Tag 4: Was ist KI? Grundlagen, Geschichte & KI-Kompetenzprofil

Blöcke im Detail

Verwendete Elemente

Links

Rahmen dieses Tages

Beobachtungen zum Deck

Ausblick

• m1-t05

Kapitel 1: Wie relevant ist das Thema aktuell?

Einstieg über den KI-Infrastruktur-Wettlauf: konkrete deutsche Großprojekte (Telekom/Nvidia „Industrial AI Cloud” München, Schwarz-Gruppe-Rechenzentrum Lausitz, „Europas KI-Campus” Heilbronn) und der Vergleich zu US-Hyperscalern (siehe Faktum). Zitat von Roy Amara: „Wir neigen dazu, die kurzfristige Wirkung einer Technologie zu überschätzen, und die langfristige Wirkung zu unterschätzen.”

Kapitel 2: Wie funktioniert KI?

Neuronale Netze vom menschlichen Gehirn inspiriert, anhand eines durchgängigen Beispiels erklärt: ein kleines Netz soll aus Zimmerzahl, Quadratmetern und Entfernung zum Zentrum den Kaufpreis einer Immobilie schätzen. Schritt für Schritt gezeigt: Gewichte werden zufällig initialisiert, für jedes Trainingsbeispiel berechnet das Netz eine Vorhersage, der Fehler („Error”) wird mit dem echten Preis verglichen, die Gewichte werden per Backpropagation angepasst, wiederholt über mehrere Trainingsbeispiele, bis der Gesamtfehler minimal ist. Danach: Trainingsphase und Anwendungsphase (Inference) sind strikt getrennt, ein neues Beispiel ohne bekanntes Ergebnis wird durch das fertig trainierte Netz geschätzt. Vergleich zum Kuchenbacken: Daten + Algorithmus ergeben das Modell — „nicht der Algorithmus diskriminiert, sondern das Modell, das aus Daten mit einem Algorithmus berechnet wurde.” Exkurs Unsupervised Learning (Google 2012, 10 Mio. YouTube-Bilder ohne Labels, das System bildet die Kategorie „Katze” selbst).

Kapitel 3: Der Frühling der KI?

Historischer Bogen über zwei „KI-Winter” (1974–1980, 1986–1993, jeweils ausgelöst durch fehlendes Vertrauen bzw. fehlende Rechenleistung), dann die Dreifaltigkeit aus Big Data, Rechenleistung (GPU statt CPU) und Deep Learning als Auslöser des Durchbruchs. Meilensteine: Deep Blue schlägt Kasparow (1996, Schach), AlphaGo schlägt Lee Sedol 4:1 (März 2016, Go, per Reinforcement Learning, 5 Millionen Selbstspiel-Partien in drei Tagen), ein Jahr später verliert Ke Jie 0:3 gegen AlphaGo (Mai 2017), worauf China im Juli 2017 seinen nationalen KI-Entwicklungsplan veröffentlicht („Sputnik-Moment”). Pointe: AlphaGo ist „brillant und dumm” — auf einem 20×20-Brett komplett hilflos, weil sein Netz fest auf 19×19 Felder trainiert ist. Genau das ist Narrow AI: extrem gut in einer Sache, hilflos bei der kleinsten Änderung der Aufgabe.

Einführung Claude

Vorstellung von Anthropic (gegründet 2021 von Dario und Daniela Amodei, vormals OpenAI; Public Benefit Corporation; Constitutional AI als Sicherheitsprinzip; Unternehmensbewertung laut Deck 380 Mrd. $, Stand Februar 2026) und der drei Claude-Modelle (Haiku „schnell & günstig”, Sonnet „unser Standard im Kurs”, Opus „komplex & tiefgehend”, 200.000 Token Kontextfenster ≈ 500 Seiten). Live-Tour durch die Oberfläche: Eingabefeld, Sidebar mit Chatverläufen und Modellwahl, Datei-Upload, Spracheingabe, Artefakt-Fenster („kein Copy-Paste mehr”) und Projekte als Arbeitsbereich, der über alle 20 Kurstage hinweg wächst.

Praxis 1: Gruppenübung Claude Research

Drei Teams recherchieren 20 Minuten mit Claudes Research-Funktion (mehrere aufeinander aufbauende Suchanfragen, Web plus verbundener interner Kontext) je einen Aspekt der Dreifaltigkeit mit Europa/Deutschland-Bezug: Team 1 Big Data (u. a. Status von GAIA-X), Team 2 Algorithmen & Deep Learning (u. a. Aleph Alpha, Mistral, Black Forest Labs im Vergleich zu OpenAI/DeepMind), Team 3 KI-Infrastruktur-Investitionen USA vs. Deutschland. Arbeitsorganisation: Breakout-Rooms in Microsoft Teams, Ergebnisse werden im vorbereiteten Miro-Board gesammelt. Vorstellung im Plenum entlang drei fester Leitfragen: Was haben wir gefunden, was hat uns überrascht, was bedeutet das für KI in Europa bzw. für einen selbst als KI-Manager:in — „kein Anspruch auf Vollständigkeit, Überraschungsmoment zählt mehr als Perfektion.”

Was ist das KI-Kompetenzprofil?

Das Kompetenzprofil wird als 8-Schritte-Struktur über alle 20 Kurstage eingeführt (Details siehe verlinktes Deliverable). Merksatz: „Ihr baut das nicht in einem Tag, ihr baut es über 20 Tage.” Alle Teilnehmenden teilen dieselbe Struktur, denselben Systemprompt und dieselben Meilenstein-Termine, aber Branche, Aufgaben und Sprache sind individuell — „Ziel ist nicht das perfekte Dokument, Ziel ist euer Mehrwert für die berufliche Neuorientierung.”

KI-Kompetenzprofil: Systemprompt als Karriere-Coach

Claude übernimmt im Projekt die Rolle eines persönlichen Karriere-Coaches mit drei eingebauten Kontrollpunkten (Vollständigkeits-, Abschluss- und Qualitäts-Check). Vorgehen: Systemprompt-Datei aus der AITI Academy laden, in ein neues Claude-Projekt „Mein KI-Kompetenzprofil” als Projektanweisung einsetzen, danach mit einem einfachen Starter-Prompt testen, ob und wie der Coach sich vorstellt.

Kompetenzprofil Meilenstein 1: Berufsprofil erarbeiten

Allgemeiner empfohlener Ablauf für jeden künftigen Meilenstein laut Deck (kein Pflichtformat): Prompt befüllen → abschicken → Coaching-Gespräch bis zum Abschluss-Check → strukturierte MD-Datei ausgeben lassen → ins Projekt hochladen. Konkret für Meilenstein 1: den heruntergeladenen Erarbeitungsprompt1_Berufsprofil.md in einer neuen Konversation im Projekt abschicken, das eigene rohe Miro-Material aus Tag 1 („Wer bist du – beruflich?”, „Was erwartest du – und was bringst du mit?”) unstrukturiert einfügen, im Dialog mit Claude ehrlich und konkret antworten, bis alle drei Kontrollpunkte bestätigt sind, und das Ergebnis als 01_berufsprofil.md exportieren und ins Projekt-Wissen hochladen.

Abschluss: Das nehmen wir mit

Vier Merksätze laut Deck: Die Dreifaltigkeit aus Big Data, Rechenleistung und Deep Learning hat den KI-Durchbruch möglich gemacht, Deutschland holt auf. Neuronale Netze lernen aus Daten, nicht aus Regeln. Qualität hängt vom Input ab. Meilenstein 1 ist gesetzt, das KI-Kompetenzprofil lebt als mitwachsendes Projekt. „KI wird nicht alle ersetzen. Aber jemand, der KI einsetzt – und weiß warum.” Ausblick auf Tag 5: „Wir haben zwar über ‘Narrow AI’ gesprochen, aber was ist diese generative KI, von der alle sprechen?” Check-out gemeinsam über ein vorbereitetes Miro-Board.