Data Science & KI-Verantwortung IT-Weiterbildungsprogramm

Programmbeschreibung

Das IT-Weiterbildungsprogramm Data Science & KI-Verantwortung verbindet datengetriebene Analysekompetenz mit ethischer Reflexion. Es umfasst moderne Methoden der Data Science, maschinelles Lernen sowie Prinzipien einer verantwortungsvollen KI-Gestaltung.

    Ziel: Entwicklung analytischer, technischer und ethischer Kompetenzen für datenbasierte Entscheidungsprozesse im digitalen Wandel.
  

Zielgruppe

Das Programm richtet sich an:

Datenanalyst:innen, Entwickler:innen und Projektverantwortliche im KI-Kontext
Fachkräfte mit Interesse an Machine Learning und fairer, erklärbarer KI
Berufseinsteiger:innen, die systematisch in Data Science und Responsible AI eingeführt werden möchten

    Voraussetzungen: Grundlegende mathematische/logische Kenntnisse. Python-Kenntnisse sind hilfreich, aber nicht erforderlich.
  

Programmbausteine

Python Schulung

Einführung in Datenverarbeitung, Automatisierung & Visualisierung

Jetzt entdecken →

Data Science Schulung

Machine Learning, Pandas, Scikit-Learn

Jetzt entdecken →

Optimierung von ML-Algorithmen Schulung

Feature Engineering, Tuning & MLOps

Jetzt entdecken →

Verantwortungsvoller KI-Einsatz Schulung

Fairness, AI Act, Tools wie SHAP & Fairlearn

Jetzt entdecken →

Gute wissenschaftliche Praxis in der IT Schulung

Dokumentation, Transparenz, ethische Standards

Jetzt entdecken →

Alle Schulungen anzeigen

Zur Übersicht →

Details & Organisation

Schulung: 17 Schulungstage (je 08:30–17:00 Uhr, inkl. inhaltlicher Vermittlung, Praxisbeispielen und angeleiteter Übungen)

Gesamtdauer: 26 Schulungstage über 6 Wochen – inkl. individueller Vertiefungs- und Übungszeit

Umfang: 195.5 Stunden insgesamt (davon 127.5 Std. Schulung, 68 Std. empfohlene Übungszeit)

Format: Präsenz oder Online

Ort: Hamburg oder remote

Maximale Teilnehmerzahl: 12 Personen

Kosten: 9.092,50 € inkl. MwSt.

Zielgruppe: Fachkräfte, Projektteams und Unternehmen – auch als individuelles Inhouse-Training durchführbar.

Förderung: Eine Förderung über Bildungsgutschein oder vergleichbare Programme ist derzeit nicht möglich.

Tagesstruktur

08:30–10:30 Uhr: Vermittlung zentraler Konzepte, Theorien und methodischer Impulse
10:30–10:45 Uhr: Kurze Pause
10:45–12:30 Uhr: Geführte Anwendung anhand praxisnaher Beispiele
12:30–13:00 Uhr: Mittagspause
13:00–16:30 Uhr: Selbstständige Vertiefung, Umsetzung und Transferübungen
16:30–17:00 Uhr: Gemeinsame Reflexion, Klärung offener Fragen, Transfer in den Berufsalltag

Diese Tagesstruktur verbindet angeleitete Wissensvermittlung mit eigenständigem Arbeiten – für nachhaltiges Lernen mit Praxisbezug und Transferwirkung.

Lernziele nach dem Lehrbaummodell

Diese Lernziele orientieren sich am Lehrbaummodell (Ellmann 2022) und fördern nachhaltiges Lernen auf kognitiver, motivationaler und metakognitiver Ebene.

Stamm: Planung & Motivation: Die Teilnehmenden formulieren persönliche Ziele für die verantwortungsvolle Nutzung datenbasierter Methoden in Analyse- und Entscheidungsprozessen.
Kommunikation: Die Lernenden analysieren Datenkommunikation und reflektieren, wie Transparenz, Fairness und Nachvollziehbarkeit in ML-Systemen vermittelt werden können.
Material & Struktur: Es werden datenwissenschaftliche Konzepte wie Datenaufbereitung, Feature Engineering und Modellbildung systematisch erarbeitet und auf Praxisbeispiele angewendet.
Gedächtnis & Aufmerksamkeit: Die Lernenden vergleichen regulatorische und ethische Rahmenwerke (z. B. AI Act, DSGVO) und verankern diese in einer reflektierten KI-Entwicklungspraxis.
Aktivierung & Lernstörung: Im Umgang mit unvollständigen, verzerrten oder sensiblen Daten entwickeln die Teilnehmenden Handlungssicherheit und ein Bewusstsein für Risiken.
Gipfel: Überprüfung & Transfer: Die Teilnehmenden integrieren technische und ethische Aspekte in ein eigenes Analyse- oder KI-Projekt und formulieren Transferziele für ihre Berufspraxis.

Kursbezogene Ziele

Kompetent mit Daten und Machine Learning umgehen
Ethische und rechtliche Anforderungen sicher berücksichtigen
Verantwortungsvolle KI-Anwendungen gestalten und bewerten

Quelle des Lehrbaummodells zur Gestaltung effektiver Lehre in der IT vom Inhaber: M. Ellmann (2022).
Effektives Lehren und Lernen in der Informatik, Wirtschaftsinformatik und verwandten Fachgebieten.
Veröffentlicht in: Informatik Spektrum, Springer Nature.
SPRINGER NATURE Link: https://doi.org/10.1007/s00287-022-01436-5

Nächste Kurstermine

Hinweis: Gesetzliche Feiertage wurden bei der Terminberechnung automatisch berücksichtigt.

Startzeitraum	Kontakt
25 Aug 2025 bis 29.09.2025 26 Schulungstage inkl. individueller Vertiefung	Mathias Ellmann Ing., M. Sc.
08 Sep 2025 bis 14.10.2025 26 Schulungstage inkl. individueller Vertiefung	Mathias Ellmann Ing., M. Sc.
22 Sep 2025 bis 28.10.2025 26 Schulungstage inkl. individueller Vertiefung	Mathias Ellmann Ing., M. Sc.
06 Oct 2025 bis 10.11.2025 26 Schulungstage inkl. individueller Vertiefung	Mathias Ellmann Ing., M. Sc.
20 Oct 2025 bis 24.11.2025 26 Schulungstage inkl. individueller Vertiefung	Mathias Ellmann Ing., M. Sc.

Kein passender Termin dabei? Gerne prüfen wir individuelle Schulungswünsche.

Mathias Ellmann

Ing., M. Sc.

Musterzertifikat

Dies ist die erste Seite des Zertifikats für Data Science & KI-Verantwortung Weiterbildungsprogramm:

Zertifikat Vorschau – Data Science & KI-Verantwortung Weiterbildungsprogramm

Das vollständige Musterzertifikat kann auf Anfrage per E-Mail bereitgestellt werden.

Häufige Fragen zur Data Science & KI-Verantwortung IT-Weiterbildungsprogramm

Für wen ist „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“ geeignet?

Das Weiterbildungsprogramm „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“ richtet sich an Datenanalyst:innen, Entwickler:innen und Projektverantwortliche, die fundierte Kenntnisse in Data Science und verantwortungsvoller KI-Entwicklung erwerben möchten.

Welche Voraussetzungen gelten für die Teilnahme an „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“?

Grundlegende mathematisch-logische Kenntnisse sind hilfreich. Python-Vorkenntnisse sind nützlich, aber nicht erforderlich.

Welche Inhalte werden in „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“ vermittelt?

Data Science & KI-Verantwortung IT-Weiterbildungsprogramm umfasst: Python-Grundlagen, Datenanalyse mit Pandas, maschinelles Lernen mit scikit-learn, Modelloptimierung, Tools für faire KI (z. B. SHAP, Fairlearn) sowie ethische und wissenschaftliche Standards.

Wie lange dauert „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“?

„Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“ erstreckt sich über 26 Tage (inkl. empfohlener Übungszeit) und ist auf rund 6 Wochen ausgelegt. Die Durchführung erfolgt flexibel – online oder vor Ort in Hamburg. Schulungszeit: 08:30 – 17:00 Uhr.

Was kostet die Teilnahme an „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“?

Die Teilnahmegebühr beträgt 9.092,50 € inkl. MwSt. Enthalten sind alle Schulungsunterlagen, Zugang zu digitalen Materialien sowie ein Teilnahmezertifikat.

Was sind die Lernziele von „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“?

Sie erwerben fundierte Fähigkeiten in Datenanalyse, Machine Learning und ethischer KI-Gestaltung – für verantwortungsvolle datenbasierte Entscheidungen in Wirtschaft und Gesellschaft.

Gibt es ein Teilnahmezertifikat zu „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“?

Ja. Sie erhalten das offizielle Zertifikat.

Was unterscheidet „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“ von klassischen Data-Science-Kursen?

Neben der technischen Ausbildung steht die ethische und rechtliche Reflexion im Mittelpunkt. Sie lernen, Datenverantwortung, Transparenz und Fairness professionell umzusetzen.

Wer leitet „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“?

Die Schulung wird von Mathias Ellmann persönlich durchgeführt. Bei Bedarf wird sie durch erfahrene Trainer:innen mit Data-Science- und KI-Expertise ergänzt.

Wie praxisnah ist „Data Science & KI-Verantwortung IT-Weiterbildungsprogramm“ gestaltet?

Sehr praxisnah – mit realitätsnahen Anwendungsfällen, Tools, Checklisten und Transferübungen für den direkten Einsatz in Projekten.