Informations- und Datenkompetenz
Verstehen, welche Daten KI-Systeme nutzen, wie Datenqualität Ausgaben beeinflusst, und welche Daten man eingeben darf.
KI-Weiterbildung · Wissensbasis
KI-Weiterbildung für Unternehmen
Praxisnahe KI-Schulung für den Mittelstand: Auf dieser Seite lernen Sie und Ihre Mitarbeitenden alles Wesentliche zu künstlicher Intelligenz, von den Grundlagen über Prompt Engineering bis zur KI-Kompetenzpflicht nach Art. 4 EU AI Act. Frei zugänglich, auf Basis unserer Wissensbasis mit 120 Unterrichtseinheiten.
120Unterrichtseinheiten
10Module: von Grundlagen bis Roll-out
3Lernpfade: 60, 120 oder 150 Stunden
2.400+Seiten Wissensbasis als Fundament
Wissensbasis · PDFDie komplette Wissensbasis als PDF2.400+ Seiten · 10 Module · Edition Juni 2026 · kostenfrei per E-MailDas Wichtigste in Kürze
Was ist KI-Weiterbildung, und warum ist sie jetzt Pflicht?
KI-Weiterbildung (auch: KI-Schulung oder AI Literacy) vermittelt Mitarbeitenden die Kenntnisse, um KI-Systeme kompetent, sicher und rechtskonform einzusetzen. Seit dem 2. Februar 2025 verpflichtet Art. 4 der EU-KI-Verordnung (EU AI Act) alle Unternehmen, die KI einsetzen, Maßnahmen für ausreichende KI-Kompetenz ihres Personals zu ergreifen, nachweisbar und rollenbezogen.
- Rechtsgrundlage: Art. 4 Verordnung (EU) 2024/1689, gilt seit 2. Februar 2025, ohne Übergangsfrist.
- Betroffen sind alle Mitarbeitenden, die mit KI-Systemen arbeiten, nicht nur IT oder Compliance.
- Der Umfang richtet sich nach Rolle und Risikoklasse der eingesetzten Systeme (drei Niveaustufen).
- Ohne Dokumentation gilt eine Schulung als nicht erfolgt; Nachweise sind Teil der Pflicht.
- Diese Seite deckt das Grundlagenwissen ab; die vollständige Wissensbasis vertieft alle 10 Module.
Stand: Juli 2026 · Edition Juni 2026 der KI-Wissensbasis
EU AI Act / KI-Verordnung
Die KI-Verordnung verstehen: Zeitplan, Adressaten, Risikoklassen.
Der EU AI Act (Verordnung (EU) 2024/1689) ist unmittelbar geltendes EU-Recht, keine Empfehlung. Er gilt für jedes Unternehmen, das KI-Systeme beruflich einsetzt: als Betreiber (Deployer) sind Sie Adressat, auch wenn Sie das KI-System nur nutzen und nicht entwickeln. Wer die Systematik aus Stichtagen und Risikoklassen versteht, kann Pflichten sicher einordnen.
Die fünf zentralen Stichtage der KI-Verordnung
- 1. August 2024Inkrafttreten
Die Verordnung (EU) 2024/1689 tritt in Kraft. Die Pflichten greifen gestaffelt.
- 2. Februar 2025Verbote + KI-Kompetenz
Verbotene KI-Praktiken (Art. 5) und die KI-Kompetenzpflicht (Art. 4) gelten, für alle Anbieter und Betreiber.
- 2. August 2025GPAI & Governance
Pflichten für General-Purpose-AI-Modelle (u. a. große Sprachmodelle) und die Governance-Struktur mit dem AI Office greifen.
- 2. August 2026Hochrisiko & Transparenz
Die Hauptanwendung: Pflichten für Hochrisiko-Systeme nach Anhang III und Transparenzpflichten nach Art. 50 gelten.
- 2. August 2027Eingebettete Systeme
Übergangsfrist endet für Hochrisiko-KI in regulierten Produkten nach Anhang I (z. B. Maschinen, Medizinprodukte).
Wichtig für die Praxis: Die Kompetenzpflicht nach Art. 4 gilt bereits, unabhängig davon, ob Ihr Unternehmen Hochrisiko-Systeme einsetzt.
Die vier Risikoklassen: interaktiv erklärt
Der EU AI Act reguliert nicht „KI an sich“, sondern konkrete Anwendungen nach ihrem Risiko. Tippen Sie auf eine Stufe der Pyramide, um Beispiele und Pflichten zu sehen.
Unannehmbares Risiko · Art. 5
Praktiken, die mit Grundrechten unvereinbar sind, sind in der EU verboten, ohne Ausnahme für Unternehmen.
- Social Scoring durch öffentliche Stellen
- Manipulative KI, die Verhalten unterschwellig steuert
- Emotionserkennung am Arbeitsplatz
- Ungezieltes Auslesen von Gesichtsbildern
Einsatz untersagt. Verstöße: bis 35 Mio. € oder 7 % des weltweiten Jahresumsatzes (Art. 99).
Hohes Risiko · Anhang I + III
Erlaubt, aber streng reguliert: Systeme mit erheblichem Einfluss auf Lebenschancen von Menschen. Für die meisten Unternehmen am relevantesten: Anhang III Nr. 4, KI im Personalwesen.
- KI-gestützte Bewerbungsauswahl und Leistungsbewertung
- Kreditwürdigkeitsprüfung
- Bewertungssysteme in Bildung und Ausbildung
- Kritische Infrastruktur und Strafverfolgung
Konformitätsbewertung, Risikomanagement, menschliche Aufsicht, Protokollierung, spezifische Schulung (Art. 26 Abs. 5).
Begrenztes Risiko · Art. 50
Transparenzpflichten: Menschen müssen erkennen können, dass sie mit KI interagieren oder KI-generierte Inhalte sehen.
- Kundenservice-Chatbots (müssen sich zu erkennen geben)
- KI-generierte Bilder und Videos (Kennzeichnung)
- Deepfakes (strenge Kennzeichnungspflicht)
Kennzeichnungs- und Informationspflichten, technisch und organisatorisch umsetzbar.
Minimales Risiko · Keine besonderen Pflichten
Die große Mehrheit der Büro-KI: Textassistenten, Zusammenfassungen, Übersetzung, Rechtschreibkorrektur. Hier gilt „nur“ die allgemeine Kompetenzpflicht nach Art. 4.
- Text- und E-Mail-Assistenten
- Zusammenfassungs- und Übersetzungstools
- Spam-Filter, Empfehlungssysteme
- Predictive Maintenance an Maschinen
Keine besonderen Auflagen, aber Art. 4 (KI-Kompetenz) gilt für alle Nutzenden.
Faustregel aus der Wissensbasis: Die meisten Büro-Tools fallen in „Minimal“ oder „Begrenzt“. Sobald KI über Menschen entscheidet, Bewerbung, Kredit, Leistung, wird es Hochrisiko.
Bußgeldrahmen: bis zu 35 Mio. € oder 7 % des weltweiten Jahresumsatzes bei verbotenen Praktiken; gestaffelt niedriger für andere Verstöße (Art. 99).
Vertiefung
KI-Kompetenz nach EU AI Act
Risiko-Check für Ihre Anwendungen, die neun Deployer-Pflichten nach Art. 26, Ampel-Freigabemodell und Kompetenzmatrix: die Compliance-Vertiefung zur Schulungspflicht.
Zur VertiefungsseiteKI-Kompetenz · Art. 4 EU AI Act
Die KI-Kompetenzpflicht: Was Art. 4 von Ihrem Unternehmen verlangt.
Art. 4 EU AI Act verpflichtet Anbieter und Betreiber, nach besten Kräften sicherzustellen, dass ihr Personal über ausreichende KI-Kompetenz (AI Literacy) verfügt, orientiert an Aufgabenbereich, Risikoniveau der Systeme und technischem Kenntnisstand. Der Gesetzgeber schreibt kein starres Curriculum vor, sondern einen rollenbezogenen, nachweisbaren Kompetenzaufbau.
Merksatz aus der Wissensbasis: Art. 4 gilt seit dem 2. Februar 2025. Wer keine dokumentierten Schulungsmaßnahmen vorweisen kann, riskiert bei Prüfungen als non-compliant eingestuft zu werden, auch wenn die eingesetzten KI-Systeme selbst alle Anforderungen erfüllen.
Drei Niveaustufen der KI-Kompetenz
Alle Mitarbeitenden, die KI-Tools nutzen
Das Pflichtfundament für jede Belegschaft, unabhängig vom Risikoniveau der eingesetzten Systeme.
- Was ist KI, wie funktioniert sie grundsätzlich?
- Grenzen erkennen: Halluzinationen, Bias, Wissensstand
- Datenschutz-Grundsätze bei der KI-Nutzung
- KI-Ausgaben kritisch prüfen statt blind vertrauen
Regelmäßige KI-Nutzer:innen, sensible Kontexte
Für alle, die KI produktiv in ihre Arbeit integrieren, mit vertieftem Methoden- und Rechtswissen.
- Prompts gestalten, optimieren und wiederverwenden
- KI-Outputs strukturiert validieren
- DSGVO und AI Act im Arbeitsalltag anwenden
- Meldewege bei Problemen kennen und nutzen
KI-Verantwortliche, Hochrisiko-Aufsicht, Projektleitung
Für alle, die KI-Systeme verantworten, Hochrisiko-Anwendungen beaufsichtigen oder Governance gestalten.
- Deployer-Pflichten nach Art. 26 vollständig umsetzen
- Bias erkennen, bewerten und adressieren
- Grundrechte-Folgenabschätzung durchführen
- KI-Governance-Strukturen entwerfen und betreiben
Referenzrahmen: die fünf DigComp-Dimensionen
Die EU-Kommission nutzt das DigComp-Framework (zuletzt DigComp 2.2, 2022) als Referenz für digitale Kompetenz. Auf KI übertragen ergeben sich fünf Dimensionen, die eine vollständige KI-Weiterbildung abdecken sollte:
Kommunikation und Zusammenarbeit
KI-Assistenten sinnvoll in Kommunikationsprozesse integrieren und Ergebnisse richtig einordnen.
Erstellung digitaler Inhalte
Prompts formulieren, KI-generierte Inhalte überarbeiten und Urheberrechtsfragen verstehen.
Sicherheit
Keine vertraulichen Daten in externe Tools geben, KI-gestütztes Phishing erkennen, Datenschutz anwenden.
Problemlösung
Passende KI-Werkzeuge auswählen, Outputs kritisch bewerten, Halluzinationen erkennen und Fehler eskalieren.
Dokumentationspflichten: ohne Nachweis keine Compliance
Für interne Governance wie für Aufsichtsbehörden gilt: Was nicht dokumentiert ist, hat nicht stattgefunden. Diese vier Nachweise sollte Ihre Organisation führen:
- Schulungsnachweis pro Person: Name, Datum, Inhalt, Niveaustufe, Dauer, Trainer bzw. Anbieter
- Kompetenzmatrix der Organisation: Wer hat welches Niveau? Wer fehlt noch? Wann sind Auffrischungen fällig?
- Risikobasierte Zuordnung: Welches System hat welche Risikoklasse, und welches Kompetenzniveau erfordert es?
- Überprüfungsrhythmus: jährliche Auffrischung, sofortige Schulung bei neuen Tools oder Systemänderungen
Lernpfade
Drei Wege durch dieselbe Wissensbasis.
Ob Selbststudium, Multiplikatoren-Ausbildung oder AI-Champion-Programm: Die Wissensbasis ist so aufgebaut, dass jede Rolle ihren passenden Pfad findet, mit denselben Inhalten in unterschiedlicher Tiefe.
60 Stunden
Selbststudium
Mitarbeitende, die KI-Grundkompetenz aufbauen
Der direkte Weg zur Foundation-Kompetenz nach Art. 4: Lerntexte, Übungen und Reflexionsfragen im eigenen Tempo.
- Module 1–4 im Fokus
- Übungen für den eigenen Arbeitsplatz
- Wissens-Checks zur Selbstkontrolle
120 Stunden
Multiplikator:innen
L&D, HR und interne KI-Coaches
Der Pfad für alle, die Wissen weitergeben: vollständige Module plus Didaktik-Hinweise und Übungsanleitungen.
- Alle 10 Module
- Trainer-Hinweise je Einheit
- Methodenkatalog für Workshops
150 Stunden
AI Champions
KI-Verantwortliche und Projektleitungen
Das komplette Programm inklusive Trainer-Anhängen, Musterlösungen, ROI-Leitfaden und Readiness-Assessment.
- Advanced-Niveau nach Art. 4
- Projektarbeit mit Transferplan
- Zertifikatsfähige Struktur
Curriculum
10 Module, 120 Unterrichtseinheiten: das komplette Programm.
Das ist der vollständige Aufbau der KI-Wissensbasis. Öffnen Sie jedes Modul, lesen Sie Lernziele und Kernaussagen, und haken Sie ab, was Sie durchgearbeitet haben. Ihr Fortschritt wird lokal in Ihrem Browser gespeichert.
Ihr Lernfortschritt0/10
Lernziel: Sie erklären, was künstliche Intelligenz ist, grenzen KI, Machine Learning, Deep Learning und generative KI voneinander ab und verstehen auf nicht-technischem Niveau, wie große Sprachmodelle funktionieren.
Das konzeptionelle Fundament: Was ist KI überhaupt, und warum ist das Thema gerade jetzt handlungsrelevant? Die Antwort entsteht auf drei Ebenen: technisch (wie funktionieren KI-Systeme?), wirtschaftlich (warum verbreiten sie sich so schnell?) und arbeitsweltlich (was bedeutet das für Wissensarbeit?). Ohne technische Vorkenntnisse zugänglich.
Kernaussagen
- KI ist der Oberbegriff; Machine Learning lernt aus Daten, Deep Learning nutzt tiefe neuronale Netze, generative KI erzeugt Inhalte statt nur zu klassifizieren.
- Sprachmodelle erzeugen Text probabilistisch Token für Token; daraus folgen ihre Stärken (Sprache, Struktur) und Grenzen (Fakten, Aktualität).
- Halluzinationen sind kein Ausnahmefehler, sondern eine Systemeigenschaft; der professionelle Umgang damit ist erlernbar.
Unterrichtseinheiten
- UE 1 Begriffsklärung KI, ML, DL, GenAI: Taxonomie & Abgrenzung
- UE 2 Historie der KI: von Turing bis GPT-5 (Meilensteine)
- UE 3 KI-Ökosystem 2026: Anbieter, Modelle, Open Source vs. Closed
- UE 4 Wie funktioniert ein LLM? Tokens, Embeddings, Kontextfenster
- UE 5 Trainingsarten: Supervised, Unsupervised, Reinforcement, RLHF
- UE 6 Stärken & Grenzen heutiger KI: was KI (nicht) kann
- UE 7 Halluzinationen verstehen: Ursachen und Gegenmaßnahmen
- UE 8 Multimodalität: Text, Bild, Audio, Video, Code
- UE 9 Marktüberblick: ChatGPT, Claude, Gemini, Mistral, Copilot, Perplexity
- UE 10 Auswirkungen auf Berufsbilder & Arbeitsmarkt (IAB-Studien)
Lernziel: Sie ordnen die vier Risikoklassen des EU AI Act ein, erklären die Pflichten aus Art. 4 und Art. 26, wenden DSGVO-Grundsätze auf KI-Nutzung an und entwickeln Grundzüge einer internen KI-Richtlinie.
Das rechtliche Rückgrat des Curriculums, anwendungsorientiert statt juristisch: rechtliche Anforderungen so weit verstehen, dass informierte Entscheidungen möglich sind und Risiken erkannt werden. Von DSGVO-Grundlagen über die KI-Verordnung bis zu Urheberrecht, Betriebsvereinbarung und einer vollständigen Fallstudie.
Kernaussagen
- Der EU AI Act gilt für jeden, der KI beruflich einsetzt, als Deployer sind Sie Adressat, auch ohne eigene KI-Entwicklung.
- Die meisten Büro-Tools sind minimal oder begrenzt riskant; KI im Personalwesen ist der häufigste Hochrisiko-Fall (Anhang III Nr. 4).
- DSGVO und AI Act ergänzen sich: Datenschutz schützt personenbezogene Daten, der AI Act regelt Sicherheit und Transparenz der Systeme.
Unterrichtseinheiten
- UE 11 KI-Reifegradmodelle für Unternehmen
- UE 12 Lernstandskontrolle 1 (Quiz und Reflexion)
- UE 13 DSGVO-Grundlagen im KI-Kontext
- UE 14 Personenbezogene Daten in Prompts vermeiden
- UE 15 EU AI Act: Aufbau, Zeitplan, Adressaten
- UE 16 Risikoklassen des EU AI Act
- UE 17 Pflichten für Deployer nach Art. 26 EU AI Act
- UE 18 AI-Literacy-Pflicht nach Art. 4 EU AI Act
- UE 19 Urheberrecht und KI-generierte Inhalte
- UE 20 Geschäftsgeheimnisse und Vertraulichkeit im KI-Kontext
- UE 21 Ethik-Frameworks: OECD, EU HLEG und Asilomar
- UE 22 Bias, Fairness und Diskriminierung durch KI
- UE 23 Betriebsvereinbarung KI
- UE 24 Fallstudie: Rechtliche Bewertung eines KI-Use-Cases
Lernziel: Sie strukturieren Prompts nach dem Fünf-Schichten-Modell (Rolle, Kontext, Aufgabe, Format, Einschränkungen), wenden Zero-Shot, Few-Shot und Chain-of-Thought an und bauen eine eigene Prompt-Bibliothek auf.
Die praktische Kernkompetenz für alle Anwendungsmodule: KI-Systemen präzise, strukturierte Anweisungen geben. Prompt Engineering ist keine Geheimwissenschaft, sondern eine erlernbare Methode des präzisen Kommunizierens, wer klar denkt und klar schreibt, lernt es schnell.
Kernaussagen
- Die Qualität der Eingabe bestimmt die Qualität der Ausgabe; Vagheit, Überladung und fehlender Kontext sind die drei häufigsten Fehler.
- Ein präziser Prompt mit 80 Wörtern schlägt einen vagen mit 400; Länge ist kein Qualitätsmerkmal.
- Wiederkehrende Aufgaben gehören in eine versionierte Prompt-Bibliothek, nicht in den Kopf einzelner Kolleg:innen.
Unterrichtseinheiten
- UE 25 Anatomie eines Prompts: Rolle, Kontext, Aufgabe, Format
- UE 26 Zero-Shot vs. Few-Shot Prompting
- UE 27 Chain-of-Thought & Reasoning-Techniken
- UE 28 System-Prompts & Persona-Design
- UE 29 Strukturierte Outputs (JSON, Markdown, Tabellen)
- UE 30 Iteratives Prompting & Refinement-Schleifen
- UE 31 Negative Prompts, Constraints, Guardrails
- UE 32 Prompt-Patterns (CRISPE, RTF, TAG, RISEN)
- UE 33 Umgang mit langen Dokumenten: Summarization-Strategien
- UE 34 Prompt-Bibliothek aufbauen & versionieren
- UE 35 Meta-Prompts & Prompt-Optimierung durch die KI selbst
- UE 36 Praxisübung: 10 Prompts für den eigenen Arbeitsplatz
Lernziel: Sie integrieren KI-Assistenz in reale Arbeitsabläufe (E-Mail, Meetings, Textproduktion, Recherche, Wissensmanagement, Präsentationen) und behalten die Qualitätskontrolle beim Menschen.
Vom Können zum Alltag: Wie baut man KI-Unterstützung in tägliche Abläufe ein, ohne die Arbeit zu fragmentieren? Jede Einheit hat eine erweiterte Praxis-Variante mit Strategien für Teams und Organisationen, inklusive 90-minütigem Hands-on-Lab „Ein Arbeitstag mit KI-Assistenz“.
Kernaussagen
- Produktivitätsgewinn entsteht nicht durch mehr Tools, sondern durch wenige gut integrierte Routinen.
- Quellenkritik und Faktenprüfung sind Pflichtkompetenzen; KI-Recherche ersetzt keine Verifikation.
- Geteilte Prompt-Bibliotheken skalieren Wissen im Team, mit Bewusstsein für gleichförmige Ergebnisse.
Unterrichtseinheiten
- UE 37 Überblick Produktivitäts-KIs (Copilot, Gemini for Workspace, ChatGPT Enterprise)
- UE 38 E-Mail-Triage und Antwortentwürfe mit KI
- UE 39 Protokolle, Zusammenfassungen und Action Items aus Meetings
- UE 40 Textproduktion: Angebote, Reports, Blogposts
- UE 41 Übersetzen, Umformulieren, Tonalitäts-Anpassung
- UE 42 Recherche mit KI-Suchmaschinen: Perplexity und You.com
- UE 43 Quellenkritik und Faktenprüfung bei KI-Antworten
- UE 44 Wissensmanagement mit NotebookLM und ähnlichen Tools
- UE 45 Präsentationen generieren mit Gamma und Copilot PPT
- UE 46 Barrierefreiheit: Alt-Texte, Leichte Sprache, inklusives Formulieren
- UE 47 Persönliche Produktivitäts-Routinen mit KI
- UE 48 Hands-on-Lab: Ein Arbeitstag mit KI-Assistenz (90 Minuten)
Lernziel: Sie nutzen KI für Formeln, Datenbereinigung, Pivot-Analysen und Reportings, kennen die Grenzen statistischer Zuverlässigkeit von LLM-Analysen und wahren dabei Datenschutzanforderungen.
Prompting-Kompetenz trifft auf den praxisrelevantesten Anwendungsbereich: strukturierte Daten und Office-Werkzeuge. Von natürlichsprachlich erzeugten Excel-Formeln über Code Interpreter bis zum Controlling-Forecast, inklusive der Frage, wann LLM-Analysen ungeeignet sind.
Kernaussagen
- KI erklärt und erzeugt Formeln zuverlässig; bei quantitativen Analysen braucht es Werkzeuge wie Code Interpreter statt reiner Textgenerierung.
- Vor jedem Upload gilt: Datenklassifizierung prüfen, personenbezogene Daten anonymisieren.
- LLMs beschreiben Muster gut, rechnen aber nicht verlässlich; Zahlen immer nachprüfen.
Unterrichtseinheiten
- UE 49 Excel/Sheets mit KI: Formeln natürlichsprachlich erzeugen
- UE 50 Datenbereinigung mit KI (Dubletten, Formate, Validierung)
- UE 51 Pivot- und Dashboard-Vorschläge durch KI
- UE 52 Diagramme & Visualisierungen automatisiert erstellen
- UE 53 Einführung Code Interpreter / Advanced Data Analysis
- UE 54 CSV- und PDF-Analyse mit LLMs
- UE 55 Datenschutz bei Upload sensibler Daten
- UE 56 KI im Controlling: Forecasts und Varianzanalysen
- UE 57 Power BI / Looker mit KI-Copilot
- UE 58 Mini-Case: Reportings optimieren
- UE 59 Grenzen statistischer Zuverlässigkeit von LLM-Analysen
- UE 60 Praxisübung: eigener Datensatz wird analysiert
Lernziel: Sie formulieren Bild-Prompts nach strukturierten Methoden, kennen Einsatzfelder von Transkription bis Video-Generierung und erkennen rechtliche wie ethische Risiken synthetischer Medien.
Vom Text zu allen Modalitäten, mit ausgewogenem, sachkundigem Blick statt Hype oder Ablehnung: Was können Bild-, Audio- und Video-KI tatsächlich, wo liegen Grenzen, und welche Leitplanken brauchen Marketing und interne Kommunikation? Inklusive Deepfake-Erkennung und Markenrecht.
Kernaussagen
- Bild-Prompting folgt erlernbaren Mustern: Komposition, Stil, Licht. Iteration schlägt Zufall.
- KI-generierte Medien unterliegen Kennzeichnungspflichten (Art. 50) und Markenrecht; Freigabeprozesse gehören in jeden Workflow.
- Deepfake-Risiken betreffen jedes Unternehmen; Erkennungskompetenz ist Teil der Sicherheitskultur.
Unterrichtseinheiten
- UE 61 Bildgenerierung: Midjourney, DALL·E und Stable Diffusion
- UE 62 Bild-Prompting: Komposition, Stil und Licht
- UE 63 Bildbearbeitung mit KI: Inpainting, Upscaling, Hintergrundentfernung
- UE 64 Rechtliche Aspekte generierter Bilder und Markenrecht
- UE 65 Speech-to-Text und Transkription
- UE 66 Text-to-Speech und synthetische Stimmen
- UE 67 Video-Generierung: Sora, Runway und Veo
- UE 68 Avatare und KI-Moderatoren: HeyGen und Synthesia
- UE 69 Deepfake-Risiken und Erkennung
- UE 70 Einsatzszenarien Marketing und interne Kommunikation
- UE 71 Ethische Leitplanken bei synthetischen Medien
- UE 72 Praxisübung: Eigener Erklär-Clip mit KI
Lernziel: Sie unterscheiden KI-Agenten von Chatbots, verstehen Tool-Use, RAG und Orchestrierung konzeptionell, wählen geeignete Prozesse aus und gestalten Human-in-the-Loop-Muster inklusive ROI-Rechnung.
Die qualitative Schwelle des Curriculums: vom passiven Assistenten zum teilautonomen System, das plant, Werkzeuge nutzt und Aufgaben ausführt. Das verändert die Risikodimension grundlegend, und damit die Kompetenzanforderungen an Nutzende und Führungskräfte.
Kernaussagen
- Agenten = Sprachmodell + Werkzeugzugriff + Planung + Gedächtnis; jede Stufe erhöht Nutzen und Risiko.
- RAG verbindet Sprachmodelle mit eigenem Unternehmenswissen; die Grundlage vertrauenswürdiger interner Assistenten.
- Regelmäßige, regelbasierte Prozesse mit klarem Wert eignen sich zuerst; Monitoring und Mensch-Freigaben sind Pflicht.
Unterrichtseinheiten
- UE 73 No-Code-Automatisierung: Zapier, Make, n8n
- UE 74 Microsoft Power Automate mit KI-Bausteinen
- UE 75 KI-Agenten vs. Chatbots: Architekturüberblick
- UE 76 Tool-Use, Function Calling, MCP-Protokoll
- UE 77 Retrieval-Augmented Generation (RAG) verstehen
- UE 78 Custom GPTs und Copilot Studio Agents bauen
- UE 79 Agenten orchestrieren (Konzept: CrewAI, LangGraph)
- UE 80 Prozessauswahl: Welche Aufgaben eignen sich für Agenten?
- UE 81 Human-in-the-Loop-Designmuster
- UE 82 Monitoring & Logging von KI-Agenten
- UE 83 ROI-Berechnung für Automatisierungen
- UE 84 Praxisübung: eigener No-Code-Agent
Lernziel: Sie identifizieren KI-Potenziale entlang der Wertschöpfungskette, priorisieren Use Cases mit ICE/RICE, treffen Build-vs.-Buy-Entscheidungen und erstellen eine 12-Monats-Roadmap samt Business Case.
Perspektivwechsel: von der individuellen Anwendungskompetenz zur organisationalen Strategiefähigkeit. Für Führungskräfte, Multiplikator:innen und alle, die an KI-Einführungen beteiligt sind, mit Potenzialmatrix, Use-Case-Canvas, Pilot-Design und Governance-Modell.
Kernaussagen
- Prozesse vor Technologie: Die Potenzialmatrix (Häufigkeit × Regelbasiertheit × Wert) findet die richtigen Kandidaten.
- Piloten brauchen Hypothesen, KPIs und Abbruchkriterien, sonst werden sie zu Dauerprojekten ohne Beweis.
- Ohne Change-Management und Governance bleibt jede Roadmap Papier.
Unterrichtseinheiten
- UE 85 Methoden der Prozessaufnahme (Value Stream, SIPOC)
- UE 86 KI-Potenzialmatrix: Häufigkeit × Regelbasiertheit × Wert
- UE 87 Use-Case-Canvas und Steckbriefe
- UE 88 Priorisierung: ICE-, RICE-, Nutzwertanalyse
- UE 89 Build vs. Buy vs. Configure-Entscheidungen
- UE 90 Datenqualität & Datenverfügbarkeit bewerten
- UE 91 Pilot-Design: Hypothesen, KPIs, Abbruchkriterien
- UE 92 Change-Management & Akzeptanz in Teams
- UE 93 KI-Governance-Modell im Unternehmen
- UE 94 KI-Roadmap auf 12 Monate erstellen
- UE 95 Business-Case-Rechnung (TCO, Nutzen, Amortisation)
- UE 96 Workshop: 3 Use Cases identifizieren und finalisieren
Lernziel: Sie benennen Angriffsvektoren wie Prompt Injection und Data Leakage, steuern Shadow AI, bewerten Anbieter, verstehen Souveränitätsfragen (On-Premise vs. Cloud vs. EU-Hosting) und erfüllen Dokumentationspflichten.
Die kritisch-reflexive Rückkehr nach dem Kompetenzaufbau: systematischer Umgang mit den Risiken des produktiven KI-Einsatzes, von technischen Angriffen über organisatorische Blindstellen bis zu Incident Response und der Rolle der/des KI-Beauftragten.
Kernaussagen
- Shadow AI, private Tool-Nutzung ohne Freigabe, ist in den meisten Organisationen längst Realität; Steuerung schlägt Verbote.
- Prompt Injection ist der wichtigste neue Angriffsvektor; Guardrails und Red-Teaming gehören zum Betrieb.
- Datensouveränität ist eine Architekturentscheidung: On-Premise, EU-Hosting oder Cloud mit klaren Verträgen.
Unterrichtseinheiten
- UE 97 Angriffsvektoren: Prompt Injection, Jailbreaks, Data Leakage
- UE 98 Schutzmaßnahmen: Red-Teaming, Guardrails, Filter
- UE 99 Shadow AI erkennen und steuern
- UE 100 Datenklassifizierung und Datenminimierung
- UE 101 On-Premise vs. Cloud vs. EU-Hosting (Souveränität)
- UE 102 Vendor-Assessment-Checkliste für KI-Anbieter
- UE 103 Qualitätssicherung: Evals, Test-Sets, Benchmarks
- UE 104 Monitoring im Betrieb (Drift, Qualität, Kosten)
- UE 105 Dokumentationspflichten nach EU AI Act
- UE 106 Incident Response bei KI-Vorfällen
- UE 107 Rolle KI-Beauftragte:r im Unternehmen
- UE 108 Fallstudie: Risiko-Assessment eines Use Cases
Lernziel: Sie überführen das Gelernte in ein eigenes Projekt: Use Case definieren, Prototyp bauen, auswerten, präsentieren, und werden als Multiplikator:in im eigenen Team wirksam.
Abschluss mit doppelter Funktion, Transfer und Synthese: Wie kommen die Inhalte tatsächlich in die Praxis, und wie hängen die zehn Module zusammen? Mit Projektcoaching, Prüfungssimulation, Kolloquium und Transferplan bis zur Zertifikatsübergabe.
Kernaussagen
- Kompetenz zeigt sich im Projekt, nicht im Quiz, deshalb endet das Curriculum mit echter Projektarbeit.
- Train-the-Trainer-Elemente machen aus Lernenden Multiplikator:innen, so skaliert KI-Kompetenz intern.
- Der Transferplan verankert das Gelernte in konkreten nächsten Schritten für die eigene Organisation.
Unterrichtseinheiten
- UE 109 Einführung Projektarbeit: Thema & Scope festlegen
- UE 110 Projektcoaching I: Use-Case-Definition
- UE 111 Projektcoaching II: Prototyping mit KI-Tools
- UE 112 Projektcoaching III: Auswertung & Dokumentation
- UE 113 Präsentations- und Kommunikationstechniken
- UE 114 Multiplikator-Rolle im eigenen Team: Train-the-Trainer
- UE 115 Prüfungsvorbereitung: Struktur & Themen
- UE 116 Prüfungssimulation schriftlich
- UE 117 Peer-Review der Projektarbeiten
- UE 118 Schriftliche Abschlussprüfung (90 Minuten)
- UE 119 Projektpräsentationen & Kolloquium
- UE 120 Feedback, Zertifikatsübergabe & Transferplan
0 von 120 Einheiten gelesen
- Erste SchritteErste Einheit gelesen
- Modul-MeisterAlle Einheiten eines Moduls gelesen
- Halbzeit60 von 120 Einheiten gelesen
- Wissensbasis komplettAlle 120 Einheiten gelesen
- Quiz-AssWissens-Check mit voller Punktzahl
- AI-Act-CheckEU-AI-Act-Selbsttest absolviert
Wissensbasis · Volltexte
Die komplette Wissensbasis frei lesen
Alle 120 Unterrichtseinheiten als vollständige Lerntexte, mit Übungen, Branchen-Beispielen, Glossar und Anhängen. Ohne Anmeldung, direkt auf dieser Website.
Zum GesamtverzeichnisLernprobe · Modul 3
Prompt Engineering: die Kernkompetenz. Hier direkt lernen.
Eine Kostprobe aus der Wissensbasis, vollständig auf dieser Seite: Wie Sie KI-Systemen präzise Anweisungen geben. Die Qualität Ihrer Eingabe bestimmt die Qualität der Ausgabe, und gute Prompts folgen erlernbaren Mustern.
Die Anatomie eines Prompts: fünf Schichten
Starke Prompts sind kein Zufall, sie sind Struktur. Tippen Sie auf eine Schicht, um zu sehen, welchen Teil des Beispiel-Prompts sie steuert:
Du bist erfahrene:r Vertriebsleiter:in in einem mittelständischen Maschinenbauunternehmen. Ein Bestandskunde hat nach einer Preiserhöhung von 8 % Unzufriedenheit signalisiert und vergleicht Angebote. Formuliere eine E-Mail, die die Preiserhöhung sachlich begründet und ein Gespräch anbietet. Max. 150 Wörter, professionell-persönlicher Ton, mit Betreffzeile, per Sie. Keine Rabattzusagen, keine Floskeln wie „in der heutigen schnelllebigen Zeit“, keine erfundenen Zahlen.
Vier bewährte Prompt-Patterns
Muster geben Struktur, wenn es schnell gehen muss. Wählen Sie ein Pattern, kopieren Sie die Vorlage und ersetzen Sie die Platzhalter:
Role · Task · Format
Das schnellste Muster für Alltagsaufgaben: Rolle, Aufgabe, Format, fertig.
Du bist [Rolle]. Erstelle [Aufgabe/Ergebnis]. Format: [Länge, Struktur, Tonalität].Task · Action · Goal
Zielorientiert: erst die Aufgabe, dann die Handlung, dann das messbare Ziel.
Aufgabe: [Was liegt vor?] Aktion: [Was soll die KI tun?] Ziel: [Woran wird das Ergebnis gemessen?]Capacity · Insight · Statement · Personality · Experiment
Das ausführliche Muster für komplexe Aufgaben mit Stil- und Variantenvorgaben.
Rolle/Fähigkeit: [Wer ist die KI?] Kontext: [Hintergrundwissen] Auftrag: [Kernaufgabe] Stil: [Tonalität, Haltung] Experiment: [Erzeuge 2–3 Varianten zur Auswahl]Role · Instructions · Steps · End goal · Narrowing
Für mehrstufige Aufgaben: explizite Schritte plus Eingrenzung gegen Abschweifen.
Rolle: [Wer?] Anweisung: [Was?] Schritte: [1., 2., 3. …] Zielzustand: [Wie sieht „fertig“ aus?] Eingrenzung: [Was ist ausgeschlossen?]Fünf Prüf-Dimensionen für jede KI-Antwort
Aus UE 43 der Wissensbasis, bevor Sie einen KI-Output übernehmen, prüfen Sie ihn entlang dieser fünf Fragen:
Korrektheit
Sind Faktenbehauptungen verifizierbar und korrekt? Besonders bei spezifischen Zahlen ohne Quelle: nachprüfen.
Vollständigkeit
Deckt die Antwort alle Aspekte der Aufgabe ab, oder fehlt ein Teil der Anforderung?
Relevanz
Passt der Inhalt zu Kontext und Zielgruppe, oder ist er generisch geblieben?
Konsistenz
Widerspricht sich die Antwort intern oder mit bekannten Fakten aus Ihrem Kontext?
Brauchbarkeit
Können Sie das Ergebnis direkt einsetzen, oder beginnt jetzt die eigentliche Arbeit?
Wissens-Check
Testen Sie Ihre KI-Kompetenz.
Acht Fragen aus den Lernstandskontrollen der Wissensbasis, von Grundlagen bis EU AI Act. Direkt hier, ohne Anmeldung.
1 / 8
Seit wann gilt die KI-Kompetenzpflicht nach Art. 4 EU AI Act?
KI-Glossar
Zentrale Begriffe: verständlich erklärt.
Auszug aus dem Glossar der Wissensbasis: die wichtigsten Begriffe für KI im Unternehmen, alphabetisch und durchsuchbar.
- Agent (KI-Agent)
- KI-System, das nicht nur antwortet, sondern eigenständig Schritte plant und ausführt, mit Werkzeugzugriff, Planung und Gedächtnis.
- AI Act (EU-KI-Verordnung)
- Verordnung (EU) 2024/1689: reguliert Entwicklung und Einsatz von KI-Systemen in der EU nach Risikoklassen; unmittelbar geltendes Recht.
- AI Literacy (KI-Kompetenz)
- Kenntnisse, Fähigkeiten und Verständnis, um KI-Systeme sachkundig, sicher und rechtskonform einzusetzen; nach Art. 4 EU AI Act verpflichtend.
- AI Office
- 2024 gegründete Behörde der EU-Kommission; beaufsichtigt u. a. General-Purpose-AI-Modelle und konkretisiert den AI Act durch Leitlinien.
- Alignment
- Forschungs- und Praxisfeld, KI-Systeme so zu gestalten, dass sie konsistent im Sinne menschlicher Werte und Absichten handeln.
- Anhang III (AI Act)
- Liste der Hochrisiko-Anwendungsfelder, u. a. Beschäftigung/HR, Bildung, Kreditvergabe, kritische Infrastruktur, Strafverfolgung.
- API
- Schnittstelle, über die Software mit KI-Modellen kommuniziert; Grundlage für die Integration von KI in eigene Prozesse und Produkte.
- Attention-Mechanismus
- Mathematisches Kernprinzip der Transformer-Architektur: gewichtet, welche Teile der Eingabe für die Ausgabe relevant sind.
- AVV (Auftragsverarbeitungsvertrag)
- Vertrag nach Art. 28 DSGVO mit jedem Dienstleister, der personenbezogene Daten verarbeitet, auch mit KI-Anbietern.
- Bias
- Systematische Verzerrung in KI-Ausgaben, meist aus Trainingsdaten übernommen, kann zu Diskriminierung führen und muss aktiv geprüft werden.
- Chain-of-Thought
- Prompting-Technik, die das Modell auffordert, Schritt für Schritt zu denken; verbessert Ergebnisse bei komplexen Aufgaben.
- Deep Learning
- Teilgebiet des Machine Learning mit tiefen neuronalen Netzen; die technische Grundlage moderner Sprach- und Bildmodelle.
- Deployer (Betreiber)
- Organisation, die ein KI-System unter eigener Verantwortung beruflich einsetzt; zentrale Adressatengruppe des EU AI Act (Art. 26).
- DSGVO
- EU-Datenschutz-Grundverordnung: regelt jede Verarbeitung personenbezogener Daten, auch in Prompts und KI-Trainingsdaten.
- Embedding
- Numerische Vektor-Darstellung von Bedeutung: Texte mit ähnlichem Inhalt liegen im Vektorraum nahe beieinander; Basis semantischer Suche und RAG.
- Few-Shot Prompting
- Dem Modell im Prompt einige Beispiele des gewünschten Ergebnisses mitgeben; erhöht Treffsicherheit bei Format und Stil.
- Fine-Tuning
- Nachtraining eines Basismodells auf eigene Daten oder Aufgaben; Alternative bzw. Ergänzung zu Prompting und RAG.
- Foundation Model
- Großes, breit vortrainiertes Basismodell (z. B. GPT, Claude, Gemini), das für viele Aufgaben eingesetzt oder angepasst werden kann.
- Generative KI (GenAI)
- KI, die Inhalte erzeugt (Text, Bild, Audio, Video, Code), statt nur zu klassifizieren oder vorherzusagen.
- GPAI (General-Purpose AI)
- KI-Modelle mit allgemeinem Verwendungszweck (u. a. große Sprachmodelle); im AI Act mit eigenen Pflichten ab August 2025 belegt.
- Guardrails
- Technische und organisatorische Leitplanken, die KI-Ausgaben begrenzen, z. B. Filter, Regeln, Freigabeprozesse.
- Halluzination
- Plausibel klingende, aber falsche KI-Aussage, Systemeigenschaft probabilistischer Textgenerierung; erfordert konsequente Prüfung.
- Human-in-the-Loop
- Designprinzip, bei dem Menschen kritische KI-Entscheidungen prüfen und freigeben; Pflicht bei Hochrisiko-Systemen.
- Kontextfenster
- „Arbeitsgedächtnis“ eines Sprachmodells: die maximale Menge Text, die es gleichzeitig verarbeiten kann.
- LLM (Large Language Model)
- Großes Sprachmodell, das Text probabilistisch Token für Token erzeugt; Grundlage von ChatGPT, Claude, Gemini u. a.
- Machine Learning
- Teilgebiet der KI: Systeme lernen Muster aus Daten, statt explizit programmiert zu werden.
- MCP (Model Context Protocol)
- Offener Standard, über den KI-Modelle sicher auf Werkzeuge und Datenquellen zugreifen; wichtig für Agenten-Architekturen.
- Multimodalität
- Fähigkeit von KI-Systemen, mehrere Medienformen zu verarbeiten und zu erzeugen: Text, Bild, Audio, Video, Code.
- On-Premise
- Betrieb von KI-Systemen auf eigener Infrastruktur; maximale Datensouveränität, relevant für sensible Daten und Regulierung.
- Prompt
- Die Eingabe an ein KI-System: Anweisung plus Kontext. Die Qualität des Prompts bestimmt maßgeblich die Qualität der Ausgabe.
- Prompt Injection
- Angriff, bei dem manipulierte Eingaben ein KI-System zu unerwünschtem Verhalten bringen; zentraler neuer Angriffsvektor.
- RAG (Retrieval-Augmented Generation)
- Verfahren, das vor der Antwort relevante Inhalte aus eigenen Wissensquellen abruft, für belegbare, unternehmensspezifische KI-Antworten.
- RLHF
- Reinforcement Learning from Human Feedback: Training mit menschlichen Bewertungen, das Modelle hilfreicher und sicherer macht.
- Shadow AI
- Nutzung nicht freigegebener KI-Tools durch Mitarbeitende, verbreitetes Compliance-Risiko, das Steuerung statt bloßer Verbote braucht.
- System-Prompt
- Übergeordnete Anweisung, die Rolle und Verhalten eines KI-Assistenten festlegt, getrennt von der Nutzereingabe.
- Temperature
- Parameter für die Variabilität der Ausgabe: niedrig = deterministischer und präziser, hoch = kreativer und streuender.
- Token
- Kleinste Verarbeitungseinheit von Sprachmodellen (Wortteile); Grundlage für Kontextfenster-Grenzen und API-Kosten.
- Transformer
- Die 2017 vorgestellte Netzarchitektur („Attention is All You Need“), auf der praktisch alle modernen Sprachmodelle basieren.
- Zero-Shot Prompting
- Aufgabe ohne Beispiele stellen; funktioniert bei klaren Standardaufgaben; bei Format- und Stilvorgaben ist Few-Shot überlegen.
FAQ
Häufige Fragen zur KI-Weiterbildung.
Die Fragen, die uns in Trainings und Beratungen am häufigsten gestellt werden, kompakt beantwortet.
Ja. Art. 4 der EU-KI-Verordnung (EU AI Act) verpflichtet seit dem 2. Februar 2025 alle Anbieter und Betreiber von KI-Systemen, Maßnahmen für ausreichende KI-Kompetenz ihres Personals zu ergreifen. Die Ausgestaltung ist flexibel, aber der Kompetenzstand muss nachweisbar sein und sich an Rolle und Risikoniveau orientieren.
Drei Dinge: Erstens, alle Mitarbeitenden, die mit KI arbeiten, brauchen ein ihrer Rolle angemessenes Kompetenzniveau (Foundation, Intermediate oder Advanced). Zweitens, die Maßnahmen müssen sich am Risikoniveau der eingesetzten Systeme orientieren. Drittens, alles muss dokumentiert sein: Wer wurde wann, wie lange und zu welchen Inhalten geschult, ohne Nachweis gilt eine Schulung als nicht erfolgt.
Als kontinuierliches Blended-Learning-Programm statt Einmal-Seminar: (1) Online-Grundlagen im Selbststudium (3–5 Stunden), (2) Präsenz- oder Live-Training mit Übungen an echten Use Cases, (3) begleitete Praxis im Arbeitsalltag mit internen Champions, (4) regelmäßige Auffrischung 1–2× jährlich. Transferkompetenz entsteht nur durch reale Anwendung.
Unsere Wissensbasis strukturiert das Feld in zehn Module: KI-Grundlagen, Recht (EU AI Act, DSGVO), Prompt Engineering (Grundlagen und Vertiefung), Daten & Office-Integration, Multimodalität (Bild/Audio/Video), KI-Agenten & Automatisierung, KI-Strategie, Sicherheit & Risikomanagement sowie Transfer & Roll-out. Zusammen 120 Unterrichtseinheiten, das komplette Curriculum finden Sie auf dieser Seite.
Abhängig vom Ziel: Grundkompetenz für alle Mitarbeitenden (Foundation) ist im Selbststudium mit rund 60 Stunden erreichbar. Multiplikator:innen, die Wissen weitergeben, planen etwa 120 Stunden. AI Champions mit Advanced-Niveau, inklusive Projektarbeit und Zertifikatsstruktur, rund 150 Stunden. Wichtiger als die Stundenzahl ist die Verankerung im Arbeitsalltag.
Nein, Art. 4 verlangt ausdrücklich rollenbezogene Angemessenheit. Bewährt haben sich drei Niveaustufen: Foundation für alle, die KI-Tools nutzen; Intermediate für regelmäßige Anwender:innen in sensiblen Kontexten; Advanced für KI-Verantwortliche und alle, die Hochrisiko-Systeme beaufsichtigen. Wer nicht differenziert, riskiert Überforderung oder Unterforderung.
Mit vier Dokumenten: Schulungsnachweis pro Person (Name, Datum, Inhalt, Niveau, Dauer, Anbieter), Kompetenzmatrix der Organisation, risikobasierte Zuordnung von Systemen zu Kompetenzniveaus und ein definierter Überprüfungsrhythmus. Eine strukturierte Schulungsmaßnahme wie die 120-UE-Wissensbasis liefert diese Nachweise mit.
Das hängt vom System und den Lizenzkonditionen ab. Bei Enterprise-Produkten (z. B. M365 Copilot, ChatGPT Enterprise) sind Eingaben vertraglich vom Training ausgeschlossen; bei kostenlosen Consumer-Versionen häufig nicht. Grundregel für Unternehmen: nur freigegebene Tools nutzen, keine personenbezogenen Daten oder Geschäftsgeheimnisse in nicht geprüfte Systeme eingeben.
Halluzinationen einplanen statt sie zu verleugnen: KI-Outputs grundsätzlich prüfen (Korrektheit, Vollständigkeit, Relevanz, Konsistenz, Brauchbarkeit), bei Faktenaussagen Quellen verlangen oder nachrecherchieren, und kritische Inhalte nie ungeprüft veröffentlichen. Wer die Ursachen versteht, probabilistische Textgenerierung, erkennt Warnsignale wie präzise Zahlen ohne Quelle deutlich schneller.
Der kostenlose Einstieg: diese Lernseite durcharbeiten und die vollständige Wissensbasis als PDF anfordern. Für strukturierten Kompetenzaufbau im Team bieten wir personalisierte Trainings für alle Reifegrade, vom Foundation-Programm bis zur AI-Champion-Ausbildung. Der erste Schritt ist ein kostenloses Erstgespräch, in dem wir Bedarf und Reifegrad Ihrer Organisation einordnen.
Wer dahinter steht
Aus der Praxis, nicht aus dem Lehrbuch.
Die Wissensbasis ist die Verdichtung von über 25 Jahren Erfahrung in Organisationsentwicklung und der aktuellen Welle der angewandten KI, das, was wir täglich in Beratungs- und Trainingsmandaten sehen, einsetzen und weitergeben.
Wie diese Wissensbasis entsteht
Fachliche Tiefe braucht Methode. Die Wissensbasis folgt einem dokumentierten Entstehungs- und Qualitätsprozess:
- Quellenbasiert: Rechtstexte und offizielle Dokumente, wissenschaftliche Quellen und geprüfte Praxisquellen, mit Quellenverzeichnis je Einheit
- Didaktisch strukturiert: jede Einheit mit Lernzielen, Lerntext, Branchen-Anwendungen, Übungen und Reflexionsfragen
- Laufend aktualisiert: versionierte Editionen (aktuell: Juni 2026) mit Aktualisierungshinweisen bei Rechts- und Marktänderungen
- Praxisvalidiert: Inhalte stammen aus realen Trainings- und Beratungsmandaten im Mittelstand
Nächster Schritt
Vom Lesen ins Können: Wir machen Ihr Team KI-fähig.
Diese Seite legt das Fundament, echte KI-Kompetenz entsteht im Training an Ihren eigenen Use Cases. Personalisierte KI-Schulungen für alle Reifegrade, EU-AI-Act-konform dokumentiert.
Die Plattform
OneMachine: Ihre KI, in Ihrem System.
Produktive KI, die sicher in Ihrer Organisation läuft: mit eigenen Daten, Rechten und Freigaben. Aus echter Projektpraxis zum lizenzierbaren Produkt verdichtet.
OneMachine ansehen