grapevine | Modulbeschreibung

KI-Agenten im Prozessmanagement

Angaben gemäß SPO

Zugehörigkeit zu Curriculum

MSM | M13 | 5 Leistungspunkte

Modulverantwortung

Manja Noeldner

LB Olivia Frank

Prof. Dr. Steffen Steinicke

Prüfungsformen

ModA

Lehr- und Lernformen

Lehrveranstaltung | SU | 4 SWS

Lehrangebote SoSe 2026

Lehrveranstaltung | SU | 4 SWS

Praxisprojekt 1 - KI-Agenten im Prozessmanagement (M 13.1) MSM:MBS 10MSM:MBS 11

Prüfungsangebote SoSe 2026

Status: vorläufig - kann sich jederzeit noch ändern

Erstprüfer:in

LB Olivia Frank

Zweitprüfer:in

Prof. Dr. Steffen Steinicke

Prüfungsform

ModA

Details zur Prüfung

Modularbeit:

Entwicklung und Dokumentation eines KI-Agenten-Prototyps für einen realen Geschäftsprozess

Aufgabenausgabe: 17.04.26

Ergebnispräsentation: in der Exkursionswoche 01. - 05.06.26

Hilfsmittel

In Absprache mit der Dozentin.

Voraussetzungen und Verwendbarkeit

Voraussetzungen für die Teilnahme

Verwendbarkeit

Inhalte und Qualifikationsziele

Status: vorläufig - kann sich jederzeit noch ändern

Lernziele / Kompetenzen:

Nach Absolvierung des Moduls sind die Studierenden in der Lage, ...

Fachkompetenz:

die Architektur von KI-Agenten (Reasoning, Planning, tool-usage) von einfachen Chat-Anwendungen abzugrenzen.
komplexe Prozessketten aus dem operativen Management (M1) in agentenbasierte Automatisierungslogiken zu übersetzen.

Methodenkompetenz:

die Kennenlernen einer Low-Code-Plattform zur Orchestrierung von Multi-Agenten-Systemen (Basiswissen)
Schnittstelle (APIs) zwischen verschiedenen KI-Modellen und Business-Tools zu skizzieren.

Selbstkompetenz:

Selbständigkeit: eigenverantwortliches Lernen und Forschen zu aktuellen Entwicklungen im Bereich der KI.
Kritisches Denken: Fähigkeit, die Auswirkungen von KI-Technologien auf Gesellschaft und Unternehmen kritisch zu reflektieren.
Anpassungsfähigkeit: Entwicklung von Flexibilität im Umgang mit neuen Technologien und sich verändernden Arbeitsbedingungen.

Sozialkompetenz:

Kommunikationsfähigkeit: Entwicklung der Fähigkeit, komplexe technische Konzepte klar und verständlich zu entwerfen.
Teamarbeit: In Projektteams komplexe Automatisierungslösungen zu entwickeln und deren strategischen Nutzen vor Entscheidern zu präsentieren.

Inhalte:

Zur Erlangung der o.g. Kompetenzen werden u.a. folgende Inhalte vermittelt:

1. Vom statischen Prozess zum autonomen Agenten:

Identifikation von "Agentic Use-Cases" in bestehenden Prozesslandkarten.
Design von Feedback-Loops und Entscheidungsknoten für KI-Agenten.

2. Basiswissen über Technische Orchestrierung:

Nodes, Trigger und Workflow-Design für fortgeschrittene Automatisierung.
Einbindung von LLMs als "Gehirn" des Prozesses (Advanced Prompting & Tool-Usage)

3. Multi-Agent-Systeme & Memory:

Einführung in die Zusammenarbeit verschiedener Agenten (z.B. Researcher-Agent & Analyst-Agent)
Konzeptuelle Implementierung von Langzeitgedächtnis und Kontextsteuerung in Workflows.

4. Praxis-Transfer & Exkursion:

Vor-Ort-Besuche bei Unternehmen, Gremien und Innovationshubs.
Für Fortgeschrittene: Skizzierung und Bau eines Agenten.

Lehr- und Lernmethoden:

Zur Erlangung der o.g. Kompetenzen werden z.B. folgende Lehr- und Lernmethoden angewendet:

Präsenz- und Online-Trainings in interaktiven Lernformaten wie z.B. Blended oder Scenario-Based-Learning, Flipped Classroom.
Seminaristischer Unterricht: Grundlagen und Vertiefung spezifischer Themen der Agenten-Architektur und deren Management-Relevanz.
Selbststudium: Anwendung und Software / Tool-Training.
Praktische Workshops: Hand-on-Übungen mit modernen Ki-Tools zur Konfiguration und Vernetzung von Arbeitsabläufen.
Übungen: Anwendungen von KI-Lösungen auf reale Probleme und Fallstudien aus dem Management-Alltag.
Diskussionen: Reflexion über die ethischen und gesellschaftlichen Implikationen autonom agierender KI-Systeme in Unternehmen.

Stellenwert der Note in der Endnote des Master (Masterzeugnis):

5 / 90

Literatur:

n8n-Documentation: Advanced Workflows and AI-Nodes.
Westermann, G. et al. (2014): Leading Digital; Turning Technology into Business Transformation.
Aktuelle Whitepaper zu Generativ AI-Workflows (z.B. von McKinsey oder Gartner).
Ergänzend zur Literatur des Basis-Moduls (Russell & Norvig, 2020).

KI-Agenten im Prozessmanagement

Angaben gemäß SPO

Lehrangebote SoSe 2026

Prüfungsangebote SoSe 2026

Status: vorläufig - kann sich jederzeit noch ändern

Voraussetzungen und Verwendbarkeit

Inhalte und Qualifikationsziele

Status: vorläufig - kann sich jederzeit noch ändern

Lernziele / Kompetenzen:

Fachkompetenz:

Methodenkompetenz:

Selbstkompetenz:

Sozialkompetenz:

Inhalte:

1. Vom statischen Prozess zum autonomen Agenten:

2. Basiswissen über Technische Orchestrierung:

3. Multi-Agent-Systeme & Memory:

4. Praxis-Transfer & Exkursion:

Lehr- und Lernmethoden:

Stellenwert der Note in der Endnote des Master (Masterzeugnis):

Literatur:

HMster Grapevine