Praxisorientiertes Lernprogramm für AGI-Entwicklung
Unser Programm kombiniert theoretische Grundlagen mit praktischen Projekten. Die Teilnehmer arbeiten mit realen Datensätzen und entwickeln Verständnis für komplexe Systeme, die über klassische Machine-Learning-Ansätze hinausgehen. Dabei geht es weniger um auswendig gelernte Algorithmen, sondern mehr darum, wie man Probleme strukturiert angeht und Lösungen schrittweise aufbaut.
Wir starten im März 2026 mit einer neuen Kohorte. Die Anmeldung läuft bis Ende Februar, und die Plätze werden nach Reihenfolge vergeben.
Modulstruktur und Themenschwerpunkte
Grundlagen intelligenter Systeme
Verstehen, wie Maschinen lernen und warum bestimmte Architekturen besser funktionieren als andere. Wir schauen uns an, was heute möglich ist und wo die Grenzen liegen – ehrlich und ohne Hype.
Neuronale Netzwerke im Detail
Von einfachen Feedforward-Netzen bis zu Transformern. Die Teilnehmer bauen eigene Modelle und lernen, wie man Hyperparameter anpasst, ohne endlos zu experimentieren.
Datenarbeit und Preprocessing
Rohdaten sind selten sauber. Wir zeigen, wie man Datensätze vorbereitet, Verzerrungen erkennt und mit unvollständigen Informationen umgeht – das ist oft wichtiger als der Algorithmus selbst.
Ethik und Verantwortung
AGI-Systeme haben Einfluss auf Menschen. Wir besprechen, welche Fragen man sich stellen muss, bevor man ein System in Produktion bringt, und wie man Transparenz schafft.
Projektarbeit und Evaluation
Jeder entwickelt ein eigenes Projekt – das kann eine Textanalyse sein, ein kleines Spielsystem oder etwas ganz anderes. Am Ende präsentiert man die Ergebnisse und lernt aus dem Feedback.
Tools und Frameworks
PyTorch, TensorFlow, Jupyter – wir arbeiten mit den Werkzeugen, die auch in der Industrie verwendet werden. Aber ohne den Druck, alles perfekt machen zu müssen.
Wie das Programm abläuft
Einstiegsphase – März bis April 2026
Die ersten Wochen sind intensiv, aber machbar. Wir legen die theoretischen Grundlagen und starten mit einfachen Programmieraufgaben. Wer Vorkenntnisse hat, kommt schneller voran – aber auch Quereinsteiger finden ihren Rhythmus.
Vertiefungsphase – Mai bis Juli 2026
Jetzt wird es spannender. Die Teilnehmer arbeiten an größeren Aufgaben und lernen, wie man Modelle trainiert, debuggt und verbessert. Hier entstehen auch die ersten individuellen Projekte.
Spezialisierungsphase – August bis September 2026
In dieser Phase entscheiden die Teilnehmer selbst, worauf sie sich konzentrieren wollen – Natural Language Processing, Computer Vision oder Reinforcement Learning. Die Mentoren unterstützen bei der Themenwahl.
Abschlussphase – Oktober 2026
Die Projekte werden fertiggestellt und präsentiert. Es gibt Feedback von den Mentoren und der Gruppe. Am Ende steht kein Zeugnis, sondern ein konkretes Projekt, das man vorzeigen kann.
Wer euch begleitet
Unsere Mentoren kommen aus der Forschung und der Praxis. Sie haben mit großen Modellen gearbeitet, Fehler gemacht und daraus gelernt. Die Betreuung ist persönlich – wir sind eine kleine Gruppe, und jeder bekommt individuelle Unterstützung.
Dr. Nora Lindström
Leitende Forscherin
Hat sechs Jahre an der TU München zu adaptiven Lernsystemen geforscht. Ihr Schwerpunkt liegt auf Interpretierbarkeit und Erklärbarkeit von KI-Modellen. Sie hat eine Geduld für komplizierte Fragen, die fast schon unheimlich ist.
Hanne Vesterinen
Senior Data Scientist
Arbeitet seit 2018 in der Industrie und hat mehrere NLP-Systeme von Grund auf entwickelt. Sie kennt die Stolpersteine, die einem in echten Projekten begegnen, und hilft dabei, diese zu umgehen.
Livia Morozova
Technische Mentorin
Hat Informatik in Helsinki studiert und danach bei einem Startup an Reinforcement-Learning-Anwendungen gearbeitet. Sie bringt den Teilnehmern bei, wie man Code sauber strukturiert und nicht im Chaos versinkt.
Was das Programm besonders macht
Wir haben das Lernprogramm so aufgebaut, dass man nicht nur Theorie lernt, sondern auch wirklich etwas baut. Viele Kurse enden damit, dass man Folien auswendig kennt, aber keine Ahnung hat, wie man ein echtes Problem löst. Bei uns ist das anders.
- Kleine Gruppen mit maximal 18 Teilnehmern – so bleibt Zeit für individuelle Betreuung
- Wöchentliche Live-Sessions, in denen konkrete Fragen besprochen werden
- Zugang zu einer Projektdatenbank mit Beispielen aus früheren Kohorten
- Peer-Reviews, bei denen man lernt, Code anderer zu lesen und konstruktives Feedback zu geben
- Flexible Zeiteinteilung – das Programm ist berufsbegleitend machbar
Wer das Programm abschließt, hat ein Portfolio, das man potentiellen Arbeitgebern zeigen kann. Und vor allem: ein besseres Verständnis davon, wie intelligente Systeme wirklich funktionieren.
Kurstermine ansehen