Postfächer kategorisieren, Zahlungsdaten aus PDF-Stapeln extrahieren oder Adresslisten von Dubletten bereinigen – dieser Aufbauworkshop zeigt, wie Sie Python für komplexere Automatisierungen in Verwaltung und Bibliothek einsetzen.
Das Prinzip: Sie werden nicht Vollzeit-Programmierer*in, sondern Citizen Developer. Sie lernen, vorhandene Code-Bausteine zu verstehen, anzupassen und KI-Assistenten gezielt anzuleiten, wenn Sie Erweiterungen brauchen. Statt 50 Zeilen Fehlerbehandlung selbst zu schreiben, sagen Sie der KI: "Füge robuste Fehlerbehandlung für fehlende Dateien hinzu."
Im Fokus stehen Praxisprobleme mit sofortigem Nutzen: E-Mails regelbasiert klassifizieren, strukturierte Daten aus Dokumenten gewinnen, Dubletten per Fuzzy Matching erkennen und personalisierte Mahnschreiben automatisiert erstellen. Die optionalen KI-API-Übungen laufen datenschutzkonform über hochschuleigene Schnittstellen.
Zielgruppe
Beschäftigte aus wissenschaftsunterstützenden Bereichen, Verwaltung, Bibliothek, IT, Wissenschaftsmanagement und Forschung, die bereits Python-Grundkenntnisse besitzen und diese um KI-gestützte Automatisierung erweitern möchten.
Voraussetzungen- Basiskenntnisse in Python (Variablen, Schleifen, Dateien einlesen), etwa aus unserem Basisworkshop: Python für Verwaltungsaufgaben – Daten effizient bearbeiten und Prozesse automatisieren oder vergleichbare Vorkenntnisse
- Primärsystem (Pflicht): Python und Visual Studio Code lokal installiert. Installationsanleitungen für Mac und PC werden bereitgestellt. Auf Dienstrechnern: Klären Sie vorab mit Ihrer IT, ob Sie Python-Module per "pip install" installieren dürfen.
- Reservesystem (Pflicht - mindestens eine Option): GitHub Codespaces, Google Colab oder Replit. Auf Dienstrechnern: Testen Sie vor Kursbeginn, ob Ihre gewählte Online-IDE erreichbar ist – manche Institutionen blockieren externe Dienste.
- KI-Zugang (Pflicht – mindestens zwei verschiedene): Academic Cloud, Assist.KI (FU Berlin), Gemini, Claude oder GPT. Machen Sie sich vorab mit den Datenschutz-Grundlagen bei KI-Nutzung vertraut.
- API-Zugang zu einer KI (Pflicht – mindestens eine Option): Academic Cloud, Google Gemini API oder Hugging Face. Einrichtungsanleitungen werden bereitgestellt.
Ziele
Nach dem Workshop sind die Teilnehmenden in der Lage,
- eine professionelle Python-Entwicklungsumgebung mit virtuellen Umgebungen und KI-Assistenten einzurichten,
- E-Mails und Anfragen regelbasiert zu klassifizieren und nach Priorität zu sortieren,
- strukturierte Daten (Termine, Beträge, Kontakte) aus PDF- und DOCX-Dokumenten zu extrahieren,
- Dubletten in Adress- und Nutzerlisten per Fuzzy Matching zu erkennen und zusammenzuführen,
- personalisierte Seriendokumente wie Mahnschreiben automatisiert zu generieren,
- KI-APIs für Textanalyse datenschutzkonform einzubinden,
- vorhandene Code-Bausteine zu verstehen, anzupassen und durch KI-Assistenten erweitern zu lassen.
Inhalte
Tag 1 – API-Grundlagen und intelligente Dokumentenverarbeitung- Arbeitsumgebung professionalisieren: Virtuelle Umgebungen (venv) für saubere Projekttrennung einrichten, Jupyter Notebooks für explorative Datenanalyse nutzen, KI-Assistenten in VS Code integrieren (GitHub Copilot oder Claude).
- API-Verbindung einrichten: Sichere Konfiguration mit Umgebungsvariablen, Verbindungstest und Fehlerbehandlung. Praxisübungen: Freitextantworten aus Lehrveranstaltungsevaluationen automatisch in Themencluster gruppieren; Anschaffungsvorschläge aus E-Mails zusammenfassen und nach Fachgebiet sortieren.
- E-Mail-Klassifikation: Eingehende Anfragen automatisch nach Themen sortieren (Fernleihe, Schulungen, IT-Support, Beschwerden), Priorität und Handlungsbedarf erkennen. Praxisübung: Postfach-Export eines Monats kategorisieren.
- Textextraktion aus PDF und DOCX: Termine, E-Mail-Adressen, Geldbeträge und Fristen aus Dokumentenstapeln extrahieren. Praxisübung: Aus 20 Rechnungs-PDFs eine Zahlungsübersicht generieren.
Tag 2 – Prozessoptimierung und fortgeschrittene Anwendungen- Fortgeschrittene Entwicklungstechniken: Python-Skripte mit Jupyter-Zellen kombinieren – einzelne Codeblöcke interaktiv testen, ohne das gesamte Skript auszuführen. Ideal für schrittweise Entwicklung und Debugging komplexer Automatisierungen.
- Dublettenerkennung: Ähnliche Einträge per Fuzzy Matching finden – Schmidt/Schmitt, Mueller/Müller erkennen und Datensätze zusammenführen. Praxisübung: Adressliste mit 500 Einträgen bereinigen.
- Mahnwesen automatisieren: Gestufte Mahnungen aus Nutzerdaten generieren (freundlich → bestimmt → nachdrücklich), Fristen und Gebühren berechnen, Texte personalisieren. Praxisübung: Aus CSV mit offenen Posten fertige Mahntexte erzeugen.
- Praxisprojekt: Eigenes Automatisierungsproblem aus dem Arbeitsalltag lösen – von der Problemanalyse bis zum lauffähigen Skript.
Live-Demonstrationen, Schritt-für-Schritt-Anleitungen, Übungen mit Beispielmaterial, individuelles Mini-Projekt, moderierter Austausch
Hinweise
Der Workshop findet mit lokal installiertem Python und Visual Studio Code statt. Teilnehmende können eigene einfache Automatisierungsaufgaben zur Bearbeitung einbringen – bitte dazu Beispieldateien mitbringen, die im Kurs von allen verwendet werden können.
Rechtsdatenbanken werden nur soweit genutzt, wie sie öffentlich zugänglich sind (z.B. dejure.org, gesetze-im-internet.de).
