1
Teil 1
Das Fundament
Daten-und Software-Engineering
In diesem Teil baust du das unverzichtbare Fundament. Ohne qualitativ
hochwertige Daten und eine saubere Software-Architektur ist jede KI
nur ein Ratespiel. Du lernst, wie Profis Daten managen, modellieren
und für die Analyse bereitstellen.
2
Modul 1: Grundlagen der Datenarchitektur und Anforderungsanalyse
Willkommen zu Modul 1. In dieser ersten Einheit legen wir das strategische und konzeptionelle Fundament für Ihre gesamte Reise zum AI Engineer. Bevor wir eine einzige Zeile Code schreiben, müssen wir lernen, wie ein Architekt zu denken. Wir müssen verstehen, welche Probleme wir lösen wollen, für wen wir sie lösen und wie wir unsere Pläne so gestalten, dass sie jeder versteht. Dieses Modul stellt sicher, dass die technischen Lösungen, die Sie später entwickeln, auch die richtigen unternehmerischen Probleme lösen und echten Mehrwert schaffen.
3
Lektion 1.1: Business Intelligence - Daten in Entscheidungen
verwandeln
Lernziele
In dieser Lektion lernen Sie, Business Intelligence (BI) zu definieren und seinen Zweck zu erklären. Sie werden die entscheidenden Unterschiede zwischen operativen OLTP-und analytischen OLAP-Systemen verstehen und die wichtigsten Anwendungsfelder von BI kennenlernen.
Kursinhalt
Business Intelligence ist kein einzelnes Tool, sondern ein technologiegetriebener Prozess. Sein Ziel ist es, Rohdaten zu analysieren und in handlungsrelevante Informationen umzuwandeln, um Führungskräfte und andere Endbenutzer bei ihren Geschäftsentscheidungen zu unterstützen. Im Kern geht es darum, aus Daten wertvolles Wissen zu generieren. Die Anwendungsfelder sind vielfältig und reichen von standardisierten Berichten, wie wöchentlichen Verkaufszahlen, über interaktive Analysen zur Ursachenforschung bis hin zu visuellen Dashboards, die wichtige Leistungskennzahlen (KPIs) auf einen Blick darstellen.
Ein zentrales Konzept in der Datenwelt ist die Unterscheidung zwischen OLTP und OLAP. OLTP-Systeme (Online Transaction Processing) sind das operative Rückgrat eines Unternehmens. Sie sind für die schnelle und effiziente Abwicklung unzähliger kleiner Transaktionen optimiert, wie sie im Tagesgeschäft anfallen - beispielsweise eine Bestellung in einem Online-Shop oder eine Geldautomaten-Abhebung. Ihr Fokus liegt auf der reibungslosen Ausführung des Geschäfts.
Im Gegensatz dazu stehen OLAP-Systeme (Online Analytical Processing). Diese sind nicht für das Tagesgeschäft, sondern für dessen Analyse konzipiert. Sie sind darauf optimiert, komplexe und weitreichende Abfragen über riesige historische Datenmengen auszuführen. Eine typische OLAP-Anfrage wäre: "Vergleiche die Verkaufszahlen aller Produkte in allen Regionen der letzten fünf Jahre." Hier liegt der Fokus auf der Analyse des Geschäfts.
Analogie zum Verständnis: Das Restaurant
Stellen Sie sich ein Restaurant vor. Die Kasse, an der jede Bestellung sofort und korrekt verbucht wird, ist das OLTP-System. Sie ist für hunderte kleine Transaktionen pro Stunde optimiert. Das Büro des Managers am Monatsende ist das OLAP-System. Hier werden alle Kassenbons der letzten Zeit genommen, um große, übergreifende Fragen zu beantworten: Welches Gericht war am beliebtesten? An welchem Wochentag war der Umsatz am höchsten? Diese Analyse ist komplex und langsam, aber sie liefert die strategischen Einsichten.
4
Praktische Übung
Ordnen Sie die folgenden Anfragen gedanklich entweder OLTP oder OLAP zu:
1. Ein Kunde legt ein Produkt in den Warenkorb.
2. Ein Analyst erstellt einen Bericht über die demografischen Merkmale der Top-10%-
Kunden des letzten Jahres.
3. Ein Bankmitarbeiter prüft den Kontostand eines Kunden.
4. Das Marketing-Team analysiert die Klickraten von E-Mail-Kampagnen über das letzte
Quartal.
5
Lektion 1.2: Anforderungsmanagement - Erst verstehen, dann bauen
Lernziele
Nach dieser Lektion verstehen Sie, warum eine saubere Anforderungsanalyse der kritischste Schritt in jedem Datenprojekt ist. Sie können die Ziele des Anforderungsmanagements benennen und kennen die grundlegende Vorgehensweise zur Erhebung von Anforderungen.
Kursinhalt
Anforderungsmanagement ist der systematische Prozess des Definierens, Dokumentierens und Verwaltens von Anforderungen an ein System. Das primäre Ziel ist es, ein klares und gemeinsames Verständnis zwischen dem Auftraggeber (z.B. einer Fachabteilung) und dem Entwicklerteam zu schaffen. Dies ist entscheidend, denn die Kosten für die Behebung eines Fehlers steigen exponentiell, je später er im Projekt entdeckt wird. Ein Missverständnis in der Anforderungsphase zu klären ist ungleich günstiger, als eine bereits fertig entwickelte Software umbauen zu müssen.
Der Prozess folgt einem Zyklus. Zuerst werden die Anforderungen erhoben, meist durch Interviews und Workshops. Anschließend werden sie unmissverständlich dokumentiert, zum Beispiel in Form von User Stories. Im dritten Schritt werden diese Dokumente mit allen Beteiligten geprüft und abgestimmt, um sicherzustellen, dass alles korrekt und vollständig ist. Zuletzt müssen die Anforderungen über den gesamten Projektverlauf verwaltet werden, was auch den Umgang mit Änderungswünschen einschließt.
Analogie zum Verständnis: Der Hausbau
Das Anforderungsmanagement ist die Arbeit des Architekten, bevor der erste Bagger rollt. Er setzt sich mit der Baufamilie zusammen und fragt: "Wie viele Zimmer brauchen Sie? Wo soll die Küche hin? Brauchen Sie eine Garage?" Er erhebt, dokumentiert (im Bauplan) und prüft diese Anforderungen. Ohne diesen Plan würde die Baufirma einfach anfangen zu mauern - und am Ende steht ein Haus, das niemandem gefällt und viel zu teuer ist.
Praktische Übung
Stellen Sie sich vor, die Marketing-Abteilung wünscht sich ein "Kunden-Dashboard", um "bessere Entscheidungen" zu treffen. Formulieren Sie mindestens fünf klärende Fragen, die Sie als Anforderungsmanager stellen würden, um diesen vagen Wunsch in eine konkrete Anforderung zu überführen.
6
Lektion 1.3: System-Modellierung - Die Sprache der Architekten (ERM
& UML)
Lernziele
In dieser Lektion lernen Sie die Bausteine des Entity-Relationship-Modells (ERM) kennen und können ein einfaches ERM für ein gegebenes Szenario erstellen. Zudem können Sie den Zweck von UML erklären und die wichtigen Diagrammtypen Use-Case, Aktivität und Klasse unterscheiden.
Kursinhalt
Um Anforderungen präzise zu dokumentieren, verwenden wir standardisierte Modellierungssprachen. Für die Struktur von Daten nutzen wir das Entity-Relationship-Modell (ERM). Es visualisiert die logische Struktur einer Datenbank mithilfe von drei Hauptbausteinen: Entitäten sind Objekte wie Kunde oder Produkt. Attribute sind deren Eigenschaften, wie Name oder Preis. Beziehungen verbinden die Entitäten miteinander, zum Beispiel "ein Kunde tätigt eine Bestellung".
Für die Modellierung von Software-Systemen und Prozessen nutzen wir die Unified Modeling Language (UML). Sie bietet verschiedene Diagrammtypen. Das Use-Case-Diagramm beschreibt aus der Sicht eines Nutzers, was ein System tut (z.B. "Produkt suchen"). Das Aktivitätsdiagramm stellt dar, wie ein Prozess abläuft, ähnlich einem Flussdiagramm. Das Klassendiagramm schließlich beschreibt die statische Struktur eines Systems - seine Klassen, deren Attribute und Methoden. Es ist der technische Bauplan für die objektorientierte Programmierung.
Analogie zum Verständnis: Der Bauplan
Der Bauplan eines Hauses ist eine Sammlung verschiedener Modelle. Das ERM ist der Grundriss der Daten, der die Informations-Räume und ihre Verbindungen zeigt. Das Use-Case-Diagramm ist die Perspektive des Bewohners ("Als Bewohner möchte ich kochen können"). Das Aktivitätsdiagramm ist die Ablaufbeschreibung für eine Handlung ("Kühlschrank öffnen, Zutaten entnehmen, kochen"). Das Klassendiagramm ist der technische Plan für die Bauteile, der das Objekt "Fenster" mit seinen Eigenschaften und Fähigkeiten beschreibt.
Praktische Übung
Modellieren Sie einen einfachen Online-Shop.
1. ERM: Zeichnen Sie ein ER-Modell mit den Entitäten Kunde, Produkt und Bestellung,
inklusive Attributen und Beziehungen.
2. UML: Zeichnen Sie ein Use-Case-Diagramm für den Kunden und ein
Aktivitätsdiagramm für den Bestellprozess.
7
Lektion 1.4: KI im Arbeitsprozess - Vom reaktiven zum proaktiven
System
Lernziele
Nach dieser Lektion können Sie den Unterschied zwischen traditioneller BI und KI-gestützter Analyse erklären. Sie können konkrete Anwendungsfälle für KI im Geschäftsumfeld nennen und verstehen, wie KI auf den in diesem Modul gelernten Konzepten...
