Zum Hauptinhalt springen

Vollständiger Lernkurs

Business Analyst + AI

Requirements, Prozessanalyse und AI-Use-Case-Discovery

Ein Lernpfad für Business Analysts zu Anforderungen, Dokumenten, Prozessen, Gap Analysis, AI-Use-Cases, Risiken und Qualitätsprüfung von Ergebnissen.

0%0/10 Lektionen

Der Fortschritt wird lokal in deinem Browser gespeichert.

7–12 Wochen3 Module10 Lektionen5 Assessments

Modul 1

Gemeinsamer AI-Kern

Modellgrenzen, Structured Outputs und Verifikation für evidenzbasierte Analysen.

ErgebnisDer Analyst nutzt AI, ohne Evidenz durch Annahmen zu ersetzen.

  1. AI-Grundverständnis und Modellgrenzen

    Kern

    Fähigkeiten, Halluzinationen, Kontextgrenzen, Datenschutz und verantwortungsvolle Nutzung.

    Material →

  2. Prompt- und Context Engineering

    Kern

    Anweisungen, Beispiele, Constraints, Kontext und Prüfung der Ergebnisse.

    Voraussetzungen: AI-Grundverständnis und Modellgrenzen

    Material →

  3. Structured Outputs und Evaluation

    Kern

    Antwortschemata, deterministische Checks, Testfälle und Akzeptanzkriterien.

    Voraussetzungen: Prompt- und Context Engineering

    Material →Ressource →

Modul 2

AI-gestützte Analyse-Workflows

Anforderungen, Dokumente, Prozesse, Widersprüche und Traceability.

ErgebnisDer Analyst strukturiert Ausgangsmaterial schneller und bewahrt dabei Traceability und Evidenzgrenzen.

  1. Anforderungen und User Stories mit AI

    Kern

    Entwurf, Erkennung von Mehrdeutigkeiten, Akzeptanzkriterien und Traceability.

    Material →

  2. Dokumentenanalyse und Gap-Erkennung

    Kern

    Versionen vergleichen, Konflikte sichtbar machen, fehlende Regeln erkennen und Evidenz sichern.

    Material →

  3. Prozessmapping und Automatisierungskandidaten

    EmpfohlenPraxis + Assessment

    Ist-/Soll-Prozesse, Engpässe, Kontrollen und AI-Chancen.

    Material →Praxis →Assessment →

  4. Projekt: AI-gestütztes Requirements-Audit

    ProjektPraxis + Assessment

    Anforderungspaket mit Traceability, Lücken, Risiken und Akzeptanzkriterien erstellen.

    Voraussetzungen: Anforderungen und User Stories mit AI, Dokumentenanalyse und Gap-Erkennung

    Material →Praxis →Assessment →

Modul 3

AI-Use-Case-Discovery

Wert, Machbarkeit, Risiko, Kontrollen und ROI für AI-Initiativen.

ErgebnisJeder Use Case hat eine explizite Nutzenhypothese, Datenreife, Risiken, Kontrollen und Erfolgskriterien.

  1. Bewertung von AI-Use-Cases

    KernPraxis + Assessment

    Wert, Häufigkeit, Datenreife, Risiko und Automatisierungspotenzial bewerten.

    Material →Praxis →Assessment →

  2. ROI, Risiko und Kontrollen

    KernPraxis + Assessment

    Kosten, Human Review, Datenschutz, Fehlerauswirkungen und Monitoring-Anforderungen.

    Material →Praxis →Assessment →

  3. Milestone: validierter AI-Business-Case

    MeilensteinPraxis + Assessment

    Ein priorisierter Use Case mit Anforderungen, Risiken, Kontrollen und messbaren Erfolgsmetriken.

    Voraussetzungen: Bewertung von AI-Use-Cases, ROI, Risiko und Kontrollen

    Material →Praxis →Assessment →

Abschlusspraxis und Assessment

Der Kurs endet mit einem praktischen Artefakt und einer Abnahmerubrik. Das Ergebnis gilt erst nach erfüllten Akzeptanzkriterien als abgeschlossen, nicht bloß nach dem Lesen der Materialien.

Prozessmapping und Automatisierungskandidaten →Projekt: AI-gestütztes Requirements-Audit →Bewertung von AI-Use-Cases →ROI, Risiko und Kontrollen →Milestone: validierter AI-Business-Case →Roadmap öffnen →