dozent.net
Projekt anfragen
Info

Lokale KI für Datenanalyse & Datenextraktion — Seminar für Entwicklung und IT

In zwei Tagen baust du eine Auswertung, die mit einem lokal betriebenen KI-Modell (künstliche Intelligenz) strukturierte Daten aus Fließtext gewinnt — aus Stellenanzeigen, Support-Anfragen, Kundenbewertungen oder Rechnungen. Die Dokumente verlassen dabei nie den eigenen Server. Du siehst nicht nur, wie es funktioniert, sondern auch, wie es schiefgeht und wie du das zuverlässig erkennst. Ein optionaler dritter Tag zeigt, wie aus einem langen Prompt ein kleines, schnelles Spezialmodell für genau deine Aufgabe wird.

Ablaufschema: Rohtext aus Anzeige, Ticket oder Bewertung fließt in eine lokale KI im eigenen Haus und wird zu strukturierten, geprüften Daten — ohne dass ein Dokument den eigenen Server verlässt. Rohtext aus Anzeige, Ticket oder Bewertung fließt in eine lokale KI im eigenen Haus und wird zu strukturierten, geprüften Daten. Rohtext Anzeige, Ticket, Bewertung Lokale KI im eigenen Haus Strukturiert + geprüft
Abbildung 1: Vom unstrukturierten Dokument zur geprüften, strukturierten Datenzeile — ohne dass ein einziges Dokument den eigenen Server verlässt.
Individuell anfragen

Keine Cloud-Abo-Bindung. Die Übungsskripte gibt es in PHP und in PowerShell, Python brauchst du nicht. Das Prinzip funktioniert mit jedem lokal betriebenen KI-Modell. Das Angebot richtet sich an Unternehmen, Behörden und öffentliche Einrichtungen, Vereine und Verbände sowie Selbstständige.

Für wen ist dieses Seminar

Für Entwicklerinnen und Entwickler sowie IT-Fachleute, die Textauswertungen für Fachabteilungen umsetzen, und für Analystinnen, Analysten und Power-User mit Skripterfahrung. Die Arbeitsteilung entspricht dem Alltag: Die Fachabteilung legt fest, welche Angaben sie braucht, liefert Beispieltexte und nimmt das Ergebnis ab. Die IT baut und betreibt die Auswertung. Beide Rollen kommen im Seminar vor, umgesetzt wird aus Sicht der IT.

Was du mitbringen solltest

Grundkenntnisse in einer Skriptsprache; die Übungen nutzen PHP und PowerShell. Ein sicherer Umgang mit Kommandozeile, Textdateien und JSON hilft. Vorkenntnisse mit KI brauchst du nicht.

Wer Ollama im Unternehmen für viele Nutzer betreiben, warten und mit eigenem Wissen erweitern will, ist bei „Lokale KI im Unternehmen betreiben" richtig. Wer KI als Coding-Assistent in der eigenen IDE nutzen möchte, findet das in „Programmieren mit lokaler KI". Wer die Extraktion in eine produktionsreife, anbieterunabhängige PHP-Architektur überführen will, findet die Vertiefung in „KI in PHP integrieren".

Detaillierte Inhalte

Der Lernweg in fünf Etappen: 1. Einrichten, 2. Extrahieren, 3. Messen, 4. Absichern, 5. Skalieren. Fünf Etappen: Einrichten, Extrahieren, Messen, Absichern, Skalieren. 1 Einrichten 2 Extrahieren 3 Messen 4 Absichern 5 Skalieren
Abbildung 2: Fünf aufeinander aufbauende Etappen — vom ersten Ollama-Setup bis zur Verarbeitung großer Textmengen.

Warum lokale KI?

  • Kostenmodell: Cloud-Anbieter rechnen nach Textmenge ab, nicht nach Anzahl der Anfragen
  • Datenschutz: sensible Dokumente verlassen nie den eigenen Server
  • Realistische Laufzeiten auf normaler Server-Hardware, mit und ohne Grafikkarte
  • Arbeitsteilung: Die Fachabteilung legt die Kriterien fest und nimmt ab, die IT baut die Auswertung

Eine lokale KI-Umgebung einrichten

  • Installation, Hardware-Prüfung und sichere Grundkonfiguration (nur lokal erreichbar)
  • Ressourcengrenzen für den Dauerbetrieb auf einem gemeinsam genutzten Server
  • Kontextfenster und Antwortlänge passend zur eigenen Dokumentgröße dimensionieren
  • Ollama aus PHP und PowerShell aufrufen

Modelle für die Extraktion auswählen

  • Allgemeine Modelle wie Qwen, Gemma und Mistral im Vergleich
  • Spezialmodelle für die Extraktion wie NuExtract
  • Komprimierte Modellvarianten: schneller, aber noch genau genug?

Aus Rohtext strukturierte Daten gewinnen

  • Ein festes Ausgabeformat vorgeben und zuverlässig auslesen
  • Regeln formulieren, die erfundene Angaben der KI (Halluzinationen) deutlich seltener machen
  • Eigenes Extraktionsskript für ein selbst gewähltes Datenfeld

Wirksamere Anweisungen formulieren

  • Warum eine Regel oft erst in der richtigen Formulierung greift, nicht nur inhaltlich
  • Warum bei bekannten Themen die Gefahr erfundener Angaben höher ist als bei unbekannten

Modelle fair vergleichen

  • Eine Bewertungsmethode jenseits von Bauchgefühl und Einzeltest
  • Trefferquote, gültige Ausgaben und Antwortzeit automatisch messen
  • Warum die Modellgröße nichts über Verlässlichkeit sagt
  • Gezielt schwierige Testfälle bauen: mehrdeutige oder dünne Quellen

Fehlerbilder zuverlässig einordnen

  • Abgebrochene, leere, erfundene und schwankende Antworten unterscheiden
  • Zwei unabhängige Sicherungen: bessere Formulierung und Prüfung im Nachgang

Massenverarbeitung

  • Hunderte Dokumente im Stapel verarbeiten und den Durchsatz erhöhen
  • Unsichere Ergebnisse automatisch zur Nachprüfung aussortieren
  • Ergebnisse als CSV oder in eine Datenbank übernehmen

Praxis: eigene Auswertung aufbauen

  • Stellenanzeigen, Support-Anfragen oder Kundenbewertungen strukturieren
  • Vom Rohtext bis zum geprüften, weiterverwendbaren Ergebnis

Optionaler dritter Tag: vom Prompt zum Spezialmodell

  • Wann sich ein eigenes Modell lohnt und wann ein besserer Prompt genügt
  • Trainingsdaten mit einem großen Lehrermodell erzeugen und automatisch prüfen
  • Ein kleines Modell mit QLoRA trainieren (Vorführung auf einem Rechner mit Grafikkarte)
  • Das neue Modell in Ollama einbinden und gegen das alte messen

Hinweis: Bei Inhouse-Seminaren passen wir Inhalte und Beispiele an deinen Wissensstand und deine echten Dokumente an. Die obige Gliederung ist der geplante Standard-Aufbau des offenen Seminars.

Was du danach kannst

  1. Eine lokale KI-Umgebung für Textauswertungen einrichten — installieren, absichern und an Dokumente und Hardware anpassen.
  2. Daten zuverlässig extrahieren — aus Fließtext strukturierte Daten gewinnen, mit Regeln, die erfundene Angaben deutlich seltener machen, und aus eigenen Skripten heraus.
  3. Modelle fair vergleichen — mit einer wiederholbaren Messung statt dem ersten Eindruck, auch zwischen komprimierten Varianten.
  4. Anweisungen gezielt verbessern — verstehen, warum zwei inhaltlich gleiche Regeln unterschiedlich wirken.
  5. Typische Fehlerbilder sofort einordnen — abgeschnittene, leere, erfundene oder schwankende Antworten als bekannte Ursache mit bekanntem Prüfschritt behandeln.
  6. Große Textmengen verarbeiten — im Stapel, mit Nachprüfung der unsicheren Fälle.
Vergleich: Bei blindem KI-Vertrauen fallen erfundene Zahlen nicht auf, abgeschnittene Antworten wirken wie Modellfehler, und jeder Cloud-Aufruf kostet. Bei geprüftem KI-Einsatz greifen Regeln gegen Erfindung, Fehlerbilder werden sofort erkannt, der Betrieb läuft lokal ohne laufende Kosten, und die Daten bleiben im Haus. Vergleich: bei blindem KI-Vertrauen fallen erfundene Zahlen nicht auf, abgeschnittene Antworten wirken wie Modellfehler, und jeder Cloud-Aufruf kostet. Bei geprüftem KI-Einsatz greifen Regeln gegen Erfindung, das Fehlerbild wird sofort erkannt, der Betrieb läuft lokal ohne laufende Kosten, und die Daten bleiben im Haus. KI blind vertrauen erfundene Zahlen fallen nicht auf abgeschnittene Antworten wirken wie Modellfehler jeder Cloud-Aufruf kostet KI geprüft einsetzen Regeln gegen Erfindung Fehlerbild sofort erkannt lokal, ohne laufende Kosten Daten bleiben im Haus
Abbildung 3: Der Unterschied liegt nicht im ersten Ergebnis, sondern darin, ob du es einordnen kannst.

Formate und Ablauf

Format Ablauf Passend wenn
Inhouse vor Ort Training am eigenen Server, mit deinen echten Dokumenten als Übungsmaterial du eigene, sensible Dokumente nicht als Beispiel nach außen geben willst
Remote / Online Gleicher Ablauf, per Video-Konferenz, mit bereitgestellter Übungsumgebung verteilte Teams oder keine Reisezeit gewünscht

Zwei Tage, optional ein dritter Tag. Übungsdateien und Skripte in PHP und PowerShell zum Mitnehmen.

Verwandte Seminare und Vertiefung

Den Betrieb einer lokalen KI-Plattform für das ganze Unternehmen — Auswahl von Modellen und Hardware, Komprimierung, Server, Wartung, RAG und MCP — behandelt „Lokale KI im Unternehmen betreiben". Wer KI als Coding-Assistenten in der eigenen IDE nutzen will, findet das in „Programmieren mit lokaler KI". Wer die Extraktionsmuster in eine produktionsreife, anbieterunabhängige PHP-Architektur überführen will, ist in „KI in PHP integrieren" richtig. Grundlagenwissen zu lokalen Modellen vertiefen die Artikel „Lokale KI im Unternehmen" und „Ollama und offene KI-Modelle".

Einen Vorgeschmack auf die Betriebsseite — Kontextfenster, Standzeiten, Ressourcenlimits, Fehlerbilder — gibt der Artikel Ollama im Dauerbetrieb: sieben Fehler, die wie Modellfehler aussehen.

Dein Dozent

Frank Glück schult seit mehr als 30 Jahren und programmiert seit 1986. Seit 1999 ist er auch als Dozent für die GFU tätig.

Individuell anfragen

Häufige Fragen (FAQ)

Wie lange dauert das Seminar?

Zwei Tage, als offenes Seminar oder inhouse. Ein optionaler dritter Tag zeigt, wie du ein eigenes Spezialmodell für deine Aufgabe trainierst.

Brauche ich Programmierkenntnisse?

Grundkenntnisse in einer Skriptsprache solltest du mitbringen. Die Übungen gibt es in PHP und in PowerShell; jedes Skript wird Schritt für Schritt erklärt. Python brauchst du nicht.

Wer gehört in dieses Seminar — die Fachabteilung oder die IT?

Die IT, die die Auswertung baut. Fachleute, die Kriterien festlegen und Ergebnisse abnehmen, profitieren ebenfalls, wenn sie Skripterfahrung mitbringen.

Ersetzt lokale KI eine Cloud-KI komplett?

Nicht zwangsläufig — aber für wiederkehrende, planbare Aufgaben mit sensiblen Daten ist sie oft die bessere Wahl. Wir ordnen im Seminar beide Welten realistisch ein.

Welche Hardware brauche ich?

Für den Einstieg genügt ein normaler aktueller Server oder eine leistungsfähige Workstation. Eine Grafikkarte ist nicht zwingend nötig; wir gehen auf realistische Laufzeiten mit und ohne Grafikkarte ein. Das Training am optionalen dritten Tag läuft auf einem Rechner des Dozenten.

Findet das Seminar in Präsenz oder online statt?

Beides ist möglich, wahlweise als offenes Seminar oder als Inhouse-Schulung.

Können wir das Seminar inhouse für unser Team buchen?

Ja. Bei Inhouse-Seminaren passen wir Inhalte, Tempo und Beispiele an deinen Wissensstand und deine echten Dokumente an.

Wie viele Teilnehmer sind möglich?

Die Teilnehmerzahl stimmen wir bei der Anfrage mit dir ab.

Was kostet die Teilnahme?

Der Preis richtet sich nach Format, Umfang und Teilnehmerzahl — gerne auf Anfrage. Das Angebot richtet sich ausschließlich an Unternehmen, Behörden und öffentliche Einrichtungen, Vereine und Verbände sowie Selbstständige.

Individuell anfragen

Nach deiner Anfrage melden wir uns mit einem passenden Termin- oder Inhouse-Vorschlag und klären offene Fragen zu Format und Beispielen direkt mit dir.

Unsere Seminare richten sich an Unternehmen, Behörden und öffentliche Einrichtungen, Vereine und Verbände sowie Selbstständige. Es gelten unsere AGB.

Individuell anfragen