Weiterbildung Künstliche Intelligenz (KI) für Softwareentwickler:innen und Prompting

KI-Klassifizierung und Grundlagen (ca. 1 Tag)

Large Language Models, Generative KI, Machine Learning

Datenbeschaffung, Datenverwaltung & Aufbereitung (ca. 0,5 Tage)

Einführung in Machine Learning und Natural Language Processing

Prompt Engineering (ca. 1 Tag)

Strategien und Arten des Prompting

Prompting Baukasten: Die sechs Schlüsselkomponenten für effektives Prompting

Prompting in der Textgenerierung vs. Prompting in der Bild- und Videogenerierung

Prompting in der Recherche, der Textgenerierung und mit KI-Agenten

Chancen, Risiken und ethische Fragen (ca. 0,5 Tage) 

Worauf man beim Prompting im beruflichen Kontext achten sollte

Prompting Excellence (ca. 1 Tag)

Vorlagen und Use Cases für den beruflichen Alltag

Methoden zur Optimierung von KI-Output

Prompt Generator, CustomGPTs, Custom Instructions, Continuous Problem Solving System (CPSS)

Projektarbeit (ca. 1 Tag)

Praxisorientierte Vertiefung anhand von Best Practices und Übungen

Präsentation der Projektergebnisse

Grundlagen der Künstlichen Intelligenz (KI/AI) (ca. 0,5 Tage)

Was ist Künstliche Intelligenz?

Definition und Geschichte der KI

Unterschied zwischen schwacher und starker KI

KI-basierte Anwendungen im Überblick

DIN/TS 92004:2024

Einführung in Maschinelles Lernen (ML)  (ca. 0,5 Tage)

Definition und Grundkonzepte

Überwachtes vs. unüberwachtes Lernen

Beispiele für ML-Anwendungen

Datenvorverarbeitung und -visualisierung (ca. 1 Tag)

Datenvorbereitung (Quellen, Bereinigung und Transformation)

Bedeutung und Techniken des Feature Engineering

Skalierung und Normalisierung

Kategorische und numerische Features

Bedeutung von Datenvisualisierung

Erstellen von Diagrammen und Plots

Überwachtes Lernen (ca. 1 Tag)

Lineare und multiple Regressionsmodelle

Evaluierung von Regressionsmodellen

Klassifikationsmodelle

Modellbewertung und -optimierung

Unüberwachtes Lernen und Deep Learning  (ca. 1 Tag)

Clustering-Methoden

Dimensionsreduktion

Grundkonzepte/Architekturen des Deep Learnings

Neuronale Netze und ihre Funktionsweise

Überblick über Deep Learning Frameworks

Projektarbeit (ca. 1 Tag)

Zur Vertiefung der gelernten Inhalte

Präsentation der Projektergebnisse

Im Rahmen dieser Weiterbildung werden Softwareentwickler:innen systematisch an die Grundlagen und Anwendungsmöglichkeiten von Künstlicher Intelligenz (KI) herangeführt. Zu Beginn erfolgt eine Einführung in die Definition, Geschichte und verschiedenen Ausprägungen von KI, einschließlich der Unterscheidung zwischen schwacher und starker KI. Der Überblick über KI-basierte Anwendungen wird durch einen Bezug zur aktuellen Norm DIN/TS 92004:2024 ergänzt.

Ein grundlegendes Verständnis für Maschinelles Lernen (ML) wird im Anschluss vermittelt. Hier werden zentrale Konzepte sowie Unterschiede zwischen überwachtem und unüberwachtem Lernen vorgestellt. Konkrete Anwendungsbeispiele verdeutlichen den Praxisbezug.

Ein zentrales Thema ist die Datenvorverarbeitung und -visualisierung, bei der Aspekte wie Datenquellen, -bereinigung, Transformation, Feature Engineering, Skalierung, Normalisierung sowie der Umgang mit verschiedenen Datentypen behandelt werden. Ergänzend werden Methoden zur Visualisierung von Daten durch geeignete Diagramme und Plots vermittelt.

Im Modul zum überwachten Lernen stehen lineare und multiple Regressionsmodelle sowie verschiedene Klassifikationsverfahren im Fokus. Diese werden hinsichtlich Modellgüte, Bewertung und Optimierung systematisch analysiert. Darauf aufbauend werden im Bereich des unüberwachten Lernens Clustering-Methoden, Dimensionsreduktion und Deep-Learning-Grundlagen behandelt. Die Teilnehmenden erhalten dabei einen Überblick über neuronale Netze, deren Funktionsweise und aktuelle Frameworks im Deep-Learning-Umfeld.

Zwei projektbasierte Arbeitseinheiten dienen der Vertiefung des erworbenen Wissens. In Gruppenarbeiten werden praxisrelevante Fragestellungen bearbeitet und die Ergebnisse im Plenum präsentiert.

Ein weiterer Schwerpunkt liegt auf der Klassifizierung von KI-Technologien – insbesondere im Zusammenhang mit Large Language Models (LLMs), generativer KI und Machine Learning. Ergänzt wird dies durch eine praxisorientierte Einführung in die Datenbeschaffung, Datenverwaltung und Aufbereitung, auch im Kontext von Natural Language Processing (NLP).

Die Teilnehmenden erwerben umfassende Kenntnisse im Prompt Engineering, lernen verschiedene Prompting-Strategien und -arten kennen und setzen sich mit einem strukturierten „Prompting-Baukasten“ auseinander. Es wird zwischen Anwendungen in der Textgenerierung, der Bild- und Videoproduktion sowie der Informationsrecherche unterschieden. Ebenso werden KI-Agenten in der praktischen Arbeit berücksichtigt.

Fragen zu ethischen Herausforderungen, Chancen und Risiken bei der Nutzung von Prompts im beruflichen Kontext runden die theoretischen Grundlagen ab.

Im abschließenden Modul „Prompting Excellence“ wird mit fortgeschrittenen Methoden zur Optimierung von KI-Ausgaben gearbeitet. Tools wie Prompt Generatoren, CustomGPTs, individuelle Anweisungen (Custom Instructions) sowie das Continuous Problem Solving System (CPSS) werden eingeführt und in realitätsnahen Use Cases erprobt.

Informatiker:innen, Fachinformatiker:innen, Programmierer:innen und Fachkräfte mit entsprechender Berufserfahrung.

Als Softwareentwickler:in mit Fokus auf Künstliche Intelligenz (KI) und Prompt Engineering nutzt Du moderne KI-Tools gezielt, um Entwicklungsprozesse effizienter, schneller und intelligenter zu gestalten. Im Berufsalltag erstellst Du prompts – also präzise Texteingaben – für KI-Modelle wie ChatGPT, Copilot oder CustomGPTs, um beispielsweise automatisierte Code-Vorschläge, Tests, Dokumentationen oder Datenanalysen zu generieren.

Du integrierst Machine Learning-Modelle in Softwarearchitekturen, arbeitest mit APIs von generativen KI-Systemen, analysierst Trainingsdaten und entwickelst KI-gestützte Anwendungen, etwa in den Bereichen Natural Language Processing (NLP), Bilderkennung oder Prozessautomatisierung.

Im Bereich Prompt Engineering optimierst Du die Kommunikation zwischen Mensch und KI: Du formulierst effektive Prompts, testest und iterierst, um eine hohe Qualität und Relevanz der KI-Ausgabe zu gewährleisten – sei es für die Textgenerierung, die Datenabfrage oder bei der Erstellung von User Interfaces.

Zudem evaluierst Du kontinuierlich neue KI-Tools, entwickelst eigene CustomGPTs, arbeitest an der Integration von Large Language Models (LLMs) in bestehende Softwarelösungen und unterstützt Teams bei der Einführung von KI-basierten Workflows. Dabei achtest Du stets auf Datensicherheit, ethische Aspekte und die Einhaltung technischer Standards (z. B. DIN/TS 92004:2024).

Ein Fernstudium im Bereich Künstliche Intelligenz (KI) und Prompting für Softwareentwickler:innen verschafft Dir entscheidende Zukunftskompetenzen in einem hochdynamischen Technologiefeld. Du lernst, wie Du moderne KI-Modelle wie ChatGPT, Copilot, GPT-4 oder CustomGPTs effizient in Deine Entwicklungsprozesse integrierst – von der automatisierten Code-Generierung über Softwaretests bis hin zur Nutzerinteraktion durch KI-gestützte Systeme.

Besonderen Fokus erhältst Du auf das Thema Prompt Engineering: Du entwickelst präzise Prompts, um gezielte und qualitativ hochwertige Ausgaben von KI-Modellen zu erhalten – sei es für die Textverarbeitung, die Datenanalyse, den Kundensupport oder zur Automatisierung von Entwicklungsaufgaben. Dieses Know-how ist heute in vielen Unternehmen ein gefragter Skill und verschafft Dir einen klaren Vorsprung auf dem Arbeitsmarkt.

Durch praxisorientierte Inhalte – etwa zu Machine Learning, Deep Learning, Natural Language Processing (NLP) und KI-gestützter Datenverarbeitung – wirst Du befähigt, moderne KI-Architekturen zu verstehen und in reale Softwarelösungen einzubinden. Du arbeitest mit echten Tools, entwickelst Use Cases und lernst, wie Du KI-Systeme bewertest, trainierst und produktiv machst.

Das Fernstudium ist ideal für berufstätige Entwickler:innen, die sich flexibel weiterbilden möchten. Du baust fundiertes Wissen auf, das Dir nicht nur neue Karrierewege als KI-Entwickler:in, Prompt Engineer oder AI Integration Specialist eröffnet, sondern auch Deine Rolle im Team und im Unternehmen deutlich stärkt.

Mit dem Abschluss belegst Du Deine Expertise in einem der zukunftsträchtigsten IT-Bereiche – und positionierst Dich klar für verantwortungsvolle Aufgaben in der digitalen Transformation, der Automatisierung von Softwareentwicklung und der Entwicklung intelligenter Systeme.

Wenn Du als Softwareentwickler:in über fundierte Kenntnisse in Künstlicher Intelligenz (KI) und Prompt Engineering verfügst, eröffnen sich Dir hervorragende Gehaltsperspektiven. Der Marktwert für Entwickler:innen mit diesen spezialisierten Fähigkeiten ist in den letzten Jahren stark gestiegen – insbesondere durch die zunehmende Integration von Large Language Models (LLMs) wie ChatGPT in Unternehmensprozesse. Während klassische Softwareentwickler:innen in Deutschland durchschnittlich zwischen 50.000 und 70.000 Euro brutto im Jahr verdienen, kannst Du mit KI- und Prompting-Kompetenzen je nach Erfahrung und Branche mit einem Gehalt zwischen 70.000 und 120.000 Euro rechnen – in spezialisierten Rollen oder bei Tech-Unternehmen sogar deutlich mehr.

Mit wachsender Berufserfahrung und zusätzlicher Expertise in Bereichen wie Machine Learning, Natural Language Processing (NLP) oder der Entwicklung von CustomGPTs sind auch Positionen als AI Engineer, Prompt Engineer oder KI-Systemarchitekt:in möglich. In diesen Rollen sind Jahresgehälter von über 130.000 Euro brutto keine Seltenheit. Auch als Freelancer:in oder Berater:in mit Fokus auf KI-Integration und Prompt-Optimierung kannst Du durch hohe Stundensätze (oft über 120 Euro netto) ein überdurchschnittliches Einkommen erzielen.