# AI Workshop Austria — reviewed programme portfolio # https://aiworkshop.at/llms-full.txt # Source version: 2026-09-11 This document describes the programmes published for Austria. Content, canonical URLs, locations, and governance context are generated from the active market configuration and route allowlist. Workshop governance accounts for GDPR, the EU AI Act, Austrian requirements, client policies, and sector-specific expectations. Training does not constitute legal advice or certify compliance. ## KI-Agenten Schulung für Unternehmen in Österreich Canonical: https://aiworkshop.at/workshops/agentic-ai/ Markdown: https://aiworkshop.at/workshops/agentic-ai.md Wählen Sie einen wichtigen Workflow und verlassen Sie den Workshop mit einem sicheren, testbaren Agenten-Pilot. Teams in Österreich entwerfen KI-Agenten mit klarer Rolle, freigegebenem Wissen, passenden Werkzeugen, Tests und menschlichen Kontrollpunkten. Die Session wird an Ihren Arbeitskontext und Ihre Governance angepasst. Audience: Business-, Produkt-, Operations-, Innovations- und technische Teams, die einen mehrstufigen Workflow gemeinsam untersuchen wollen. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery format: Vor Ort, online oder hybrid. Tools: - Agent Design Canvas: Aufgabe, Quellen, Tools, Berechtigungen, Entscheidungen und menschliche Prüfpunkte vor dem Bau festlegen. - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Eine testwürdige Agenten-Chance auswählen - Agentenarbeit von menschlichen Entscheidungen trennen - Berechtigungen und Prüfpunkte gestalten - Einen kleinen Pilot mit klaren Tests planen Syllabus: 1. Workflow auswählen: Aktuelle Arbeit, Reibung und Entscheidungsverantwortung abbilden. Output: Agent Design Canvas. 2. Aufgabe des Agenten definieren: Ziel, Grenzen, Eingaben und erwartete Ergebnisse festlegen. Output: Berechtigungs- und Freigabekarte. 3. Quellen und Tools verbinden: Bestimmen, was der Agent lesen, nutzen oder verändern darf. Output: Checkliste für Fehlertests. 4. Menschliche Kontrolle gestalten: Freigaben, Eskalation und Quellenpfad einbauen. Output: Pilotbrief mit Verantwortung und nächstem Schritt. 5. Vor dem Pilot testen: Fehlerfälle, Erfolgskriterien und Pilotplan erstellen. Output: Agent Design Canvas. Take-away artefacts: - Agent Design Canvas - Berechtigungs- und Freigabekarte - Checkliste für Fehlertests - Pilotbrief mit Verantwortung und nächstem Schritt ## KI-Grundlagen-Workshop für sichere Anwendung im Alltag Canonical: https://aiworkshop.at/workshops/ai-fundamentals/ Markdown: https://aiworkshop.at/workshops/ai-fundamentals.md Von unsicheren Versuchen zu sicherer, verantwortungsvoller Anwendung im Arbeitsalltag. Die Teilnehmenden lernen, welches Tool zur Aufgabe passt, wie guter Kontext aussieht, wie Ergebnisse geprüft werden und wann KI nicht eingesetzt werden sollte. Am Ende steht ein selbst getesteter Workflow. Audience: Nicht technische Teams, gemischte Abteilungen und Führungskräfte, die eine gemeinsame praktische Grundlage benötigen. Recommended format: Fokussierter Workshop · 4 Stunden. Alternatives: Kernworkshop · 4–6 Stunden. Delivery format: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Das passende Tool zur Aufgabe wählen - Klarere Anweisungen und Kontext geben - Aussagen, Zahlen und Lücken prüfen - Eine wiederkehrende Aufgabe in einen geprüften Workflow überführen Syllabus: 1. Den modernen KI-Arbeitstag verstehen: Stärken, Grenzen und Veränderungen der aktuellen Tools kennenlernen. Output: Wiederverwendbare Anfragevorlage. 2. Das passende Tool wählen: Schreib-, Recherche-, Dokument- und Datenaufgaben zuordnen. Output: Checkliste für menschliche Prüfung. 3. Nützliche Ergebnisse anfordern: Kontext, Beispiele, Grenzen und Ausgabeformate üben. Output: Ein getesteter Workflow. 4. Vor der Nutzung prüfen: Quellen, Zahlen, Auslassungen, Ton und sensible Informationen kontrollieren. Output: Liste sinnvoller nächster Chancen. 5. Einen wiederholbaren Workflow bauen: Eine reale Aufgabe als Anfrage-Prüfung-Verbesserung strukturieren. Output: Wiederverwendbare Anfragevorlage. Take-away artefacts: - Wiederverwendbare Anfragevorlage - Checkliste für menschliche Prüfung - Ein getesteter Workflow - Liste sinnvoller nächster Chancen ## Generative AI für Unternehmen: wiederholbare Team-Workflows Canonical: https://aiworkshop.at/workshops/generative-ai-for-business/ Markdown: https://aiworkshop.at/workshops/generative-ai-for-business.md Aus einzelnen Experimenten werden gemeinsame, wiederholbare Team-Workflows. Die Teilnehmenden wenden generative KI auf Recherche, Dokumente, Dateien, Präsentationen und wiederkehrende Teamarbeit an. Sie gehen mit gemeinsamen Anleitungen, Qualitätsprüfung und klaren Verantwortlichen weiter. Audience: Funktionsübergreifende Teams, die bereits experimentieren und nun Konsistenz, Qualität und verantwortungsvolle Grenzen benötigen. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery format: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. Outcomes: - Sinnvolle Geschäftsaufgaben für generative KI auswählen - Wiederverwendbaren Kontext und Anleitungen erstellen - Qualität, Quellen und sensible Daten prüfen - Verantwortliche für einen fokussierten 30-Tage-Plan benennen Syllabus: 1. Sinnvolle Arbeit finden: Wertvolle Teamaufgaben von kurzfristiger Spielerei trennen. Output: Team-Anleitungspaket. 2. Recherche und Dokumente: Quellenbasierte Briefings, Zusammenfassungen und bessere Entwürfe erstellen. Output: Bearbeitete Beispiele aus realen Aufgaben. 3. Dateien, Daten und Präsentationen: Mit Tabellen, Dokumenten, Folien und visuellen Konzepten arbeiten. Output: Qualitäts- und Prüfcheckliste. 4. Wiederverwendbaren Kontext bauen: Einzelne Prompts in gemeinsame Projekte, Anleitungen und Beispiele überführen. Output: Priorisierte Workflow-Karte mit Verantwortlichen. 5. Kontrolliert einführen: Prüfregeln, Verantwortliche und einen 30-Tage-Plan festlegen. Output: Team-Anleitungspaket. Take-away artefacts: - Team-Anleitungspaket - Bearbeitete Beispiele aus realen Aufgaben - Qualitäts- und Prüfcheckliste - Priorisierte Workflow-Karte mit Verantwortlichen ## KI für HR: praktische Workflows mit menschlichem Urteil Canonical: https://aiworkshop.at/workshops/hr-training/ Markdown: https://aiworkshop.at/workshops/hr-training.md HR-Teams arbeiten konsistenter, während sensible Entscheidungen beim Menschen bleiben. Der Workshop wendet freigegebene KI-Tools auf Mitarbeitendenkommunikation, Richtlinien, Recruiting-Unterstützung, Onboarding, Lernen und Meeting-Follow-up an. Fairness, Datenschutz und Prüfung gehören zu jeder Übung. Audience: HR Business Partner, People Operations, Talent, Learning und HR-Führungsteams. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden, Kernworkshop plus optionales Follow-up. Delivery format: Vor Ort, online oder hybrid. Tools: - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Nützliche HR-Workflows mit geringem Risiko erkennen - Mitarbeitenden- und Richtlinienkommunikation verbessern - KI als Vorbereitungshilfe statt Entscheider einsetzen - Prüfregeln für Fairness und sensible Daten festlegen Syllabus: 1. HR-Arbeit abbilden: Wiederkehrende, aufwendige Aufgaben mit menschlicher Verantwortung priorisieren. Output: HR-Workflow-Karten. 2. Mitarbeitenden- und Richtlinienkommunikation: Klare Antworten, Zusammenfassungen und Führungshilfen aus freigegebenem Material erstellen. Output: Freigegebenes Anleitungspaket. 3. Recruiting und Onboarding unterstützen: Rollenbriefings, Interviewvorbereitung und Onboarding-Inhalte verbessern, ohne Entscheidungen zu delegieren. Output: Fairness- und Prüfcheckliste. 4. Lernen und Meeting-Follow-up: Lernpläne, Zusammenfassungen und prüfbare Aktionen erstellen. Output: Pilotkarte mit menschlicher Verantwortung. 5. Fairness, Datenschutz und Einführung: Datengrenzen, Prüffragen und verantwortungsvollen Pilot definieren. Output: HR-Workflow-Karten. Take-away artefacts: - HR-Workflow-Karten - Freigegebenes Anleitungspaket - Fairness- und Prüfcheckliste - Pilotkarte mit menschlicher Verantwortung ## KI für Entwickler: vom Issue zur geprüften Änderung Canonical: https://aiworkshop.at/workshops/ai-for-developers/ Markdown: https://aiworkshop.at/workshops/ai-for-developers.md Einen zuverlässigen KI-gestützten Entwicklungsworkflow vom Issue bis zur getesteten, geprüften Änderung etablieren. Entwickler üben, Coding-Tools passenden Repository-Kontext zu geben, Änderungen zu planen, generierte Arbeit zu prüfen, Tests auszuführen und Nachweise für Reviews zu hinterlassen. Es geht um Teamzuverlässigkeit, nicht schnelleres Tippen. Audience: Software Engineers, Technical Leads, Plattform- und Produktteams, die Coding-Assistenten oder Agenten einsetzen oder evaluieren. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden, Optionale Follow-up-Clinic · 60–90 Minuten. Delivery format: Vor Ort, online oder hybrid. Tools: - GitHub Copilot, Codex & coding agents: Vom Issue über Plan und Änderung bis zu Tests und Review in der freigegebenen Entwicklungsumgebung arbeiten. - Agent Design Canvas: Aufgabe, Quellen, Tools, Berechtigungen, Entscheidungen und menschliche Prüfpunkte vor dem Bau festlegen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Coding-Tools nützlichen Repository-Kontext geben - Vom Issue zu einem klaren Implementierungsplan gelangen - Tests und Review-Nachweise von Agentenarbeit verlangen - Teamgrenzen, Berechtigungen und Standards vereinbaren Syllabus: 1. Repository-Kontext vorbereiten: Anleitungen, Architekturhinweise und Grenzen erstellen. Output: Vorlage für Repository-Anleitungen. 2. Vom Issue zum Plan: Eine unklare Anfrage in einen prüfbaren Implementierungsplan überführen. Output: Agentenfähiger Entwicklungsworkflow. 3. Vom Plan zur Änderung: Fokussierte Änderungen vornehmen, Diffs prüfen und Kontrolle behalten. Output: Checkliste für Testnachweise. 4. Tests, Sicherheit und Review: Nachweise verlangen, Fehlerpfade testen und sicherheitskritische Änderungen untersuchen. Output: Teamstandard und Pilot-Backlog. 5. Teamstandard festlegen: Freigegebene Tools, Berechtigungen, Prüfregeln und Pilot-Backlog definieren. Output: Vorlage für Repository-Anleitungen. Take-away artefacts: - Vorlage für Repository-Anleitungen - Agentenfähiger Entwicklungsworkflow - Checkliste für Testnachweise - Teamstandard und Pilot-Backlog ## KI für Finance: schneller vorbereiten, Kontrolle behalten Canonical: https://aiworkshop.at/workshops/ai-for-finance/ Markdown: https://aiworkshop.at/workshops/ai-for-finance.md Wiederkehrende Finance-Arbeit leichter vorbereiten, erklären und prüfen, ohne die Kontrolle zu schwächen. Finance-Teams üben quellenbasierte Recherche, Abstimmungsunterstützung, Abweichungsanalyse, Szenarien und Management-Kommentare. Annahmen, Nachweise und Freigabe bleiben sichtbar. Audience: FP&A, Controlling, Accounting, Treasury, Finance Operations und Finance-Führungskräfte. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery format: Vor Ort, online oder hybrid. Tools: - Tabellen- und Daten-Tools: Tabellen untersuchen, Annahmen testen und geprüfte Zusammenfassungen mit nachvollziehbaren Quellen erstellen. - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. Outcomes: - KI zur Vorbereitung nutzen und Finance-Verantwortung behalten - Abweichungen mit sichtbaren Annahmen untersuchen - Management-Kommentare mit Evidenz verknüpfen - Einen geprüften Pilot für wiederkehrende Arbeit gestalten Syllabus: 1. Finance-Workflow auswählen: Wiederkehrende Arbeit mit klaren Eingaben, Kontrollen und Verantwortung identifizieren. Output: Finance-Workflow-Briefing. 2. Recherche und Quellenpfad: Aktuelle Briefings erstellen und Fakten von Interpretation trennen. Output: Quellen- und Annahmenpfad. 3. Abstimmung und Abweichung: Prüfungen, Fragen und Erklärungen strukturieren, ohne Zahlen automatisch freizugeben. Output: Checkliste für menschliche Prüfung. 4. Szenarien und Kommentare: Annahmen sichtbar machen und prägnante Management-Narrative entwerfen. Output: Reporting-Vorlage und Pilotplan. 5. Kontrollen und Pilot: Datengrenzen, Prüfschritte und kleinen kontrollierten Pilot festlegen. Output: Finance-Workflow-Briefing. Take-away artefacts: - Finance-Workflow-Briefing - Quellen- und Annahmenpfad - Checkliste für menschliche Prüfung - Reporting-Vorlage und Pilotplan ## KI für Legal: Vorbereitung beschleunigen, Urteil behalten Canonical: https://aiworkshop.at/workshops/ai-for-legal/ Markdown: https://aiworkshop.at/workshops/ai-for-legal.md Vorbereitung und Vergleich beschleunigen, während das rechtliche Urteil beim Fachmenschen bleibt. Legal-Teams üben Fallvorbereitung, Klauselvergleich, quellenbasierte Recherche und Entwurfsunterstützung. Vertraulichkeit, Prüfung und abschliessendes professionelles Review sind Teil jedes Workflows. Audience: Inhouse-Legal-Teams, Kanzleien, Vertragsfachleute, Compliance und Legal Operations. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery format: Vor Ort, online oder hybrid. Tools: - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. - Claude: Lange Dokumente prüfen, Alternativen vergleichen und strukturiert schreiben, sofern das Tool freigegeben ist. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Geeignete Legal-Aufgaben für KI-Unterstützung auswählen - Klauseln gegen ein freigegebenes Playbook vergleichen - Mit sichtbarem Quellen- und Datumsnachweis recherchieren - Grenzen für Vertraulichkeit und finale Prüfung festlegen Syllabus: 1. Legal-Aufgabe auswählen: Vorbereitung und Vergleich vom professionellen Urteil trennen. Output: Vorlage zur Fallvorbereitung. 2. Fall vorbereiten: Fakten, Fragen, Dokumente und fehlende Informationen strukturieren. Output: Playbook-basierter Vergleichsworkflow. 3. Klauseln vergleichen: Formulierungen gegen ein freigegebenes Playbook prüfen und Unterschiede markieren. Output: Recherche- und Zitatcheckliste. 4. Recherchieren und entwerfen: Aktuelle Quellen, Zitate und kontrollierte Entwurfsmuster nutzen. Output: Grenze für Vertraulichkeit und Review. 5. Vertraulichkeit und Prüfung: Datengrenzen, Prüffragen und sicheren Pilot-Workflow definieren. Output: Vorlage zur Fallvorbereitung. Take-away artefacts: - Vorlage zur Fallvorbereitung - Playbook-basierter Vergleichsworkflow - Recherche- und Zitatcheckliste - Grenze für Vertraulichkeit und Review Important: Dies ist eine professionelle Weiterbildung und keine Rechtsberatung. Ergebnisse müssen von qualifizierten Legal-Fachpersonen geprüft werden. ## KI für Marketing: vom Briefing zum geprüften Kampagnen-Workflow Canonical: https://aiworkshop.at/workshops/ai-for-marketing/ Markdown: https://aiworkshop.at/workshops/ai-for-marketing.md Aus getrennten Content-Experimenten wird ein zusammenhängender, prüfbarer Kampagnen-Workflow. Marketingteams üben Zielgruppenrecherche, Positionierung, Markenkontext, multimodale Erstellung, Lokalisierung, Search und AI Discovery, Freigabe und Performance-Lernen anhand einer verbundenen Kampagnenstory. Audience: Marketing-, Kommunikations-, Brand-, Content-, Growth- und Customer-Teams. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery format: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. - KI-Tools für visuelle Inhalte: Visuelle Konzepte entwickeln und verfeinern – mit klarer Marken-, Rechte- und Freigabeprüfung. Outcomes: - Aus Zielgruppenevidenz ein stärkeres Briefing erstellen - Tools nützlichen Markenkontext geben - Content kontrolliert erstellen und lokalisieren - Ein Kampagnenexperiment mit Lernwert gestalten Syllabus: 1. Zielgruppe und Positionierung: Recherche und Kundensprache in ein fokussiertes Briefing überführen. Output: Markenkontext-Paket. 2. Markenkontext: Anleitungen, Beispiele und Grenzen für Tools erstellen. Output: Search- und GEO-Content-Briefing. 3. Multimodale Erstellung: Text und visuelle Konzepte mit Rechte- und Freigabeprüfung entwickeln. Output: Lokalisierungs- und Freigabecheckliste. 4. Lokalisierung und AI Discovery: Botschaften für Menschen, Suche und Antwortsysteme ohne Keyword-Blöcke anpassen. Output: Kampagnen-Experimentplan. 5. Freigabe und Lernen: Review, Messung und ein sinnvolles Experiment festlegen. Output: Markenkontext-Paket. Take-away artefacts: - Markenkontext-Paket - Search- und GEO-Content-Briefing - Lokalisierungs- und Freigabecheckliste - Kampagnen-Experimentplan ## KI für Bildung und Lehre: Zeit sparen, Lernen besser gestalten Canonical: https://aiworkshop.at/workshops/ai-for-education/ Markdown: https://aiworkshop.at/workshops/ai-for-education.md Vorbereitungszeit sparen und zugleich Lernkonzept, Prüfung und Orientierung der Lernenden verbessern. Lehrpersonen üben Unterrichtsplanung, Differenzierung, Feedback und Prüfungsdesign. Akademische Integrität, KI-Kompetenz der Lernenden, Datenschutz und pädagogisches Urteil bleiben zentral. Audience: Lehrpersonen, Dozierende, Learning Designer, Fakultätsteams und Bildungsverantwortliche. Recommended format: Fokussierter Workshop · 4 Stunden. Alternatives: Kernworkshop · 4–6 Stunden. Delivery format: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - KI zur besseren Unterrichtsvorbereitung einsetzen - Material anpassen, ohne Lernziele zu verlieren - Prüfungen für eine KI-geprägte Umgebung neu gestalten - Klare Regeln für verantwortungsvolle Nutzung vermitteln Syllabus: 1. Lehraufgaben und Grenzen: Festlegen, wo KI unterstützt und wo pädagogisches Urteil entscheidend bleibt. Output: Vorlage für Unterrichtsplanung. 2. Unterricht gestalten und anpassen: Aktivitäten, Beispiele und zugängliche Varianten an Lernzielen ausrichten. Output: Neu gestaltete Prüfungsaufgabe. 3. Feedback und Prüfung: Feedback verbessern und Aufgaben gestalten, die Denken sichtbar machen. Output: KI-Leitfaden für Lernende. 4. Integrität und KI-Kompetenz: Transparente Erwartungen setzen und kritische Prüfung von KI vermitteln. Output: Datenschutz- und Prüfcheckliste. 5. Datenschutz und Fachworkflow: Datengrenzen definieren und einen passenden Workflow bauen. Output: Vorlage für Unterrichtsplanung. Take-away artefacts: - Vorlage für Unterrichtsplanung - Neu gestaltete Prüfungsaufgabe - KI-Leitfaden für Lernende - Datenschutz- und Prüfcheckliste ## Microsoft Copilot für Teams: nützliche Gewohnheiten und realistischer Adoptionsplan Canonical: https://aiworkshop.at/workshops/copilot/ Markdown: https://aiworkshop.at/workshops/copilot.md Teams nutzen die in ihrer Organisation verfügbaren Copilot-Funktionen mit klareren Erwartungen und sicheren Gewohnheiten. Der Workshop unterscheidet Copilot Chat vom lizenzierten Microsoft 365 Copilot und wendet verfügbare Funktionen auf Dokumente, Meetings, E-Mails und Geschäftsinformationen an. Berechtigungen, Quellenprüfung und Adoption kommen vor Automatisierung. Audience: Teams und Champions, die Microsoft Copilot in einer verwalteten Microsoft-365-Umgebung nutzen oder einführen. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden, Kernworkshop plus optionales Follow-up. Delivery format: Vor Ort, online oder hybrid. Tools: - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. - Unternehmenswissen und Workspaces: Gemeinsamen Kontext, freigegebenes Wissen und wiederholbare Arbeitsweisen in verwalteten KI-Workspaces organisieren. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Verstehen, welche Copilot-Erfahrung tatsächlich verfügbar ist - Copilot in freigegebener Microsoft-365-Arbeit nutzen - Quellen, Berechtigungen und Inhalte prüfen - Einen realistischen 90-Tage-Adoptionsplan erstellen Syllabus: 1. Copilot-Umgebung verstehen: Copilot Chat, Microsoft 365 Copilot und planabhängige Funktionen unterscheiden. Output: Copilot-Use-Case-Karte. 2. In Microsoft 365 arbeiten: Verfügbare Dokument-, Meeting-, E-Mail- und Informationsworkflows üben. Output: Rollenbasiertes Anleitungspaket. 3. Kontext, Quellen und Berechtigungen: Erkennen, wie Zugriff und Dokumentqualität Ergebnisse prägen. Output: Readiness- und Berechtigungscheckliste. 4. Vom Prompt zur Gewohnheit: Rollenbasierte Anleitungen und wiederverwendbare Beispiele erstellen. Output: Champion-Kit und 90-Tage-Plan. 5. Adoption und Messung: Use Cases, Champions, Unterstützung und 90-Tage-Plan priorisieren. Output: Copilot-Use-Case-Karte. Take-away artefacts: - Copilot-Use-Case-Karte - Rollenbasiertes Anleitungspaket - Readiness- und Berechtigungscheckliste - Champion-Kit und 90-Tage-Plan ## ChatGPT-Enterprise-Adoptionsworkshop Canonical: https://aiworkshop.at/workshops/chatgpt-enterprise/ Markdown: https://aiworkshop.at/workshops/chatgpt-enterprise.md Aus dem Zugang zu einem verwalteten ChatGPT-Workspace wird nützliche, geregelte Teampraxis. Teams entwickeln praktische Gewohnheiten für Projekte, Recherche, Datenarbeit, wiederverwendbare GPTs oder Agenten und freigegebenen Unternehmenskontext, wo verfügbar. Funktionen werden vorab gegen Plan, Region und Admin-Einstellungen geprüft. Audience: Organisationen, die einen verwalteten ChatGPT-Workspace für Business-Teams einführen oder die Adoption verbessern. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden, Kernworkshop plus optionales Follow-up. Delivery format: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Unternehmenswissen und Workspaces: Gemeinsamen Kontext, freigegebenes Wissen und wiederholbare Arbeitsweisen in verwalteten KI-Workspaces organisieren. - Agent Design Canvas: Aufgabe, Quellen, Tools, Berechtigungen, Entscheidungen und menschliche Prüfpunkte vor dem Bau festlegen. Outcomes: - Konsistente Workspace- und Projektgewohnheiten schaffen - Wiederholbare Recherche- und Datenworkflows gestalten - GPT- oder Agentenverhalten systematisch evaluieren - Praktische Governance- und Rollout-Entscheidungen treffen Syllabus: 1. Workspace-Gewohnheiten und Grenzen: Verfügbare Funktionen, Datenregeln und Teamerwartungen bestätigen. Output: Team-Workflow-Paket. 2. Projekte, Recherche und Daten: Kontext organisieren und quellenbasierte Recherche, Dokumente und Analyse üben. Output: Evaluationsbeispiele und Review-Set. 3. Wiederverwendbare GPTs und Agenten: Zweck, Anleitungen, Wissen, Tests und menschliche Kontrolle definieren. Output: Governance-Entscheidungslog. 4. Unternehmenskontext und Zugriff: Freigegebene Apps oder Company Knowledge prüfen, sofern planabhängig verfügbar. Output: Adoptions- und Rolloutplan. 5. Evaluation und Rollout: Testset, Verantwortungsentscheidungen und Adoptionsplan erstellen. Output: Team-Workflow-Paket. Take-away artefacts: - Team-Workflow-Paket - Evaluationsbeispiele und Review-Set - Governance-Entscheidungslog - Adoptions- und Rolloutplan