Hochschule München

HM Business School (FK 10)

Modulbeschreibung

Stand: SoSe 2026

Name	KI-Agenten im Prozessmanagement
Katalog-Nummer	FK 10#MBAMBS#M13.1
Zugehörigkeit zu Curriculum	MBA Management & Business Strategy \| M13 \| 5 Leistungspunkte
Modulverantwortung	Manja Noeldner LB Olivia Frank Prof. Dr. Steffen Steinicke
Lehrende	LB Olivia Frank
Prüfung(en)	Prüfungsform: ModA Detailangaben: Modularbeit: Entwicklung und Dokumentation eines KI-Agenten-Prototyps für einen realen Geschäftsprozess Hildsmittel: Prüfende: LB Olivia Frank , Prof. Dr. Steffen Steinicke
Lehr- und Lernform(en)	Lehrveranstaltung \| 4 SWS \| SU - 1 Angebot(e)
Arbeitsaufwand	Präsenzzeit: 0 Stunden Selbststudium, Vor- und Nachbereitung, Prüfungsvorbereitung: 0 Stunden
Voraussetzungen
Verwendbarkeit
Inhalt / Lernziele	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).