.png)
Data Thinking für KI
Viele Organisationen scheitern an KI, weil die Entscheidungslogik fehlt. Wir entwickeln gemeinsam die notwendige Datenkompetenz, um KI-Initiativen sinnvoll, verantwortungsvoll und mit messbarem Impact umzusetzen.
Kursübersicht
Details zum Training
Vorerfahrung
keine (generelles Interesse an KI-Tools ist von Vorteil)
Zeitinvest
2x 4h Sessions
Zielgruppe
Wissensarbeitende, Projektleitungen, Produktmanager*innen, Führungskräfte
Kurs-Broschüre (PDF)
Kursdetails als Download
Das nehmt ihr mit
- KI-Grundverständnis: Wir ordnen Daten entlang der eigenen Wertschöpfung ein, um zu verstehen, welche Informationen für welche KI-Entscheidungen wirklich geeignet sind.
- Klare Entscheidungslogiken: Wir lernen, KI nicht als Black Box, sondern als präzise Unterstützung für Ziel- und Messlogiken zu nutzen.
- Messbarkeit & KPIs: Wir leiten wirkungsorientierte Kennzahlen ab und vermeiden typische Messfehler, die KI-Projekte oft politisieren oder verzerren.
- Realistische Bewertung: Wir entwickeln einen Blick dafür, wo KI echten Mehrwert erzeugt – und wo Datenlage oder Zielklarheit Grenzen setzen.
- Transfer-Fahrplan: Wir formulieren konkrete KI-Use-Case-Ideen und Fragestellungen für den eigenen Arbeitskontext
.jpg)
Das nehmt ihr mit:
- KI-Grundverständnis: Wir ordnen Daten entlang der eigenen Wertschöpfung ein, um zu verstehen, welche Informationen für welche KI-Entscheidungen wirklich geeignet sind.
- Klare Entscheidungslogiken: Wir lernen, KI nicht als Black Box, sondern als präzise Unterstützung für Ziel- und Messlogiken zu nutzen.
- Messbarkeit & KPIs: Wir leiten wirkungsorientierte Kennzahlen ab und vermeiden typische Messfehler, die KI-Projekte oft politisieren oder verzerren.
- Realistische Bewertung: Wir entwickeln einen Blick dafür, wo KI echten Mehrwert erzeugt – und wo Datenlage oder Zielklarheit Grenzen setzen.
- Transfer-Fahrplan: Wir formulieren konkrete KI-Use-Case-Ideen und Fragestellungen für den eigenen Arbeitskontext
Von den Autoren des "Future Organization Playbooks"
Schließt die Lücke zwischen technischem Tool-Wissen und strategischer Entscheidungssicherheit.
Warum dieser Kurs?
Viele Organisationen setzen große Hoffnungen in KI – ohne eine gemeinsame Vorstellung davon zu haben, welche Entscheidungen KI überhaupt unterstützen soll, auf welcher Datenbasis und mit welchen Grenzen.
Dieser Kurs vermittelt Data Thinking als Denk- und Entscheidungslogik, die notwendig ist, um KI sinnvoll einzusetzen. Es mangelt oft nicht an Daten, sondern an der Fähigkeit, diese Daten so zu strukturieren, dass KI-Ergebnisse sinnvoll und souverän genutzt können.
Eure Lernreise im Kurs:
- Vorher: KI-Einsatz wirkt wie isolierte Experimente; es herrscht Unsicherheit darüber, wie KI-Ergebnisse überhaupt genutzt werden sollten und ob die Datenqualität dafür ausreicht.
- Nachher: Ihr agiert als souveräne Gestalter*innen. Ihr wisst genau, welche Fragen ihr an KIs stellen könnt, um KI-Ergebnisse anschlussfähig zu machen und datenbasiertes Arbeiten & Entscheiden wertstiftend in der Organisation zu verankern.
Dieser Kurs ist für alle, die Verantwortung für Entscheidungen tragen, ob und wie KI-gestützte Produkte und Prozesse entwickelt werden. Ihr geht den Schritt von der vagen Hoffnung von KI-gestütztem, datenbasierten Arbeiten hin zur systematischen Bewertung und Einordnung von KI-Daten für die eigenen Arbeitsprozesse.
Was ihr lernt:
Modul 1: Die Logik hinter den Daten
Ihr erlangt ein gemeinsames Verständnis für Data Thinking als Prozess und strategisches Werkzeug und wo der Einsatz von KI im Prozess sinnvoll ist (und wo nicht).
- Unterscheidung zwischen Daten, Information und Wissen im KI-Kontext.
- Identifikation von Wertschöpfungspotenzialen durch KI-Einsatz.
- Datenquellen kritisch auf ihre Eignung für KI-Modelle prüfen.
- Entwicklung von Use-Case-Steckbriefen & Wirkungs-KPIs
- Praktische Übungen und Anwendungen.
Modul 2: Systematik für die KI-Arbeit
Ihr lernt, wie KI-Systeme in bestehende Arbeitsabläufe integriert werden, ohne die menschliche Urteilsfähigkeit zu ersetzen.
- Prompt Engineering & Prompting Techniken für datenbasiertes Arbeiten & Entscheiden
- Aufbau von Ziel- und Messlogiken.
- Vermeidung von Bias und Fehlinterpretationen beim Einsatz von KI
- Design von Feedback-Loops zur kontinuierlichen Verbesserung von KI-Outputs.
Wie der Kurs funktioniert
- Dauer: 2 Tage remote
- Methodik: Wir arbeiten im Workshop-Modus. Kurze theoretische Impulse wechseln sich ab mit intensiven Arbeitsphasen an echten oder simulierten Cases.
- Unterlagen: Alle Teilnehmenden erhalten die Data Thinking Arbeitsunterlagen sowie Zugriff auf digitale Templates für die eigene Projektarbeit.
- Zertifikat: Zum Abschluss wird das Dark Horse Academy Zertifikat „Data Thinking Expert“ verliehen.
Was unsere Alumni zu diesem Kurs sagen
Was dich vielleicht auch noch interessiert
Jetzt buchen!
07
.
10
.
26
21:00
–
08
.
10
.
26
Ist dein Wunschtermin nicht dabei? Melde dich an, und wir informieren dich, sobald neue Termine verfügbar sind.
Jetzt buchen per Rechnung mit Firmenanschrift, oder per PayPal, Bankeinzug, Kreditkarte.
Lerne uns kennen
Daniela Keizer
HPI-zertifizierte Design Thinkerin der ersten Stunde. Arbeitsschwerpunkte: Produkt- und Serviceentwicklung, Produktstrategie, Product Discovery, Geschäftsfeldentwicklung mit KI, User Research. Arbeitsweise: Ko-kreativ, Analytisch und kreativ, Vertiefend, Förderung der persönlichen Weiterentwicklung, Zahlenaffin.
Explorer Ticket
Du hast Interesse an unserem Kurs, aber dein Budget lässt eine Teilnahme nicht zu? Keine Sorge! Für jede Session unseres Kurses reservieren wir einen Platz für Menschen, die sich in NGOs, gemeinnützigen Organisationen oder Vereinen für eine zukunftsfähige Welt stark machen. Das schließt ebenso Aktivist*innen, Student*innen und Visionär*innen mit ein. Der Selbstkostenpreis beträgt 20% des ursprünglichen Trainings-Preises.
Du möchtest dich für ein Explorer Ticket bewerben? Dann erzähl uns bitte, zu welcher Organisation du gehörst (oder als Einzelkämpfer*in), für welchen Kurs-Termin du dich interessierst und wie dir die Teilnahme an unserem Kurs bei deiner Mission weiterhelfen könnte.
.png)
.webp)
