AI 素养课程

Was ist Künstliche Intelligenz? Definition nach EU AI Act, Unterschied zwischen Machine Learning und generativer KI, Risiken wie Bias und Halluzinationen.

Die vier Risikoklassen des EU AI Act, verbotene Praktiken, Anbieter- vs. Betreiberpflichten und der zeitliche Fahrplan der Regulierung.

Verbotene KI-Praktiken nach Art. 5 EU AI Act: Emotionserkennung am Arbeitsplatz, Social Scoring, biometrische Kategorisierung. Deepfakes und erlaubte Nutzungsszenarien.

Transparenzpflichten bei KI: Kennzeichnung KI-generierter Inhalte, Human Oversight, Aufbau eines AI-Inventory (KI-Kataster) und Dokumentationspflichten.

Datenschutz und DSGVO bei KI-Systemen: Datenschutz-Folgenabschätzung (DPIA), Auftragsverarbeitungsverträge (AVV), Rechtsgrundlagen und Betroffenenrechte.

Praktische KI-Tools: ChatGPT, Copilot und DeepL im Arbeitsalltag. Shadow AI erkennen, Prompting mit der CRAFT-Methode, Qualitätssicherung.

Haftung und Compliance bei KI: Haftungskaskade, Art. 4 Nachweis, Incident Reporting, Bußgelder und Sanktionen nach EU AI Act und DSGVO.

KI-Governance im Unternehmen: AI Officer, KI-Richtlinie, Freigabeprozesse, Monitoring und Audits — die Organisation hinter dem KI-Einsatz.

Wie Unternehmen eine KI-Strategie entwickeln, ROI berechnen und eine AI-Policy aufsetzen — inklusive Vorlage.

Fortgeschrittene Prompting-Techniken, RAG-Patterns und der gezielte Einsatz von KI-Agents im Unternehmenskontext.

Wie Unternehmen sich auf ein KI-Audit vorbereiten, eine vollständige Dokumentation aufbauen und Incident-Response-Prozesse etablieren.

Wie Unternehmen KI-Kompetenz als Kultur verankern, Mitarbeiter coachen und Veränderungsprozesse erfolgreich führen.

Wann nutzt man LLMs (Gehirn) und wann Workflows (Muskeln)? Kosten-Nutzen-Analyse, ROI der KI-Automatisierung und die 80/20-Regel für effiziente KI-Strategien.

Wie viel Energie verbraucht KI? Green AI, KI-Kosten und effiziente Modellnutzung — praktische Hebel für nachhaltige KI im Unternehmen.

Wie man den KI-Reifegrad eines Unternehmens misst, Audits nach EU AI Act vorbereitet und Lücken zwischen Ist-Stand und Anforderungen schließt.

Wie KI-Initiativen unternehmensweit gesteuert, gemessen und rentabel gemacht werden — von der Governance-Struktur bis zur ROI-Kennzahl.

Wo Verzerrungen in KI-Systemen entstehen, warum sie für Unternehmen zum Risiko werden und wie ein Bias-Audit mit Fairness-Checks vor dem Go-Live schützt.