Ein offener Kurs übt an erfundenen Beispielen, eine Inhouse-KI-Schulung übt an euren echten Prozessen. Genau deshalb bleibt bei uns mehr hängen. Dein Team baut nicht an einer Demo, sondern an einem Problem, das ihr wirklich habt, mit euren Daten und in eurer Infrastruktur. Wir planen Scope, Challenges, Rollen, Daten, Toolzugänge und Ablauf gemeinsam so, dass die Schulung innerhalb einer Woche startklar sein kann, vor Ort oder remote. Was am Ende steht und wann, hängt vom vereinbarten Scope ab.
Zielgruppe: Unternehmen, die an eigenen Daten schulen wollen und Wert auf Datenhoheit legen, gerade in regulierten Bereichen.
Eine Inhouse-KI-Schulung findet an euren echten Prozessen und Daten statt, vor Ort oder remote, und bleibt in eurer Infrastruktur. Bei uns läuft sie als moderierter Hackathon, aus dem einsatzbereite Prototypen und eine dokumentierte KI-Kompetenzmaßnahme entstehen, statt eines Standard-Kurses mit erfundenen Beispielen.
Das Problem am offenen Kurs
Ein offener KI-Kurs kann nur an allgemeinen Beispielen arbeiten, weil im Raum zehn verschiedene Firmen sitzen. Vier Dinge gehen dabei verloren.
- Der Bezug fehlt. Ein Beispiel-Prompt aus dem Kurs passt selten auf euren realen, oft heiklen Fall. Ohne Bezug bleibt das Gelernte Theorie.
- Die echten Daten bleiben draußen. Im offenen Kurs kann niemand mit euren Daten üben. Genau da entsteht aber der Nutzen.
- Die Datenfrage bleibt ungelöst. Wer erst nach dem Kurs klärt, was IT und Datenschutz erlauben, verliert Zeit beim Nachbau.
- Das Ergebnis reist nicht mit. Aus einem offenen Kurs kommt Wissen, aber kein Werkzeug, das in eurem Kontext läuft.
Eine Inhouse-KI-Schulung dreht das um, weil sie an euren echten Prozessen ansetzt. Was am Ende läuft, passt zu eurer Realität und wird deshalb weiter benutzt.
Was die Inhouse-Schulung konkret umfasst
Wir bauen die Schulung um eure Aufgaben herum. Im Vorfeld wählen wir gemeinsam die Challenges, die euch am meisten Zeit oder Geld kosten, und arbeiten im Hackathon mit euren echten Daten, in euren Räumen oder remote über geteilte Arbeitsumgebungen. Ob euer Sitz in München, Hamburg, Berlin oder anderswo liegt, wir kommen zu euch vor Ort. Der Stack aus Cursor, Lovable, n8n, Gamma, Figma Make, Claude Code und Custom GPTs läuft auf euren Systemen und Zugängen.
Der Ablauf hat vier Stationen.
- Zuschnitt an euren Prozessen. Gemeinsam wählen wir die Challenges mit dem höchsten Nutzen, an euren echten Daten.
- Tool-Workshop. Jede Gruppe lernt den Stack, den ihre Challenge braucht.
- Bau-Sprint in eurer Umgebung. Die Teams bauen begleitet, alles bleibt in eurer Infrastruktur.
- Pitches und Handoff. Jedes Team zeigt sein Ergebnis und übergibt an einen Owner mit nächstem Schritt.
Datenschutz und Datenhoheit
Weil es um eure echten Daten geht, bleibt alles in eurer Infrastruktur. Wir bauen auf euren Systemen und Zugängen, nichts wandert ungefragt nach außen. Das passt zur DSGVO und lässt euch die Datenhoheit. Gerade für regulierte Bereiche ist das der Grund, warum eine Inhouse-KI-Schulung dem offenen Kurs vorzuziehen ist. Die Rahmenbedingungen klären wir im Vorfeld mit eurer IT und eurem Datenschutz, damit im Sprint kein Datenschutzthema den Fortschritt bremst.
Lernziele und Nutzen inhouse
- 3 bis 5 einsatzbereite Prototypen, die zu eurem Kontext passen, statt Wissen ohne Anwendung.
- Ausgebildete KI-Champions im eigenen Haus, die die Prototypen weiterführen.
- Volle Datenhoheit, weil alles in eurer Infrastruktur bleibt.
- Eine dokumentierte KI-Kompetenzmaßnahme als Baustein für den EU AI Act (Art. 4), belegt durch die inhouse gebauten Prototypen.
Für wen es passt, und für wen nicht
| Passt gut, wenn | Passt eher nicht, wenn |
|---|---|
| ihr an euren echten Prozessen und Daten üben wollt | euch allgemeine Beispiele in einem offenen Kurs genügen |
| Datenhoheit wichtig ist und alles in eurer Infrastruktur bleiben soll | ihr keine eigenen Systeme oder Zugänge bereitstellen könnt |
| es Champions im Haus gibt, die die Prototypen weiterführen | niemand nach dem Sprint Verantwortung übernimmt |
| ihr vor Ort oder remote in eurer Umgebung arbeiten wollt | ihr bewusst einen anbieterneutralen offenen Kurs sucht |
Leistungen und Deliverables
- Vorab-Zuschnitt der Challenges an euren echten Prozessen und Daten.
- Kuratierter Toolstack je Challenge, betrieben auf euren Systemen und Zugängen.
- Moderierter Tool-Workshop und Bau-Sprint vor Ort oder remote, mit Begleitung.
- 3 bis 5 einsatzbereite Prototypen, die zu eurem Kontext passen.
- Impact-Report, Skills-Library und IT-Handoff-Package je Prototyp.
- Ausgebildete KI-Champions im eigenen Haus.
- Dokumentation der KI-Kompetenzmaßnahme für die Teilnehmer.
Formate als Angebots-Karten
Spark
- Was du bekommst: 1 Tag inhouse, ein einsatzbereiter Prototyp an euren Daten, Tool-Workshop, Handoff, dokumentierte KI-Kompetenzmaßnahme.
- Du arbeitest mit: einem Facilitator, dem passenden Stack auf euren Systemen.
- Ideal für: bis 10 Teilnehmer, ein Team, das an echten Daten starten will.
- Dein Investment: auf Anfrage.
Ignite (Empfehlung)
- Was du bekommst: 2 Tage inhouse, mehrere Challenges parallel, mehrere Prototypen, IT-Handoff-Package, breitere Verankerung im Haus.
- Du arbeitest mit: mehreren Facilitatoren, kuratiertem Stack je Challenge in eurer Umgebung.
- Ideal für: 10 bis 15 Teilnehmer, ein Bereich, der inhouse mehrere Prozesse testen will.
- Dein Investment: auf Anfrage.
Blaze
- Was du bekommst: 3 bis 5 Tage inhouse, mehrere Teams, produktionsnahe Prototypen an euren Daten, klarer Umsetzungspfad.
- Du arbeitest mit: einem Facilitator-Team, vollem Toolstack auf euren Systemen, optionaler Anbindung an einen Implementierungssprint.
- Ideal für: 15+ Teilnehmer, mehrere Abteilungen mit ernsthaftem Rollout-Ziel.
- Dein Investment: auf Anfrage.
Teams aus Unternehmen wie YOYABA, Onventis und NavVis haben mit uns gearbeitet. Preise vorerst auf Anfrage.
Offener Kurs vs. Inhouse-KI-Schulung als Hackathon
| Kriterium | Offener KI-Kurs | Inhouse-KI-Schulung als Hackathon |
|---|---|---|
| Übungsmaterial | erfundene, allgemeine Beispiele | eure echten Prozesse und Daten |
| Datenhoheit | Daten bleiben draußen | alles bleibt in eurer Infrastruktur |
| Output | Wissen ohne Werkzeug | einsatzbereite Prototypen im eigenen Kontext |
| Transfer in den Alltag | schwer, weil kontextfremd | direkt, weil an eurem echten Fall gebaut |
| Champions im Haus | selten | ausgebildet und benannt |
| Zeit bis erstem Ergebnis | je nach Kursplan | startklar in 1 Woche, Ergebnis je nach Scope |
Inhouse verstärkt den Effekt, weil hands-on hier eure echten Daten und Tools meint. Den ausführlichen Vergleich findest du auf KI-Schulung vs. KI-Hackathon.
So kann sich die Inhouse-Schulung rechnen (Modell, keine Kundenzahl)
Rechne mit euren eigenen Größen, an euren echten Prozessen. Das Modell hat drei Eingaben und eine Formel.
- Zeit pro Woche für einen manuellen Schritt, der an euren Daten hängt, zum Beispiel Dokumentenprüfung.
- Anteil, den ein an euren Daten gebauter Prototyp davon realistisch abnimmt.
- Interner Stundensatz mal Zahl der Personen, die denselben Prozess durchlaufen.
Formel: gesparte Stunden pro Woche mal Stundensatz mal 45 Arbeitswochen mal Personen, minus die einmaligen Kosten der Schulung und der Nachbau-Wochen. Wenn Dokumentenprüfung pro Person und Woche sechs Stunden kostet und ein Prototyp die Hälfte abnimmt, sind das drei Stunden. Über zwölf Personen und ein Jahr ergibt das eine Größenordnung, an der ihr die Investition ehrlich prüfen könnt. Interaktiver Rechner: /ki-schulung/tools/roi-rechner/.
Social Proof
Teams aus Unternehmen wie YOYABA, Onventis und NavVis haben mit uns gearbeitet. Namen, Logos, Workshop-Fotos und öffentliches Feedback dieser Teams findet ihr in den Case Studies.
Ohne Bauteil geht es in unseren Kursen weiter, zum Beispiel in der eintägigen Claude Schulung für den sicheren Alltagsumgang.
Ablauf der Inhouse-Schulung als animierter Zeitstrahl, in 1 Woche
| # | Schritt | Owner | Output |
|---|---|---|---|
| 1 | Intro-Call | Wir + Sponsor | geklärtes Ziel, grober Scope, Termin |
| 2 | Tools- und Challenges-Call | Wir + Teamleads | Challenges an euren Prozessen, Toolauswahl |
| 3 | Finalisierung Infos und Daten | Kunde (IT, Datenschutz) | freigegebene Datenzugänge in eurer Infrastruktur, dokumentierte Grenzen |
| 4 | Hackathon-Vorbereitung | Wir | Umgebungen auf euren Systemen, Zugänge, Ablaufplan |
| 5 | Tool-Workshop | Wir + Teams | Teams können ihren Stack bedienen |
| 6 | Hackathon-Sprint | Teams (begleitet) | einsatzbereite Prototypen an euren Daten |
| 7 | Ergebnis-Pitches und Handoff | Teams + Owner | IT-Handoff-Package, KI-Champions im Haus |
FAQ
Was ist der Vorteil einer Inhouse-KI-Schulung gegenüber einem offenen Kurs? Der Bezug zu eurem Alltag. Statt an erfundenen Beispielen baut dein Team an euren echten Prozessen und Daten. Das Ergebnis passt zu eurer Realität, wird weiter benutzt und liefert einen belegbaren Nutzen statt eines Zertifikats.
Bleiben unsere Daten sicher? Ja. Alles bleibt in eurer Infrastruktur, wir bauen auf euren Systemen und Zugängen. Das passt zur DSGVO und lässt euch die Datenhoheit. Die Rahmenbedingungen klären wir mit eurer IT und eurem Datenschutz vor dem Sprint, damit kein Datenschutzthema bremst.
Läuft die Inhouse-Schulung vor Ort oder remote? Beides ist möglich. Vor Ort arbeiten wir in euren Räumen, remote über Video und geteilte Arbeitsumgebungen. Was besser passt, hängt von Team und Standort ab und wird im Intro-Call geklärt.
Wie viele Mitarbeiter können inhouse teilnehmen? Spark deckt bis 10 ab, Ignite 10 bis 15, Blaze 15 und mehr. Bei größeren Belegschaften arbeiten mehrere Teams parallel an eigenen Challenges an euren Daten.
Was brauchen wir für die Vorbereitung? Zugänge zu den relevanten Systemen und die Challenges, die euch am meisten kosten. Wir bereiten Umgebungen und Zugänge auf euren Systemen vor, damit der Sprint sofort losgeht. Vom Erstkontakt bis zum fertigen Prototyp vergeht eine Woche.
Bekommen wir einen Nachweis? Ja. Es gibt eine Dokumentation der praktischen KI-Kompetenzmaßnahme, belegt durch die inhouse gebauten Prototypen. So dokumentiert ihr eine Maßnahme mit einem Format, das an euren echten Daten hängen bleibt.
Rechtlicher Hinweis: Ein Hackathon und der hier beschriebene Teilnahmenachweis können praktische KI-Kompetenzmaßnahmen dokumentieren, sind aber kein behördlich vorgeschriebenes Zertifikat und garantieren nicht automatisch die Erfüllung von Artikel 4. Das Unternehmen muss die Angemessenheit seines Gesamtprogramms rollen-, kontext- und risikobezogen prüfen.
