Wie wir euch IoT und KI beibringen
2023 haben wir mit drei Pilotklassen begonnen und dabei gelernt, was funktioniert und was nicht. Heute nutzen wir diese Erfahrungen, um euch einen strukturierten Weg durch komplexe Themen zu bieten.
Unsere Kernmethoden
Diese vier Ansätze bilden das Fundament unserer Kurse. Jeder einzelne hat sich in der Praxis bewährt, weil er auf realen Herausforderungen basiert.
Projekte statt Theorie
Ihr baut von Anfang an funktionierende Systeme. Keine abstrakten Übungen, sondern echte Anwendungen, die ihr später im Portfolio zeigen könnt. Ein Teilnehmer aus München hat seinen ersten Sensor-Node innerhalb der ersten drei Wochen zum Laufen gebracht.
Kleine Lerngruppen
Maximal 15 Teilnehmer pro Kurs bedeuten, dass jeder gesehen wird. Wenn ihr bei TensorFlow nicht weiterkommt oder euer MQTT-Broker streikt, bekommt ihr direkte Hilfe statt in Foren nach Antworten zu suchen.
Flexible Lerngeschwindigkeit
Die Inhalte bleiben sechs Monate verfügbar. Manche schaffen den IoT-Grundkurs in vier Wochen, andere brauchen drei Monate – beides ist völlig in Ordnung. Wichtig ist, dass ihr versteht, wie die Technologie funktioniert.
Aufgezeichnete Sessions
Alle Live-Sessions werden aufgezeichnet. Wenn ihr eine Erklärung zu Neural Networks noch einmal sehen wollt oder beim ersten Mal etwas nicht mitbekommen habt – einfach zurückspulen und in eurem Tempo durchgehen.
Code-Reviews
Euer Code wird regelmäßig durchgesehen – nicht bewertet, sondern besprochen. Ihr lernt, wie man effizienter programmiert, Fehler vermeidet und Code schreibt, den andere verstehen können. Das macht später im Job den Unterschied.
Community-Zugang
Nach dem Kurs bleibt der Zugang zur Community bestehen. Viele Teilnehmer tauschen sich noch Monate später aus, helfen sich gegenseitig und teilen neue Projekte. Das Netzwerk wächst mit jedem Kurs weiter.
Wie ein typischer Kurs abläuft
Grundlagen aufbauen
Die ersten zwei Wochen konzentrieren sich auf das Fundament. Bei IoT bedeutet das: Sensoren auslesen, Daten übertragen, erste Programme schreiben. Bei KI: Datensätze verstehen, erste Modelle trainieren, Ergebnisse interpretieren. Ihr bekommt Starter-Code und arbeitet euch Schritt für Schritt vor.
Eigenes Projekt starten
Nach den Grundlagen definiert ihr ein eigenes Projekt. Das kann ein Smart-Home-System sein, ein Bilderkennungs-Tool oder etwas ganz anderes. Die Idee muss nicht spektakulär sein – wichtig ist, dass ihr sie selbst umsetzen könnt und dabei die erlernten Konzepte anwendet.
Probleme lösen lernen
Hier wird es real. Euer Code funktioniert nicht wie erwartet, das Modell liefert seltsame Ergebnisse, die Hardware reagiert nicht. Genau das ist der Punkt, an dem echtes Lernen stattfindet. Ihr bekommt Unterstützung, aber ihr löst die Probleme selbst – mit Hilfe, nicht durch fertige Lösungen.
Projekt fertigstellen
Am Ende steht ein funktionierendes System. Es muss nicht perfekt sein, aber es soll laufen. Ihr dokumentiert, was ihr gebaut habt, welche Probleme aufgetaucht sind und wie ihr sie gelöst habt. Diese Dokumentation wird später wichtig, wenn ihr das Projekt zeigen wollt.