Seminar TeamViewer DEX Intelligence – Intelligent Insights und Intelligent Sentiment

DEX Intelligence kombiniert Edge- und Cloud-KI für Mustererkennung, Ursachenanalyse, Empfehlungen und vorausschauende Bewertung von Benutzerfriktion. Das Seminar vermittelt den kontrollierten Einsatz von Intelligent Insights und Intelligent Sentiment einschließlich Validierung und Governance.

Inhaltsverzeichnis

1. Zielsetzung
2. Zielgruppe
3. Voraussetzungen
4. Modul 1: KI-Funktionsmodell in DEX
5. Modul 2: Intelligent Insights
6. Modul 3: Ursachenanalyse und Evidenz
7. Modul 4: Empfehlungen und Remediation
8. Modul 5: Intelligent Sentiment
9. Modul 6: Governance und Datenschutz
10. Modul 7: Wirksamkeitsmessung
11. Praktische Übungen
12. Lernziele

Zielsetzung

Zweitägige TeamViewer-DEX-Schulung zu DEX Intelligence mit Intelligent Insights, Intelligent Sentiment, prädiktiver und kausaler Analyse, Empfehlungen, Remediation, digitalem Zwilling, Validierung, Datenschutz und KI-Governance.

Zielgruppe

DEX Analytics, Service Management, Workplace Engineering, Plattformbetrieb, Data- und AI-Governance sowie IT-Management.

Voraussetzungen

Grundkenntnisse in Experience Analytics, Endpoint-Betrieb und datenbasierter Ursachenanalyse.

Modul 1: KI-Funktionsmodell in DEX

1. Schritt 1.1: Edge-Analyse, Cloud-Analyse und klassische Regeln voneinander abgrenzen.
2. Schritt 1.2: Prädiktive, kausale und generative Verfahren nach ihrer Aussageart unterscheiden.
3. Schritt 1.3: Entscheidungen definieren, die weiterhin menschliche Prüfung erfordern.

Modul 2: Intelligent Insights

1. Schritt 2.1: Trends, Anomalien und betroffene Kohorten in einem Insight erfassen.
2. Schritt 2.2: Reichweite, zeitliche Entwicklung und vermutete Ursache getrennt bewerten.
3. Schritt 2.3: Relevanz für Service Desk, Endpoint Engineering und Management ableiten.

Modul 3: Ursachenanalyse und Evidenz

1. Schritt 3.1: Korrelation, zeitliche Reihenfolge und plausible Ursache unterscheiden.
2. Schritt 3.2: Zusätzliche Daten aus Experience Analytics und Endpoint Troubleshooting zur Bestätigung nutzen.
3. Schritt 3.3: Gegenbeispiele und alternative Erklärungen systematisch prüfen.

Modul 4: Empfehlungen und Remediation

1. Schritt 4.1: Empfehlungen nach Risiko, Reichweite, Umkehrbarkeit und erwarteter Wirkung bewerten.
2. Schritt 4.2: Pilot, Freigabe, Ausführung und Nachkontrolle als verbindlichen Ablauf festlegen.
3. Schritt 4.3: Nicht geeignete Vorschläge dokumentiert verwerfen oder zur Analyse zurückgeben.

Modul 5: Intelligent Sentiment

1. Schritt 5.1: Vorhergesagte Friktion von direkt erhobenem Feedback unterscheiden.
2. Schritt 5.2: Geräte-, Kontext- und Erfahrungsdaten für Priorisierung verwenden.
3. Schritt 5.3: Individuelle Zuschreibungen vermeiden und Ergebnisse auf geeigneter Aggregationsebene nutzen.

Modul 6: Governance und Datenschutz

1. Schritt 6.1: Zweck, Datenzugriff, erlaubte Entscheidungen und Verantwortlichkeit definieren.
2. Schritt 6.2: Transparenz, Nachvollziehbarkeit und regelmäßige Qualitätsprüfung sicherstellen.
3. Schritt 6.3: Fehlalarme, Verzerrung und Modelländerungen in einen Kontrollprozess aufnehmen.

Modul 7: Wirksamkeitsmessung

1. Schritt 7.1: Trefferquote, bestätigte Ursachen, Remediationerfolg und vermiedene Störungen messen.
2. Schritt 7.2: KI-Hinweise mit Baseline und Kontrollgruppe bewerten.
3. Schritt 7.3: Nutzung und Freigaberegeln anhand der Ergebnisse kontinuierlich anpassen.

Praktische Übungen

• Prüfen eines Intelligent Insight gegen Telemetrie und Gerätekohorten
• Bewerten einer vorgeschlagenen Ursachenbeziehung
• Überführen einer Empfehlung in einen kontrollierten Remediationplan
• Erstellen einer Governance-Checkliste für produktive KI-Nutzung

Lernziele

• KI-gestützte DEX-Funktionen und ihre Grenzen einordnen
• Insights, Ursachenketten und Empfehlungen fachlich validieren
• Intelligent Sentiment verantwortungsvoll interpretieren
• Remediation aus KI-Hinweisen kontrolliert ableiten
• KI-Governance, Datenschutz und Wirksamkeitskontrolle aufbauen