden +4

01 Stufe 1

KI-Agenten verstehen und einen Anwendungsfall eingrenzen

Assistent, Workflow und Agent unterscheiden und entscheiden, ob agentische Autonomie tatsächlich Mehrwert bringt

Verstehen, was Assistent, Workflow und Agent voneinander unterscheidet Ziel, Umgebung, Werkzeuge und Zustand identifizieren Die Schleife Wahrnehmung, Entscheidung, Aktion und Beobachtung verstehen Das akzeptable Autonomieniveau definieren +4

02 Stufe 1

Anweisungen und Verhalten eines Agenten gestalten

Ein vorhersehbares, testbares agentisches Verhalten definieren, das durch explizite Regeln begrenzt ist

Rolle, Ziel und Verantwortung des Agenten definieren Rahmenbedingungen und dauerhafte Regeln strukturieren Anweisungen, Kontext und Nutzerdaten trennen Strukturierte Ausgaben und erwartete Schemata definieren +4

03 Stufe 1

Einem Agenten strukturierte Werkzeuge und Aktionen geben

Einem Agenten ermöglichen, über typisierte, validierte und kontrollierte Werkzeuge auf externe Systeme einzuwirken

Den Tool-Calling-Zyklus verstehen Eine Funktion in ein typisiertes Tool überführen Zuverlässige Parameter, Beschreibungen und Schemata definieren Eine externe API als Tool anbinden +4

Vollständigen Katalog ansehen