Fachliche KompetenzGrundlagen der Informationstechnologie (IT)
- Hardwarekenntnisse: Verständnis der Funktionalitäten und Zusammenhänge von IT-Hardware
- Betriebssysteme: Beherrschung der wichtigsten Betriebssysteme wie Windows, Linux, UNIX und macOS
- Softwareentwicklung: Kenntnis mehrerer Programmiersprachen (Python, Java, C#, C++, P, TP) sowie der gängigen Entwicklungsumgebungen (IDEs) und Entwicklungsframeworks
- Datenbanken: Umfassende Kenntnisse in der Datenbanktheorie sowie praktische Fähigkeiten in der Verwaltung relationaler und nicht-relationaler Datenbanken
- Netzwerke: Tiefes Verständnis von Netzwerktopologien, Protokollen (z.B. TCP/IP, DNS, DHCP), Netzwerkhardware (z.B. Router, Switches) und Netzwerkdiensten
- IT-Sicherheit: Expertise in Sicherheitsprotokollen, Verschlüsselungstechniken, Firewall-Konfigurationen, Sicherheitsstrategien und Incident Response
- Cloud Computing: Fundiertes Wissen über Cloud-Technologien und -Plattformen wie AWS, Microsoft Azure und Google Cloud, einschließlich ihrer Anwendung und Verwaltung
- Virtualisierung: Erfahrung mit Virtualisierungstechnologien wie VMware, Hyper-V und VirtualBox zur effizienten Ressourcennutzung
- IT-Servicemanagement: Kenntnisse in ITIL-Prozessen, Service-Level-Agreements (SLAs) und Incident-Management
- Softwarearchitektur: Verstehen der Softwarearchitektur, Entwurfsmuster und der Entwicklung von skalierbaren, wartbaren Anwendungen
- Projektmanagement: Praktische Erfahrung mit verschiedenen Projektmanagementmethoden und deren Anwendung in IT-Projekten
- IT-Recht und Datenschutz: Vertrautheit mit rechtlichen Aspekten der IT, einschließlich Datenschutzgesetzen, Urheberrecht und Lizenzierung
Didaktische Kompetenz- Curriculum- und Lehrplanentwicklung
- Curriculumgestaltung: Fähigkeit, Lernziele zu definieren, die auf den Lernfeldern der IT-Berufe basieren, und didaktisch sinnvolle Unterrichtspläne zu erstellen
- Lernmaterialien entwickeln: Erstellung von Lehrmaterialien, die den Anforderungen der Lernfelder entsprechen, einschließlich Skripten, Präsentationen, Übungsaufgaben und Fallstudien
- Vermittlungsmethoden
- Lernmethoden: Beherrschung und Anwendung verschiedener Unterrichtsmethoden wie Frontalunterricht, Gruppenarbeit, Projektarbeit, Flipped Classroom und E-Learning
- Praxisorientierter Unterricht: Integration von realitätsnahen Fallstudien, Projekten und Übungen, um den Praxisbezug herzustellen und den Lernstoff anschaulich zu vermitteln
- Visualisierungstechniken: Einsatz von Grafiken, Diagrammen und Präsentationstools, um komplexe Sachverhalte verständlich zu machen
- Lernstandserhebung und Feedback
- Lernzielkontrollen: Entwicklung und Durchführung von Prüfungen, Tests und Quizzen zur Überprüfung des Wissensstandes der Schüler
- Feedback geben: Fähigkeit, konstruktives Feedback zu geben, das den Lernprozess fördert und den Schülern hilft, ihre Schwächen zu erkennen und daran zu arbeiten
- Differenzierung und Individualisierung
- Förderung unterschiedlicher Lernniveaus: Anpassung der Unterrichtsinhalte und -methoden an die unterschiedlichen Wissensstände und Lernbedürfnisse der Schüler
- Inklusion: Integration von Schülern mit unterschiedlichen Lernvoraussetzungen, einschließlich der Berücksichtigung von Förderbedarfen
Vermittlungsfähigkeiten- Erklärungsfähigkeit: Fähigkeit, komplexe technische Konzepte klar, präzise und verständlich zu vermitteln
- Diskussionsführung: Moderation und Steuerung von Diskussionen im Unterricht, um einen Austausch von Ideen und Meinungen zu fördern
- Beratungskompetenz: Fähigkeit, Schülern bei Fragen und Problemen beratend zur Seite zu stehen, sei es fachlich oder bezüglich der Karriereplanung
- Konfliktmanagement: Umgang mit Konflikten im Klassenzimmer
Technologische Kompetenz- Nutzung von Unterrichtstechnologien
- Lernmanagementsysteme (LMS): Beherrschung von LMS-Plattformen zur Organisation und Durchführung von Online-Unterricht
- Präsentationstools: Versierter Einsatz von Präsentationstools wie Canva, PowerPoint, Google Slides und Prezi, um den Unterricht visuell zu unterstützen
- Interaktive Medien: Einsatz von interaktiven Whiteboards, Tablets und anderer digitaler Werkzeuge zur Förderung des interaktiven Lernens
- Entwicklung von E-Learning-Inhalten
- E-Learning-Design: Erstellung von Online-Lernmaterialien, Videos, Podcasts, interaktiven Quizzen und Simulationen, um den Unterricht auch digital zugänglich zu machen
- Digitale Kommunikation: Nutzung von Kommunikationsplattformen wie Zoom, Microsoft Teams oder Slack, um den Austausch mit Schülern und Kollegen zu erleichtern
- Software-Entwicklungstools
- Entwicklungsumgebungen: Kenntnisse in der Nutzung von Entwicklungsumgebungen und Versionskontrollsystemen
- Automatisierung: Fähigkeit, Automatisierungstools und -skripte zu erstellen, um wiederkehrende Aufgaben zu optimieren und die Effizienz im Unterricht zu steigern
Soziale und organisatorische Kompetenz- Zeit- und Selbstmanagement, Teamarbeit
- Zeitmanagement: Effiziente Planung des Unterrichts und der Unterrichtsziele, um sicherzustellen, dass alle Lerninhalte innerhalb des vorgegebenen Zeitrahmens abgedeckt werden
- Selbstorganisation: Organisation von Vorbereitungsarbeiten, Verwaltung von Unterrichtsmaterialien und Koordination von Projekten
- Kooperative Lernprojekte: Förderung und Betreuung von Projekten, die in Gruppenarbeit realisiert werden, um die Teamfähigkeit der Schüler zu stärken
- Inklusion und Diversity Management
- Diversity-Kompetenz: Sensibilität und Kompetenzen im Umgang mit einer vielfältigen Schülerschaft, einschließlich kultureller, sozialer und genderbasierter Unterschiede
- Inklusion: Entwickeln und Umsetzen von Strategien, um Schüler mit unterschiedlichen Fähigkeiten und Bedürfnissen gleichberechtigt in den Unterricht einzubinden
Praxisnahe Erfahrung- Projektarbeit: Integration praxisnaher Projekte, die den Anforderungen der IT-Branche entsprechen, um die Schüler optimal auf die Arbeitswelt vorzubereiten
- Fallstudien: Entwicklung und Einsatz von Fallstudien aus der IT-Praxis, um komplexe Probleme und deren Lösungen zu vermitteln
EXPERTISE- KÜNSTLICHE INTELLIGENZ
- XAI & Hybride KI
- Agentensysteme
- Ethik & Governance
- Klassifikation & Clustering
- Modell-Optimierung
- DEEP LEARNING
- Neuronale Netze
- Natural Language Processing
- Computer Vision
- Generative Modelle
- MACHINE LEARNING
- Klassifikation & Clustering
- Reinforcement Learning
- Modell-Optimierung
- PROGRAMMIERUNG & INFRASTRUKTUR
- Python, PyTorch, C++
- Cloud & Edge AI
- Big Data & Kubernetes
Kompetenzprofil ? Informatik & Künstliche Intelligenz- Künstliche Intelligenz (KI)
- Architektur und Design komplexer KI-Systeme
- Symbolische KI, wissensbasierte Systeme, Ontologien
- Hybride KI-Ansätze (symbolisch + datengetrieben)
- Explainable AI (XAI), Modellinterpretierbarkeit
- Ethik, Fairness, DSGVO & AI Governance
- Autonome und agentenbasierte Systeme
- Machine Learning (ML)
- Überwachtes & unüberwachtes Lernen
- Ensemble-Methoden (Random Forest, XGBoost, LightGBM)
- Feature Engineering & Modelloptimierung
- Reinforcement Learning (Q-Learning, Policy Gradients)
- MLOps: Deployment, Monitoring, Drift Detection
- Deep Learning (DL)
- Neuronale Netze, Backpropagation, Regularisierung
- CNNs, RNNs, LSTM, GRU
- Transformer-Architekturen & Attention-Modelle
- NLP, Computer Vision, generative Modelle (GANs, Diffusion)
- Skalierung mit GPU/TPU & verteiltem Training
- Technologien & Frameworks
- Python (Expertenniveau), C/C++
- PyTorch, TensorFlow, Keras, scikit-learn
- Big Data: Spark, verteilte Datenpipelines
- Cloud & Container: Docker, Kubernetes
- Wissenschaft & Methodik
- Lineare Algebra, Statistik, Optimierung
- Experimentdesign & Reproduzierbarkeit
- Analyse wissenschaftlicher Publikationen
- Lehre, Mentoring & Wissenstransfer
Meine Skills als IT-Dozent für AWS Machine Learning & KIIch befähige Menschen und Teams, das Potenzial von Machine Learning und KI mit AWS zu verstehen, anzuwenden und echten Mehrwert zu schaffen.
- ML & KI FUNDAMENT
- Solides Verständnis der ML-Grundlagen und KI-Konzepte
- Supervised, Unsupervised & Reinforcement Learning
- Modellbewertung, Overfitting, Bias & Variance
- Feature Engineering & Datenverarbeitung
- Algorithmen: Regression, Klassifikation, Clustering, Zeitreihen
- Starke Fähigkeit, komplexe Konzepte verständlich zu erklären
- AWS ML & KI SERVICES
- Amazon SageMaker (Studio, Training, Tuning, Pipelines, Deployment, Monitoring, Model Registry)
- KI-Services: Comprehend, Rekognition, Textract, Lex, Personalize, Forecast, Kendra, Bedrock
- Daten & Infrastruktur: S3, IAM, VPC, CloudWatch
- Integration und Kombination von Services für End-to-End-Lösungen
- Praxisnahe Architekturen und Best Practices
- DATENKOMPETENZ
- Datenaufbereitung, -bereinigung & Transformation
- Explorative Datenanalyse & Visualisierung
- Arbeiten mit strukturierten & unstrukturierten Daten
- Tools: Python (Pandas, NumPy), SQL, Jupyter
- Datenqualität, Governance & Labeling (SageMaker Ground Truth)
- Vermittlung: Daten sind die Basis jedes erfolgreichen ML-Projekts
- MLOPS & DEPLOYMENT
- Modellbereitstellung mit SageMaker Endpoints (real-time & batch)
- Modellüberwachung, Drift Detection, Alerts
- CI/CD für ML mit SageMaker Pipelines
- Versionierung, Model Registry & Reproduzierbarkeit
- Skalierung, Performance-Optimierung
- Vermittlung von MLOps-Prinzipien für produktionsreife Lösungen
- GENERATIVE KI & LLMs
- Large Language Models (LLMs) verstehen und einsetzen
- Prompt Engineering & Best Practices
- AWS Bedrock: Foundation Models sicher nutzen
- Use Cases: Chatbots, Textgenerierung, Zusammenfassung, Code-Assistenz
- Integration von Generative KI in Unternehmensprozesse
- Zukunftsorientierte Vermittlung aktueller Trends
- DIDAKTIK & TRAINING EXPERTISE
- Strukturierte, praxisnahe und motivierende Wissensvermittlung
- Entwicklung von Trainings, Workshops und Hands-on Labs
- Anpassung an unterschiedliche Lernniveaus
- Vermittlung komplexer Themen mit klaren Beispielen
- Förderung von Praxisbezug und Problemlösungskompetenz
- ARCHITEKTUR & SYSTEMDENKEN
- Entwurf von skalierbaren, sicheren und kosteneffizienten ML-Architekturen
- Verständnis von Datenflüssen, Komponenten und Abhängigkeiten
- Bewertung von Trade-offs (Kosten, Performance, Sicherheit, Einfachheit)
- End-to-End-Perspektive: vom Use Case bis zum Betrieb
- Fähigkeit, technische und fachliche Perspektiven zu verbinden
- SICHERHEIT, ETHIK & COMPLIANCE
- Datenschutz & DSGVO-konforme Lösungen
- Sicherheit in der AWS Cloud (IAM, KMS, VPC, Verschlüsselung)
- Bias, Fairness & Transparenz bei KI-Modellen
- Responsible AI & ethische Grundlagen
- Sensibilisierung für Risiken und verantwortungsvollen Einsatz von KI
- KOSTEN- & BUSINESS-VERSTÄNDNIS
- Verständnis des AWS Kostenmodells für ML & KI Services
- Kostenoptimierung & effiziente Ressourcennutzung
- Bewertung von Business Value & ROI
- Entwicklung und Bewertung von Use Cases
- Verbindung von Technologie mit Geschäftsnutzen
- SOFT SKILLS
- Ausgezeichnete Kommunikationsfähigkeiten
- Empathie, Geduld & Motivation
- Praxisorientiertes Coaching & Mentoring
- Problemlösungsorientiertes Denken
- Begeisterung für Technologie und Menschen