Kursprogramm
Spezialist:in für KI-Automatisierung von Geschäftsprozessen
600 Unterrichtsstunden
Modul 1
INTRODUCTION. AI Foundations & Business Context.
Einleitung zum Lehrgang und seinem Aufbau; Überblick über Ziele, Inhalte und Aufbau des Lehrgangs; Was ist Künstliche Intelligenz: Grundlegende Begriffe und Modelle.
Praxis: Ihre ersten Prompts mit ChatGPT, Gemini und Claude (Warm-up & Exploration).

  • Wie funktioniert Machine Learning? Was genau sind neuronale Netze?
  • Wie funktionieren Large Language Models (LLMs)?
Praxis: Wie "denkt" KI?

  • Die KI-Welle: Von der Digitalisierung zur KI-Transformation.
Praxis: Analyse der bestehenden KI-Anwendungen und -Potenziale im Unternehmen.

  • Die Rolle von KI in der Unternehmenspraxis; Frameworks für den Einsatz von KI im Unternehmen.
Praxis: Konkrete Einsatzmöglichkeiten von KI.

  • Start des persönlichen Projekts: Einordnung des Projekts in eine Branche oder ein Unternehmen,
  • Analyse des gewählten Anwendungsfeldes und strukturierte Erarbeitung möglicher KI-Einsatzszenarien,
  • Definition des persönlichen Projektgegenstands.
Modul 2
STRATEGY. Prompt Engineering & AI Agents. Part 1.
  • Aktuelle KI-Fähigkeiten und ihre Grenzen; Proprietäre Modelle vs. Open-Source-Modelle.
Praxis: Analyse und Vergleich von KI-Tools.

  • Einführung in Prompt Engineering.
  • Was ist der Lebenszyklus eines Prompts?
Praxis: Debugging und gezielte Optimierung von Prompts.

  • Wichtige Prompt-Frameworks (AUTOMAT, RTF, TAG, BAB, RISE).
  • Prompting-Techniken: Zero-Shot, Few-Shot, Chain-of-Thought (CoT), Tree of Thoughts (ToT), Self-Criticism Prompting.
Praxis: Strukturiertes und reproduzierbares Schreiben von Prompts.

  • Custom GPTs und System Prompts.
Praxis: Konfiguration eines eigenen GPT-Modells.

  • Diskussion: Analyse und Vergleich von Custom Agents.
  • Anwendung von Prompt Engineering auf die eigene Case Study.
  • Design der Custom-GPT-Konfiguration für die gewählte Zielbranche.
  • Einsatzmöglichkeiten von KI-Agenten im persönlichen Projekt.
Modul 3
STRATEGY. Prompt Engineering & AI Agents. Part 2
  • Grundlagen der Webentwicklung oder wie IT-Produkte funktionieren (Low-/No-Code Methode)
  • Was sind KI-Agenten und wie sie funktionieren: Grundlagen von RAG, Temperature- und Top-P-Parametern.
Praxis: Erstellung eines einfachen KI-Agenten über die OpenAI-Plattform mit Konfiguration eines Agentic Workflows in n8n.

  • KI-Agenten, KI-Workflows und Agentic Workflows: Unterschiede und Zusammenhänge.
  • Aufbau eines KI-Agenten: Modell, Orchestrierung, Gedächtnis und Tools.
Praxis: Erstellung eines einfachen KI-Agenten zur Verwaltung von E-Mails, Kalendern und Aufgaben in n8n.

  • Wöchentliche Zusammenfassung und Reflexion der KI-Möglichkeiten;
  • Einführung in prozessorientiertes Denken;
  • Stakeholder-Mapping im Kontext von Transformationsprozessen;
  • Theory of Constraints (TOC): grundlegendes Denkmodell;
  • Identifikation von Engpässen in realen Systemen;
  • AS-IS-Analyse: Beschreibung und Visualisierung des aktuellen Zustands.
Praxis: Aufbau einer AS-IS-Prozesskarte und einer Engpass-Analyse.

  • Vollständige AS-IS-Analyse für das persönliche Projekt.
Modul 4
Legal and Data Infrastructure – Business Process Analysis & Strategy.
  • Grundursachenanalyse: Ishikawa-Diagramm und 5-Why-Methode;
  • Benchmarking und Vergleichsanalyse.
Praxis: Analyse-Sprint und Benchmarking.

  • TO-BE-Design: Entwicklung des Zielzustands;
  • Vom Engpass zur Verbesserung;
Praxis: Neugestaltung von Prozessen (AS-IS → TO-BE).

  • Bewertung und Effizienzanalyse von Verbesserungen;
  • Kommunikation von Veränderungen und Arbeit mit KPIs;
  • Die Bedeutung von Daten für die KI-Transformation;
  • Überblick über Datenökosysteme und Integrationsmöglichkeiten.
Praxis: Mapping der Datenflüsse im Unternehmen.

  • Gezielte Analyse zentraler Problemfelder;
  • Entwicklung eines TO-BE-Prozessdesigns mit KI-Integrationspunkten.
  • Data Lake vs. DWH vs. Data Mart: Managementperspektive.
  • ETL: Wie werden Daten zu Managemententscheidungen?
Praxis: Untersuchung eines ETL-Flows.

  • Übergang von ETL zu ELT: neue Arbeitslogik für moderne Unternehmen.
  • Aufbau von Data Pipelines in der Praxis.
Praxis: Design einer hybriden Pipeline (ETL + ELT).

  • Datenqualität und ihre Bedeutung für KI;
  • Data Governance für Berater:innen.
Praxis: Analyse der Datenqualität und bestehende Governance-Ansätze;

  • Datenarchitektur für KI-Use-Cases;
  • End-to-End-Datenfluss;
  • Wöchentliche Zusammenfassung und Anwendung in Beratungsprojekten.
Modul 5
Legal and Data Infrastructure – Data Fundamentals & Architecture.
Modul 7
Legal and Data Infrastructure – Legal Compliance (GDPR & EU AI Act).
  • Grundlagen und Prinzipien des Datenschutzes;
  • Methoden der Anonymisierung und ihr Einsatz in KI-Systemen.
Praxis: Konzeption eines rechtlich abgesicherten Datenflusses.

  • Struktur und Kernprinzipien des EU AI Act;
  • Klassifizierung von KI-Systemen und risikobasierte Anforderungen;
  • Bewertung von KI-Risiken;
  • Compliance, DPIA und technische Dokumentation;
  • Technische Dokumentation im Kontext des EU AI Act.
Praxis: Durchführung einer realen KI-Risikobewertung.

  • Ethische und rechtliche Prinzipien von Responsible AI;
  • Grenzüberschreitender Datentransfer und vertragliche Regelungen.
Praxis: Simulation einer rechtlichen und regulatorischen Bewertung von KI.

  • Entwicklung einer vollständigen DPIA für das persönliche Projekt (Teil 1).
Modul 8
Application: Development & Integration – Advanced Workflow Automation & RPA.
  • Datenarchitektur für Führungskräfte und Entscheidungsträger:innen;
  • Design eines schlanken Data-Frameworks.
Praxis: Architektur-Review-Workshop.

  • Bewertung des KI-Reifegrades im Unternehmen;
  • Abwägung von Nutzen, Risiken und Aufwand;
  • Wöchentliche Reviews und Reflexion;
  • AI Readiness (inkl. Data Readiness): Reifegradmodell und Scoring;
  • Impact/Effort- und Risk/Regret-Matrizen.
Praxis: Erstellung einer Shortlist von relevanten Initiativen.

  • Portfoliomanagement und Governance: Kanban, Rollen, AI-Komitee;
  • Stage-Gate-Prozess und ADR (Architecture Decision Record).
Praxis: Portfolio-Canvas und Umsetzungsplan.

  • Entwicklung der DPIA (Teil 2): Risikobewertung;
  • Entwicklung der DPIA (Teil 3): Maßnahmen zur Risikominderung;
  • Abschluss der vollständigen KI-Readiness-Bewertung.
Modul 9
Application: Development, Integration, Security, AI Ethics & Production.
  • Wirtschaftlichkeitsmodelle für KI-Projekte: ROI, TCO, Amortisationszeit, NPV / IRR;
  • Value Tracking: Verbindung von Business Impact und KPI-Trees.
Praxis: Entwicklung eines Finanzmodells für einen KI-Use-Case.

  • FinOps für KI: Steuerung von Token-Kosten, Infrastruktur und Laufzeitkosten;
  • Optimierung von Caching und RAG-Architekturen;
  • Szenario-Modellierung „Vorher / Nachher“ sowie Sensitivitätsanalysen.
Praxis: Aufbau eines FinOps-Dashboards.

  • AI-Roadmap: Quick Wins vs. strategische Initiativen, AI Initiative Canvas, Piloten.
  • Risiko-Register: Technologie, Daten, Menschen, Recht, Ethik.
Praxis: Roadmap und Risikominderungsplan.

  • Wiederholung: LLMs, Generierungsarchitektur, Prompting-Basics, Self-Hosting mit n8n.
  • Anti-Patterns in Prompt Engineering.
Modul 6
Legal and Data Infrastructure — Data Governance & Quality.
  • Was ist Data Governance und warum ist sie für Unternehmen und KI kritisch?
  • Rollen und Aufgaben im Datenmanagement.
Praxis: Erstellung einer Data-Ownership-Map.

  • Bewertung und Interpretation der Datenqualität;
  • Datenvalidierung und -monitoring (No-Code-Ansatz).
Praxis: Simulation eines Datenqualitätsaudits.

  • Datenschutz und rechtliche Anforderungen;
  • Responsible AI und Ethik in der Praxis.
Praxis: Analyse der ethischen Risiken im Unternehmen.

  • Regulierungsrahmen und internationaler Kontext;
  • Zentrale Prinzipien der DSGVO (GDPR).
Praxis: Anwendung der DSGVO auf reale Praxisfällen.

  • Anwendung der DSGVO-Prinzipien auf die eigene Case Study.
3,5 Monate
5 Tage pro Woche
9:00 — 16:00
Formatmix
  • Webinare mit Trainer
  • Videolektionen
  • Projektarbeit
Modul 10
Case Study & Projektarbeit.
Die Teilnehmenden agieren als KI-Transformationsberater:innen für reale Unternehmen. Modulaufgabe: Bewertung der digitalen und KI-Reife, Identifikation von Engpässen, Modellierung zukünftiger Automatisierungsprozesse sowie Prüfung der Compliance mit DSGVO und EU AI Act.
Praxisfälle:
  • Produktion von Türen und Metallkonstruktionen (minimale Digitalisierung, keine Automatisierung);
  • Restaurantkette (niedrige Digitalisierung);
  • Produktion und Lieferung von gesunder Ernährung (mittlere Digitalisierung, teilweise Automatisierung).
Projektarbeit mit einem sprachbasierten AI-RAG-Agenten. Kontinuierliche Case Study bis zum finalen Projekt.
Modul 11
Application: Development & Integration.
  • Context Window und Token-Budget-Management
  • Structured Guided Reasoning (SGR)
  • Function Calling vs JSON-schemas
  • Sampling-Methoden
  • System Prompts und Policies
  • Guardrails und Antwortvalidierung
  • Kontextmanagement
  • Multimodale Inputs
  • Kontextlimits und Summarization-Techniken
  • Prinzipien der strukturierten Ausgabe
Modul 12
Application: Development & Integration
  • Typen von Datenquellen und Ingestion-Architektur.
  • Parsing und Normalisierung von Date.
  • Formatnormalisierung.
  • Chunk-Design.
  • Embeddings und Vektor-Datenbanken.
  • Metadaten-Handling und Filterung.
  • Retrieval-Mechanismen, Reranker und Score-Fusion.
  • Einsatz von LLMs als Retrieval-Mechanismus.
  • Design von RAG-Pipelines.
  • Kontextinjektion, Zitationsrichtlinien und Qualitätsbewertung von RAG.
  • Memory-Typen und Speicherstrategien.
  • RAG auf strukturierten Datenquellen.
Modul 13
Application: Development & Integration – AI Agents & Multi-Agent Systems.
  • Agentenarchitektur, Rollenverteilung, Planungs- und Reasoning-Zyklen.
  • Human-in-the-Loop (HITL): Zustände, Kontext und „Time-Travel“.
  • Exception Handling und Recovery-Mechanismen.
  • MCP, Function Calling und Tool Calling: sichere Implementierungsansätze.
  • Agent-to-Agent-Interaktion und Routing.
  • Multi-Agent-Kollaboration.
  • Integration von Hugging-Face-Modellen.
  • OCR und Document AI.
  • Präsentation der Zwischenergebnisse.
  • Modellen OCR und Document AI Präsentation der Zwischenergebnisse.
Modul 14
Application: Development & Integration – Multimodal AI (Voice, Vision, OCR).
  • Multimodale Modelle und Embeddings (CLIP, Florence, BLIP).
  • Visual Search und die Kombination von Text- und Bilddaten.
  • Integration von OCR und LLMs über Function Calling/MCP.
  • Entwicklung eines Voice Agents mit Vapi und n8n für den Kundenservice und das CRM.
  • Real-Time-Voice-Interaction-Cases.
  • Praxis und Abschluss-Review.
Modul 15
Finales Projekt: Technische Umsetzung & Präsentation.
  • Grundlagen der Bewertung von KI-Systemen.
  • Automatisierte Qualitätsbewertung: Model-as-Judge.
  • Red Teaming für KI-Systeme.
  • Guardrails und Policy Enforcement.
  • Schutz vor Datenlecks und Umgang mit PII.
  • Monitoring von KI-Systemen im Produktivbetrieb.
  • Start des finalen Projekts.
  • Präsentation für das Abschlussprojekt.
Projekte in Ihrem Portfolio nach dem Abschluss.
Eine ausgearbeitete Strategie zur Einführung von KI für ein Unternehmen — von der Readiness-Bewertung bis zur Umsetzung der Roadmap.

  • Eine KI-Transformationsstrategie: Ziele, der aktuelle Reifegrad, zentrale Herausforderungen sowie das Zielmodell TO-BE.
  • Analyse der Anwendungsbereitschaft und der Risiken: Menschen, Prozesse, Daten und Technologien.
  • Risikominderungsplan unter Berücksichtigung von DSGVO und EU AI Act.
  • AI-Roadmap: phasenweiser Plan, Quick Wins und strategische Initiativen, Verknüpfung mit KPIs.
  • POC (2–3 Use Cases): eine Kundenpräsentation, Entwicklung eines RAG-Assistenten für den Vertrieb, Entwicklung einer KI-Transformationsstrategie für Geschäftsprozesse, Entwicklung eines Dokumentenassistenten.
  • Kundenpräsentation: 10–12 Folien (Consulting-Stil) mit Roadmap-Visualisierung, POC-Demo sowie Bewertung von Nutzen und Risiken.
Abschlussprojekt
Entwicklung eines RAG-Assistenten für den Vertrieb
Entwicklung einer RAG-Agent-Case-Study zur Beantwortung von Fragen des Vertriebsteams und für das Onboarding.

  • Technische Umsetzung als POC-Demo.
  • Integration eines RAG-Systems oder einer Multi-Agenten-Architektur.
Entwicklung einer KI-Transformationsstrategie für Geschäftsprozesse
Analyse der bestehenden AS-IS-Geschäftsprozesse, Identifikation operativer Engpässe sowie Design der Zielprozesse (TO-BE) unter Einsatz von KI und Automatisierung.
Entwicklung eines Document Assistants
Entwicklung eines Chat-Assistenten auf Case-Basis unter Einsatz von Structured Guided Reasoning (SGR), Policy-Guards und Kontextmanagement, ohne Implementierung von RAG.
5 Bonusmodule
Diese können jederzeit in einem für Sie passenden Tempo absolviert werden.
Sie stärken Ihre professionelle Kommunikation auf Englisch: E-Mails, Präsentationen, Zusammenarbeit in internationalen Teams und Erweiterung des branchenspezifischen Wortschatzes.
Englisch für IT- und Digital-Berufe
Sie trainieren berufliche Kommunikation auf Deutsch: geschäftliche Korrespondenz, Präsentation von Arbeitsergebnissen, Teamkommunikation und gezielten Ausbau des Fachwortschatzes.
Deutsch für den Berufsalltag
Sie erstellen einen Lebenslauf, ein Portfolio sowie Online-Profile und bereiten sich gezielt auf HR- und technische Bewerbungsgespräche in deutscher Sprache vor.
Jobsuche
Sie lernen, wie Sie Social-Media-Profile und Portfolios professionell aufbauen, um sichtbar zu werden und über Freelance-Plattformen erste Aufträge zu gewinnen.
Schneller Einstieg in die Selbstständigkeit (Freelance)
Sie erwerben grundlegende Methoden der Team- und Projektarbeit. Damit können Sie effizienter zusammenarbeiten und schneller Verantwortung im Berufsalltag übernehmen.
Management
Was werden Sie lernen?
+
Computer Vision / Audio models, API, JSON, HTTPS, Webhooks, Data parsing (docling / markerpdf), Vapi, Prometheus, Data Lake, DWH (Data Warehouse), Data Mart, Chain of Thought (CoT), Tree of Thoughts (ToT), Society of Thought (SoT), GDPR, AI Act, DPIА
Automatisierung mit No-Code- und Low-Code-Ansätzen
Organisation, Speicherung und Aufbereitung von Daten für KI-Projekte
Praktische Arbeit mit KI-Tools
Business-Diagnose und KI-Strategie
Geschäftsprozessmanagement
Analyse und Modellierung von Prozessen (AS-IS / TO-BE)
Vorbereitung von Prozessen auf Automatisierung und KI-Integration.
Nutzung gängiger Methoden und Notationen (BPMN, SIPOC, Value Chain);
Ökonomie und Portfoliomanagement von KI-Projekten
Wirtschaftliche Bewertung von KI-Initiativen anhand von Kennzahlen (ROI, TCO, NPV, IRR, Impact/Effort);
Datengestützte Managemententscheidungen.
Steuerung von Projekten mit Stage-Gate-Modellen und FinOps for AI;
Business-Diagnose und KI-Strategie
Analyse von Geschäftsprozessen und Identifikation von Engpässen, Prioritäten und Wachstumspotenzialen;
Einsatz etablierter Methoden und Frameworks: TOC (Goldratt), AI Maturity Models, Root Cause Analysis, strategische Referenzmodelle nach McKinsey, BCG und Deloitte.
Datenengineering und Lösungsarchitektur
Grundlagen von ETL/ELT, RAG und Multi-Agent-Systemen;
Umsetzung mit Low-Code- und No-Code-Ansätzen.
Architektur und Design von KI-Lösungen – von der Datenquelle bis zum Ergebnis;
Testen und Monitoring
Qualitätssicherung von KI-Systemen durch Red Teaming und Model-as-Judge;
Monitoring von Stabilität, Sicherheit und Performance im Betrieb.
Risiken, Ethik und rechtliche Compliance
Datenschutz · EU AI Act · DPIA und Responsible AI;
Bewertung von KI-Risiken und verantwortungsvoller Einsatz von KI, Reduzierung rechtlicher und organisatorischer Risiken bei KI-Projekten.
Prompt Engineering und KI-Logiken
Entwicklung wirksamer Prompts und Steuerungslogiken, Umgang mit strukturierten Prompt-Frameworks (AUTOMAT, RTF, TAG, BAB, RISE, CoT, ToT), Definition von Rollen, Policies und Instructions;
Entwicklung wirksamer Prompts und Steuerungslogiken, Aufbau sicherer und skalierbarer KI-Szenarien.
Welche beruflichen Positionen stehen Ihnen nach dieser Weiterbildung in Deutschland offen?
€50 000 – €80 000
Durchschnittliches Jahresgehalt
  • Spezialist:in für Automatisierung (RPA / AI Automation), entwickelt und implementiert Roboter sowie KI-Agenten zur Automatisierung und Optimierung von Geschäftsprozessen.

  • Analyst:in für digitale Geschäftsprozesse, analysiert Geschäftsprozesse, identifiziert Engpässe und konzipiert Optimierungsmaßnahmen unter Einsatz von KI.

  • Spezialist:in für AI Governance & Compliance, stellt die Konformität von KI-Projekten mit der DSGVO und dem EU AI Act sicher und übernimmt die Verantwortung für das Risiko- und Datenqualitätsmanagement.

  • AI Product Manager:in, ist für die Entwicklung und Weiterentwicklung KI-basierter Produkte verantwortlich – von der Idee über die Implementierung bis hin zum Ergebnismonitoring.

  • Analyst:in für Business-Process-Transformation, verbindet strategische Prozessanalyse mit der Implementierung von KI-Lösungen zur nachhaltigen Optimierung von KPIs.
Genthiner Straße 40, 10785 Berlin
info@beaminstitute.org
+49 (211) 1760-7314
Wir unterstützen Sie dabei, nach Ihrer Ausbildung den ersten Job zu finden.
Wir zeigen Ihnen, wie ein professioneller Lebenslauf erstellt wird.
Wir begleiten Sie bei der Erstellung und Optimierung Ihres Portfolios.
Wir geben in jeder Phase des Bewerbungsprozesses qualifiziertes Feedback.
Wir bieten Praktika oder Projektarbeiten bei unseren Partnerunternehmen an.
Wir unterstützen Sie bei der professionellen Gestaltung Ihres LinkedIn-Profils.
Wir bereiten Sie gezielt auf Bewerbungs- und Fachgespräche vor.
Wir vermitteln, wie Sie relevante Stellenangebote auf dem Arbeitsmarkt erkennen.
© 2026 BIT - Beam Institute of Technology UG. All rights Reserved.
Das Career Center von IT Career Hub begleitet Sie vom Abschluss Ihrer Ausbildung bis zur Anstellung. Gemeinsam mit einer Karriereberater: in entwickeln Sie einen professionellen Lebenslauf, ein überzeugendes Portfolio und ein aussagekräftiges LinkedIn-Profil, bereiten sich auf Interviews mit HR und technischen Expert: innen vor und erhalten Praktika sowie Zugang zu offenen Stellen bei Partnerunternehmen.
Wir helfen Ihnen dabei, Ihren ersten Job zu finden.