Wie lässt sich künstliche Intelligenz in einem Sanitätshaus praktisch einsetzen? Toni Domin zeigt, dass dafür nicht sofort ein unternehmensweites Großprojekt notwendig ist. Als Bereichsleiter für Rehatechnik beim Sanitätshaus Alippi in Zwickau entwickelte er nach seiner Weiterbildung zum KI-Manager einen KI-Assistenten, der Mitarbeiter bei der Einarbeitung, Fallvorbereitung und abteilungsübergreifenden Kundenberatung unterstützt.

Das Praxisbeispiel macht deutlich, wie Unternehmen mit einem überschaubaren Pilotprojekt beginnen können: Problem auswählen, Prototyp entwickeln, mit einer kleinen Gruppe testen, Feedback einholen und die Lösung anschließend schrittweise ausbauen.

Nach Angaben von Toni sparen Mitarbeiter, die den Assistenten aktiv einsetzen, bereits etwa eine Stunde pro Woche. Noch wichtiger ist für ihn jedoch der qualitative Nutzen: Neue Kollegen können schneller auf relevantes Wissen zugreifen, erfahrene Mitarbeiter erhalten zusätzliche Impulse und Kunden können ganzheitlicher beraten werden.

Das Wichtigste in Kürze

• Toni Domin arbeitet als Bereichsleiter für Rehatechnik beim Sanitätshaus Alippi in Zwickau.
• Das Familienunternehmen beschäftigt rund 400 Mitarbeiter.
• Nach einer KI-Manager-Weiterbildung entwickelte Toni einen ersten Custom GPT für die Rehatechnik.
• Der KI-Assistent unterstützt bei Fallvorbereitung, Onboarding und abteilungsübergreifender Beratung.
• Aktive Nutzer sparen laut Toni ungefähr eine Stunde pro Woche.
• Das System wurde zunächst mit einer kleinen Gruppe getestet und anschließend für weitere Mitarbeiter geöffnet.
• Als nächste Schritte sind eine Wissensdatenbank und präzisere Informationen zu Kostenträgern, Verträgen und Herstellern geplant.
• Fachliche Kontrolle bleibt notwendig, da KI-Systeme fehlerhafte Produktinformationen liefern können.

Wer ist Toni Domin?

Toni Domin arbeitet seit rund elf Jahren beim Sanitätshaus Alippi in Zwickau. Als Bereichsleiter für Rehatechnik beschäftigt er sich unter anderem mit Verträgen mit Kostenträgern, Gesprächen mit Herstellern und der Weiterentwicklung interner Prozesse.

Seit mehreren Jahren treibt er außerdem Digitalisierungsthemen im Unternehmen voran. Dabei begegnen ihm Herausforderungen, die viele mittelständische Unternehmen kennen:

• zunehmender Personalmangel,
• lange Einarbeitungszeiten,
• verteiltes Unternehmenswissen,
• eine wachsende Zahl an Produkten und Herstellern,
• unterschiedliche Anforderungen der Krankenkassen,
• abteilungsspezifische Informationssilos.

Das Sanitätshaus beschäftigt nach Tonis Angaben rund 400 Mitarbeiter. Entsprechend groß ist das Potenzial, Wissen effizienter zu organisieren und Mitarbeitern einen schnelleren Zugriff auf relevante Informationen zu ermöglichen.

Wie kam Toni zum Thema künstliche Intelligenz?

Tonis Einstieg in die künstliche Intelligenz begann zunächst im privaten Umfeld. Er experimentierte unter anderem mit Google Gemini, Bildbearbeitung und der Erstellung von Vorlagen für den 3D-Druck.

Dabei stellte er schnell fest, dass die Qualität der Ergebnisse stark davon abhängt, wie eine Anfrage formuliert wird. Ein kurzer, allgemeiner Prompt führte häufig zu oberflächlichen Resultaten. Mit einer klaren Rolle, zusätzlichen Kontextinformationen und einem definierten Ergebnis entstanden deutlich bessere Antworten.

Diese Erfahrung weckte sein Interesse an einer professionellen Weiterbildung. Als ein Kollege ihn auf das Thema KI-Manager aufmerksam machte, beschäftigte er sich intensiver mit den Möglichkeiten und sprach schließlich die Geschäftsleitung an.

Sein Ansatz war pragmatisch: Wenn im Unternehmen noch niemand die Verantwortung für künstliche Intelligenz übernommen hatte, wollte er sich systematisch in das Thema einarbeiten und erste Anwendungsfälle entwickeln.

Welche Herausforderungen gab es vor der KI-Weiterbildung?

Vor dem Kurs hatten Toni und seine Kollegen bereits erste Erfahrungen mit ChatGPT und Gemini gesammelt. Die Nutzung bewegte sich jedoch hauptsächlich an der Oberfläche.

Typische Fragen waren:

• Was kann ich die KI überhaupt fragen?
• Wie formuliere ich einen professionellen Prompt?
• Wie erstelle ich einen Custom GPT?
• Welche Informationen darf ich eingeben?
• Welche Prozesse eignen sich für KI?
• Wann reicht eine klassische Automatisierung aus?
• Wie kontrolliere ich die Ergebnisse?

Diese Unsicherheit erzeugte eine Hemmschwelle. Viele Mitarbeiter wussten zwar, dass ChatGPT und andere KI-Tools grundsätzlich hilfreich sein können. Es fehlte jedoch an Struktur, konkreten Anwendungsfällen und einem sicheren Vorgehen.

Genau hier setzte die Weiterbildung an. Neben Prompting und Toolwissen spielte der Austausch mit anderen Teilnehmern eine wichtige Rolle. Toni erkannte, dass viele Unternehmen vor ähnlichen Problemen stehen: Sie haben zahlreiche Ideen, aber noch keine klare Priorisierung und keine belastbare Umsetzungsroadmap.

Warum ist Wissensmanagement im Sanitätshaus so wichtig?

Ein zentrales Problem bestand in der Verteilung des Unternehmenswissens. Relevante Informationen lagen unter anderem in:

• E-Mails,
• Intranet-Beiträgen,
• ERP-Systemen,
• Dienstanweisungen,
• Vertragsunterlagen,
• Herstellerinformationen,
• persönlichen Erfahrungswerten einzelner Mitarbeiter.

Wenn eine konkrete Frage auftauchte, war häufig bekannt, dass es dazu irgendwann eine Regelung oder Anweisung gegeben hatte. Der genaue Speicherort war jedoch nicht immer klar.

Typische Fragen aus dem Arbeitsalltag können beispielsweise lauten:

• Welche Regelung gilt für eine bestimmte Anfahrtspauschale?
• Was übernimmt ein bestimmter Kostenträger?
• Welche Unterlagen werden für einen Vorgang benötigt?
• Welche Produkte kommen bei einer bestimmten Versorgung infrage?
• Welche angrenzenden Versorgungsbereiche sollten berücksichtigt werden?

Das langfristige Ziel ist deshalb eine zentrale Wissensbasis, in der freigegebene und aktuelle Informationen strukturiert abgelegt werden. Mitarbeiter sollen Fragen stellen können, ohne mehrere Systeme und Ordner durchsuchen zu müssen.

Welches KI-Projekt wurde nach dem Kurs umgesetzt?

Nach der Weiterbildung entwickelte Toni eine Roadmap für die schrittweise Einführung von KI. Als erstes Pilotprojekt entstand ein KI-gestütztes Onboarding- und Beratungstool für die Rehatechnik.

Der Ausgangspunkt war ein konkretes Problem: Neue Mitarbeiter müssen sich mit zahlreichen Krankenkassen, Kostenträgern, Herstellern und Produkten beschäftigen. Gleichzeitig hat sich der Markt stark verändert.

Während früher möglicherweise nur wenige Hersteller relevant waren, gibt es heute laut Toni in einzelnen Produktgruppen Dutzende Anbieter und eine sehr große Zahl unterschiedlicher Lösungen. Allein bei Rollstühlen müssen Mitarbeiter zahlreiche Modelle, Eigenschaften und Einsatzmöglichkeiten berücksichtigen.

Das erschwert nicht nur die Einarbeitung. Auch erfahrene Mitarbeiter müssen ihr Wissen kontinuierlich aktualisieren.

Wie funktioniert der KI-Assistent?

Die erste Version wurde als Custom GPT auf Basis allgemeiner Informationen und klarer Anweisungen aufgebaut. Mitarbeiter können einen anonymisierten oder fiktiven Versorgungsfall beschreiben und sich mögliche Fragestellungen oder Versorgungsbereiche aufzeigen lassen.

Ein vereinfachtes Beispiel könnte folgendermaßen aussehen:

Eine 35-jährige Patientin hatte einen Schlaganfall und lebt in einem Einfamilienhaus. Welche Versorgungsbereiche und weiteren Fragen sollten geprüft werden?

Der Assistent soll dabei keine abschließende medizinische Entscheidung treffen. Er dient als strukturierende Unterstützung und kann beispielsweise darauf hinweisen, welche zusätzlichen Informationen fehlen oder welche angrenzenden Abteilungen einbezogen werden könnten.

Neben der Rehatechnik können je nach Fall auch Themen aus anderen Bereichen relevant sein, etwa Homecare oder Ernährungsberatung. Dadurch unterstützt das Tool eine ganzheitlichere Betrachtung des Kunden.

Die entscheidende Frage lautet nicht nur: „Welches Produkt passt?“

Sie lautet auch:

Welche weiteren Bedürfnisse könnte diese Person haben und welche Fachbereiche sollten wir einbeziehen?

Wie wurde der KI-Assistent im Unternehmen getestet?

Toni präsentierte den ersten Prototyp in regelmäßigen internen Meetings. Zunächst testete eine kleine Gruppe von ungefähr sieben Personen das System über einen Zeitraum von ein bis zwei Wochen.

Die Mitarbeiter sollten reale Fragestellungen aus ihrer Arbeit verwenden und anschließend Feedback geben:

• Welche Antwort war hilfreich?
• Welche Information hat gefehlt?
• War die Antwort zu lang?
• Gab es fachliche Fehler?
• Welche Hersteller oder Kostenträger sollten stärker berücksichtigt werden?
• Welche Rückfragen müsste die KI stellen?

Nach dem ersten erfolgreichen Test wurde der Zugang für weitere Mitarbeiter im Innen- und Außendienst geöffnet. Nach Tonis Angaben nutzen inzwischen ungefähr 30 Mitarbeiter aus Innen- und Außendienst die Lösung beziehungsweise nehmen an der Erprobung teil.

Dieser schrittweise Ansatz reduzierte das Risiko. Statt sofort alle 400 Beschäftigten mit einem unfertigen System auszustatten, wurde die Anwendung mit einer überschaubaren Nutzergruppe weiterentwickelt.

Welche Ergebnisse wurden erreicht?

Die Resonanz fiel nach Tonis Einschätzung positiver aus als erwartet. Sowohl Mitarbeiter aus dem Innendienst als auch aus dem Außendienst erkannten den möglichen Nutzen.

1. Zeitersparnis

Aktive Nutzer sparen nach Tonis Beobachtung ungefähr eine Stunde pro Woche. Die genaue Ersparnis hängt davon ab, wie häufig das Tool eingesetzt wird und welche Aufgaben damit vorbereitet werden.

Eine Stunde pro Woche wirkt auf den ersten Blick möglicherweise überschaubar. Bei einer wachsenden Nutzerzahl kann daraus jedoch ein relevanter betrieblicher Effekt entstehen.

2. Schnellere Fallvorbereitung

Außendienstmitarbeiter können einen Kundenfall vor einem Termin strukturieren und prüfen, welche Fragen sie stellen sollten. Auch nach dem Termin kann die KI dabei helfen, mögliche Ergänzungen oder nächste Schritte zu erkennen.

3. Unterstützung beim Onboarding

Neue Mitarbeiter müssen nicht jede Information sofort auswendig kennen. Der Assistent kann ihnen eine erste Orientierung geben und auf relevante Themenbereiche hinweisen.

Toni erwartet, dass sich dadurch lange Einarbeitungszeiten verkürzen lassen. Eine genaue Messung steht noch aus, doch gerade vor dem Hintergrund des demografischen Wandels ist dieses Potenzial wichtig.

Viele erfahrene Mitarbeiter verfügen über Wissen aus 20 oder 30 Jahren Betriebszugehörigkeit. Wenn diese Personen in den Ruhestand gehen, muss ein Teil dieses Wissens systematisch gesichert und für neue Kollegen zugänglich gemacht werden.

4. Abteilungsübergreifende Beratung

Das Tool kann Mitarbeiter darauf aufmerksam machen, dass ein Kunde neben der ursprünglichen Versorgung möglicherweise weitere Unterstützung benötigt.

Dadurch entsteht nicht nur eine bessere Kundenberatung. Auch zusätzliche Umsatzpotenziale können sichtbar werden, sofern die Empfehlungen fachlich sinnvoll und im Interesse des Kunden sind.

5. Größere Offenheit gegenüber KI

Das Pilotprojekt machte künstliche Intelligenz für die Mitarbeiter greifbar. KI wurde nicht als abstraktes Zukunftsthema präsentiert, sondern als konkrete Arbeitshilfe.

Dieser Unterschied ist entscheidend: Menschen lassen sich selten allein durch Präsentationen von einer neuen Technologie überzeugen. Sie müssen erleben, dass die Anwendung ein echtes Problem löst.

ChatGPT oder Gemini: Welches Tool war im Praxistest geeigneter?

Toni experimentierte sowohl mit Google Gemini als auch mit ChatGPT. Dabei nahm er Unterschiede in der Art der Antworten wahr.

Gemini lieferte bei einzelnen Tests sehr ausführliche und detaillierte Antworten. Das kann bei einer tiefen Recherche hilfreich sein, im Arbeitsalltag aber auch zu viel sein.

ChatGPT gab bei vergleichbaren Prompts aus Tonis Sicht häufig schneller eine kompaktere Antwort. Für Mitarbeiter, die während eines Arbeitstages eine schnelle Orientierung benötigen, war diese Kürze teilweise vorteilhaft.

Daraus lässt sich jedoch keine allgemeingültige Rangliste ableiten. Entscheidend sind:

• der konkrete Anwendungsfall,
• die verwendete Modellversion,
• die Qualität des Prompts,
• die eingebundenen Daten,
• Datenschutz und Berechtigungen,
• die erforderliche Antworttiefe,
• die fachliche Kontrolle.

Unternehmen sollten Werkzeuge deshalb anhand konkreter Aufgaben testen, anstatt sich ausschließlich auf allgemeine Toolvergleiche zu verlassen.

Wo liegen die Risiken?

Der KI-Assistent ist nicht fehlerfrei. Toni berichtete von einem Fall, bei dem das System eine unzutreffende Gewichtsgrenze für ein Produkt nannte. Während eine Quelle eine Belastbarkeit von 150 Kilogramm nahelegte, galt laut Hersteller tatsächlich eine Grenze von 130 Kilogramm.

Das System bestätigte den Fehler erst, nachdem es darauf hingewiesen worden war.

Dieses Beispiel zeigt: Sprachmodelle können plausibel klingende, aber falsche Informationen erzeugen. Besonders bei Medizinprodukten, Hilfsmitteln, Vertragsangaben und Kostenträgerregelungen darf eine KI-Antwort deshalb nicht ungeprüft übernommen werden.

Toni passte daraufhin die Anweisungen des Assistenten an. Das System soll Unsicherheit klar benennen und nicht so tun, als sei eine Information sicher, wenn keine belastbare Grundlage vorhanden ist.

Ein sinnvoller Grundsatz lautet:

Wenn eine Information nicht verlässlich belegt werden kann, muss die KI dies offen sagen und auf die notwendige Prüfung hinweisen.

Zusätzlich sollten Unternehmen verbindlich definieren:

• Welche Daten dürfen eingegeben werden?
• Welche Quellen gelten als freigegeben?
• Wer aktualisiert Produkt- und Vertragsinformationen?
• Welche Antworten müssen fachlich geprüft werden?
• Wie werden fehlerhafte Ergebnisse dokumentiert?
• Wer trägt die Verantwortung für die endgültige Entscheidung?

Was war Tonis wichtigstes Learning aus der KI-Manager-Weiterbildung?

Ein zentraler Aha-Moment war die Erkenntnis, dass viele Teilnehmer vor ähnlichen Herausforderungen standen. Unabhängig von Branche und Unternehmensgröße tauchten wiederkehrende Fragen auf:

• Wie finde ich den richtigen Anwendungsfall?
• Wie überzeuge ich Kollegen und Geschäftsführung?
• Wie erstelle ich bessere Prompts?
• Wie gehe ich mit Datenschutz und Fehlern um?
• Wie bringe ich einen Prototyp in die praktische Nutzung?

Zugleich lernte Toni, dass nicht jedes Problem zwingend eine generative KI benötigt. Manchmal ist eine klassische Automatisierung oder eine bessere Verbindung bestehender Programme die passendere Lösung.

Die wichtigste Fähigkeit besteht deshalb nicht darin, möglichst viele KI-Tools einzusetzen. Sie besteht darin, einen Prozess zu verstehen und die passende technische Lösung auszuwählen.

Wie hat sich Toni persönlich weiterentwickelt?

Durch die Weiterbildung gewann Toni mehr Sicherheit im Umgang mit künstlicher Intelligenz. Er beschäftigt sich intensiver mit Prompting, Coding und der Entwicklung eigener kleiner Anwendungen.

Noch wichtiger ist seine neue Rolle innerhalb des Unternehmens. Er kann Diskussionen über KI strukturierter führen, Chancen erklären und gleichzeitig auf Grenzen hinweisen.

Ein KI-Manager muss nicht jedes Modell selbst programmieren können. Er benötigt jedoch genug Verständnis, um:

• sinnvolle Anwendungsfälle zu identifizieren,
• Fachbereiche einzubeziehen,
• Risiken zu erkennen,
• Pilotprojekte aufzusetzen,
• Ergebnisse zu bewerten,
• zwischen Fachabteilung, Geschäftsleitung und Technik zu vermitteln.

Welche KI-Projekte sind als Nächstes geplant?

Die erste Version des Assistenten bildet nur den Anfang. Toni möchte die Lösung schrittweise um genauere Informationen erweitern.

Geplante Themen sind unter anderem:

Präzisere Kostenträgerinformationen

Der Assistent soll freigegebene Informationen zu Verträgen, Vergütungen und Anforderungen verschiedener Kostenträger schneller auffindbar machen.

Hersteller- und Produktwissen

Herstellerinformationen sollen strukturiert eingebunden und priorisiert werden. Dabei ist entscheidend, dass Daten aktuell bleiben und nachvollziehbare Quellen verwendet werden.

Unternehmensweite Wissensdatenbank

Langfristig ist ein interner KI-Bot denkbar, der Fragen zum allgemeinen Unternehmenswissen beantwortet:

• Welche Dienstanweisung gilt?
• Wo ist eine bestimmte Regelung dokumentiert?
• Welche Prozessschritte sind vorgesehen?
• Wer ist der richtige Ansprechpartner?
• Welche Unterlagen werden benötigt?

Sichere technische Infrastruktur

Bei internen Daten spielen Serverstandort, Zugriffsrechte, Datenschutz, Datenaktualisierung und die Trennung verschiedener Wissensbereiche eine wichtige Rolle. Deshalb werden auch Lösungen geprüft, die sich kontrolliert in die vorhandene IT-Infrastruktur integrieren lassen.

Was können andere Unternehmen aus diesem Beispiel lernen?

Tonis Vorgehen lässt sich auf viele mittelständische Unternehmen übertragen.

Schritt 1: Mit einem echten Problem beginnen

Nicht mit der Frage „Wo können wir überall KI einsetzen?“ starten, sondern mit einem konkreten Engpass.

In diesem Fall waren es Einarbeitung, Informationssuche und die Vorbereitung komplexer Kundenfälle.

Schritt 2: Einen kleinen Prototyp entwickeln

Die erste Version muss nicht alle Systeme und Daten enthalten. Sie muss lediglich zeigen, ob der gewählte Ansatz grundsätzlich einen Mehrwert bietet.

Schritt 3: Mit einer kleinen Gruppe testen

Eine Pilotgruppe liefert schneller ehrliches Feedback als ein unternehmensweiter Rollout.

Schritt 4: Ergebnisse kritisch prüfen

Fehler müssen sichtbar gemacht und genutzt werden, um Prompts, Datenbasis und Prozesse zu verbessern.

Schritt 5: Nutzung messbar machen

Unternehmen sollten nicht nur allgemeine Begeisterung erfassen, sondern konkrete Kennzahlen:

• gesparte Suchzeit,
• Dauer der Einarbeitung,
• Nutzungshäufigkeit,
• Antwortqualität,
• Anzahl unterstützter Fälle,
• Rückfragen an erfahrene Kollegen,
• zusätzliche abteilungsübergreifende Empfehlungen.

Schritt 6: Wissen und Prozesse zentralisieren

Ein Chatbot allein löst keine unstrukturierten Datenbestände. Dokumente müssen geprüft, aktualisiert, kategorisiert und mit Verantwortlichkeiten versehen werden.

Schritt 7: Schrittweise skalieren

Erst wenn ein Pilotprojekt zuverlässig funktioniert, sollte es auf weitere Abteilungen oder Standorte übertragen werden.

Fazit: KI-Projekte brauchen keine perfekte Ausgangslage

Das Beispiel des Sanitätshauses Alippi zeigt, wie künstliche Intelligenz im Mittelstand praktisch eingeführt werden kann.

Toni Domin begann nicht mit einem millionenschweren Transformationsprogramm. Er eignete sich strukturiertes Wissen an, entwickelte eine Roadmap und setzte anschließend einen überschaubaren Anwendungsfall um.

Der daraus entstandene KI-Assistent unterstützt Mitarbeiter bei der Fallvorbereitung, beim Onboarding und beim Blick über die eigene Abteilung hinaus. Aktive Anwender sparen nach Tonis Angaben bereits etwa eine Stunde pro Woche.

Gleichzeitig zeigt der Praxisfall, dass KI-Systeme kontrolliert werden müssen. Fehlerhafte Produktangaben können gerade im Gesundheitsbereich erhebliche Konsequenzen haben. Fachwissen, belastbare Quellen und menschliche Verantwortung bleiben deshalb unverzichtbar.

Der entscheidende Erfolgsfaktor ist nicht das einzelne Tool. Entscheidend ist die Fähigkeit, ein reales Problem auszuwählen, eine Lösung zu testen und sie gemeinsam mit den Mitarbeitern weiterzuentwickeln.

Häufig gestellte Fragen

Wie kann ChatGPT in einem Sanitätshaus eingesetzt werden?

ChatGPT kann unter anderem bei der strukturierten Vorbereitung anonymisierter Kundenfälle, beim Onboarding, bei der Suche nach internem Wissen und bei der Erstellung von Checklisten unterstützen. Medizinische, vertragliche und produktbezogene Angaben müssen fachlich geprüft werden.

Was macht ein KI-Manager im Unternehmen?

Ein KI-Manager identifiziert Anwendungsfälle, bewertet Nutzen und Risiken, entwickelt eine Roadmap, koordiniert Pilotprojekte und vermittelt zwischen Fachabteilungen, Geschäftsleitung, Datenschutz und IT.

Kann ein Custom GPT die Einarbeitung neuer Mitarbeiter verkürzen?

Ein Custom GPT kann neue Mitarbeiter beim Zugriff auf freigegebenes Wissen und bei der Strukturierung von Fragen unterstützen. Voraussetzung sind aktuelle Daten, klare Zugriffsrechte und eine verlässliche Qualitätskontrolle.

Wie viel Zeit lässt sich durch einen KI-Assistenten sparen?

Im beschriebenen Praxisbeispiel sparen aktive Anwender nach Angaben von Toni Domin ungefähr eine Stunde pro Woche. Die tatsächliche Ersparnis hängt vom Prozess, der Datenqualität und der Nutzungshäufigkeit ab.

Kann eine KI im Sanitätshaus Produktempfehlungen geben?

Eine KI kann mögliche Produktgruppen und offene Fragen aufzeigen. Die abschließende Auswahl und Prüfung muss jedoch durch qualifizierte Mitarbeiter anhand aktueller Herstellerangaben, individueller Anforderungen und geltender Vorgaben erfolgen.

Welche Risiken hat der Einsatz von ChatGPT im Gesundheitsbereich?

Zu den Risiken gehören falsche Angaben, veraltete Produktdaten, Datenschutzverletzungen, fehlender Kontext und eine unkritische Übernahme von Antworten. Deshalb sind verbindliche Richtlinien und eine fachliche Prüfung notwendig.

Sollte ein Unternehmen direkt eine große KI-Plattform einführen?

In vielen Fällen ist ein kleiner Pilot sinnvoller. Unternehmen können zunächst einen klar abgegrenzten Prozess testen, Erfahrungen sammeln und die Lösung danach schrittweise skalieren.

Weiterbildung: Von der KI-Idee zum umgesetzten Projekt

Du möchtest künstliche Intelligenz nicht nur ausprobieren, sondern systematisch im Unternehmen einsetzen?

In meinen IHK-Weiterbildungen und Zertifikatslehrgängen lernst du unter anderem:

• geeignete KI-Anwendungsfälle zu identifizieren,
• Projekte nach Nutzen und Umsetzbarkeit zu priorisieren,
• eine KI-Roadmap zu entwickeln,
• Prototypen und KI-Assistenten aufzubauen,
• Mitarbeiter und Stakeholder einzubeziehen,
• Datenschutz, Governance und Risiken zu berücksichtigen,
• Ergebnisse und Wirtschaftlichkeit messbar zu machen.

Aktuelle Informationen zu meinen IHK-Kursen, Workshops und weiteren Angeboten findest du hier:

https://linktr.ee/Yakup_AI