Kursbeschreibung

Der Lehrgang vermittelt dir tiefgehendes Fachwissen bezüglich des sicheren, ethisch korrekten und effektiven Einsatzes von Künstlicher Intelligenz im Unternehmen, aber auch der Planung, Steuerung und Implementierung ganzer KI-Projekte sowie der Planung, Durchführung und Auswertung von KI-Audits. Hierfür wirst du mit den rechtlichen Grundlagen und KI-Compliance-Kenntnissen (inkl. EU AI Act, ISO/IEC 42001), dem Risikomanagement und dem Datenschutz vertraut gemacht. Du erlernst die Skalierung von KI-Projekten sowie verschiedene KI-Anwendungen und -Tools für deren gezielte Umsetzung, Überwachung, Erfolgsmessung und Optimierung. Abschließend werden dir rechtliche und normative Vorgaben sowie technische Prüfkriterien für KI-Audits nähergebracht und du lernst, KI-spezifische Risiken zu bewerten, geeignete Prüfmethoden auszuwählen und einzusetzen sowie fundierte Auditberichte mit Handlungsempfehlungen zu erstellen.

Künstliche Intelligenz: KI-Beauftragte:r mit TÜV Rheinland geprüfter Qualifikation

Rolle von KI-Beauftragten im Compliance-Kontext (ca. 1 Tag)
Einführung in die Rolle von KI-Beauftragten
Aufgaben und Verantwortlichkeiten
Abgrenzung zu anderen Rollen

Einführung in die professionelle Kommunikation mit KI (ca. 1 Tag)
Grundlagen, Strategien und Arten des Prompting
Schlüsselkomponenten für effektives Prompting
Aufbau einer internen Prompt-Bibliothek

Rechtliche Grundlagen (ca. 2 Tage)
Überblick über relevante Gesetze und Vorschriften: DSGVO, AI Act, Produkthaftung, Urheberrecht

Vertiefung: EU AI Act (ca. 2 Tage)
Struktur, Ziele, Einordnung
Risikoklassen
Pflichten für Anbieter, Betreiber, Einführer und Händler
Konformitätsbewertung
Dokumentations- und Transparenzpflichten
Post-Market-Monitoring und Meldepflichten

Managementsysteme und Standards (ca. 2 Tage)
Überblick über ISO/IEC 42001
Bedeutung von KI-Managementsystemen (AIMS) 
Integration in bestehende Managementsysteme (z. B. ISO 9001, ISO 27001)
Compliance-Strategien 
Governance-Frameworks

Risikomanagement, Datenschutz und Ethik (ca. 3 Tage)
Risikoarten (Bias, Fehler, ethische Risiken)
Strategische Risikobewertung
Risikomatrix
Exkurs: Risiken von KI-Agenten 
Maßnahmeplanung
Datenschutz und Datensicherheit bei KI-Systemen
Datenethik und Transparenzanforderungen

Qualitätssicherung in KI-Projekten (ca. 3 Tage)
Qualitätssicherung und Abnahmeprozesse 
Stakeholder-Analyse
Kommunikationsstrategien
Schulungskonzepte für Mitarbeitende

Datenmanagement (ca. 1 Tag)
Grundlagen der Datenqualität 
Prinzipien der Datenintegrität
Aufbau von  Datenmanagementstrukturen

Changemanagement (ca. 2 Tage)
Umgang mit Widerständen bei KI-Einführungen
Schulungskonzepte für Mitarbeitende
Entwicklung eines Changemanagement-Plans
Exkurs: Strategische KI-Roadmap

Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung „KI-Beauftragte:r mit TÜV Rheinland geprüfter Qualifikation" (ca. 3 Tage)



Künstliche Intelligenz: KI-Manager:in mit TÜV Rheinland geprüfter Qualifikation

Grundlagen operativer KI-Projekte (ca. 5 Tage)
Einführung in KI, ML, DL, NLP und Computer Vision (operativer Fokus)
Rollen und Aufgaben: Aufbau, Betrieb und Überprüfung der Wirksamkeit des Managementsystems nach ISO 42001
Rollenabgrenzung und Zusammenarbeit: KI-Beauftragte:r, KI-Manager:in und KI-Auditor:in
Identifikation und Bewertung operativer Anwendungsfälle im Unternehmen
Projektinitiierung: Zieldefinition, Scope, Machbarkeitsanalyse
Stakeholder-Management
Wertschöpfung und ROI durch KI
Erfolgreiche KI-Initiativen im Management

Datenmanagement und Tool-Einsatz (ca. 3 Tage)
Datenaufbereitung, -qualität und -integration
Auswahl und Implementierung von KI-Tools und Plattformen
Praktisches Prompting für Text-, Bild- und Videoanwendungen
Aufbau einfacher Datenpipelines 
Einführung in MLOps-Konzepte
KI-Automatisierungsmöglichkeiten im Betrieb

Modelltraining, Validierung und Einsatz (ca. 2 Tage)
Training und Validierung von Modellen
Testverfahren: Black-Box, White-Box, Unit-Tests
Einsatz von Modellen 
Monitoring und iterative Optimierung
Integration von KI-Agenten in Projekte

Risikomanagement und Qualitätssicherung (ca. 2 Tage)
Technische Risikoanalyse: Bias-Metriken, Fairness-Tests, Modellfehler-Analyse
Qualitätssicherung: KPIs, Monitoring, Abnahmeprozesse
Managementsystem gemäß ISO 42001
Security und Erklärbarkeit von KI-Systemen

Operative Projektsteuerung und Agile Methoden (ca. 2 Tage)
Agile Methoden: Scrum, Kanban, iterative Deployment-Zyklen
Ressourcen- und Budgetplanung
Team- und Stakeholder-Kommunikation
Laufende Optimierung und Problemlösungsstrategien (KVP)
Zusammenarbeit mit externen Partnern

Organisationsentwicklung, Governance und Changemanagement (ca. 3 Tage)
Analyse von Unternehmensprozessen
Reifegradanalyse, GAP-Analyse
Erstellung einer KI-Roadmap 
KI-Governance und Strategieentwicklung
Aufbau einer tragfähigen Organisationsstruktur
Verantwortlichkeiten
Praktischer Umgang mit Widerständen im KI-Betrieb
Nachhaltigkeit und Corporate Digital Responsibility (CDR)

Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung „KI-Manager:in mit TÜV Rheinland geprüfter Qualifikation" (ca. 3 Tage)



Künstliche Intelligenz: KI-Auditor:in mit TÜV Rheinland geprüfter Qualifikation

Grundlagen und Rahmenbedingungen (ca. 4 Tage)
Rollen, Aufgaben und Verantwortlichkeiten innerhalb von KI-Audits
Abgrenzung zu anderen Rollen (z. B. KI-Manager:in)
Auditprinzipien nach ISO 19011 (Objektivität, Unabhängigkeit, Transparenz)
Normative Grundlagen: ISO/IEC 42001 – Struktur, Anforderungen, Nachweise
EU AI Act – relevante Bestimmungen für Auditorinnen und Auditoren
Nationale Richtlinien und branchenspezifische Standards
PDCA-Zyklus im Auditkontext
Auditarten: System-, Prozess-, Produkt- und Compliance-Audit
Stage 1 und Stage 2 im Überblick
Dokumentationspflichten und Nachweisführung
KI-spezifische Risiken als Prüfobjekte (Bias, Erklärbarkeit, Robustheit, Sicherheit, Datenqualität)
Prompting im Auditkontext

Regulatorische und technische Prüfkriterien (ca. 4 Tage)
KI-spezifische Compliance-Anforderungen
Datenschutz (DSGVO und branchenspezifische Vorgaben)
Sicherheit von KI-Systemen (Cybersecurity, Zugriffskontrolle)
Qualitätsanforderungen an Trainings- und Testdaten
Modellvalidierung und -verifizierung
Erklärbarkeit und Transparenz von KI-Entscheidungen
Performance-Messgrößen (Accuracy, Precision, Recall, Robustness)
Ethische Grundsätze und Fairness
Branchenspezifische Zusatznormen (z. B. ISO 13485, ISO 26262, BaFin-Richtlinien)

Auditplanung und Methodik (ca. 3 Tage)
Festlegung von Auditobjekten und -zielen
Erstellung eines Auditplans (Ressourcen, Zeitplan, Rollen, Kommunikation)
Erstellung von Fragenkatalogen und Checklisten
Risiko- und Relevanzbewertung von Prüfpunkten
Auswahl geeigneter Auditmethoden (Befragung, Dokumentenprüfung, technische Tests)
Spezifika der Risiko- und Methodenbewertung bei agentenbasierten KI-Systemen
Festlegung von Belegen und Nachweisarten

Auditdurchführung (ca. 3 Tage)
Dokumentenprüfung (Stage 1) – Anforderungen an KI-Dokumentation
Interviewtechniken und Gesprächsführung im Audit
Vor-Ort-Prüfung (Stage 2) – Einsatz von Audit-Werkzeugen
Durchführung technischer Tests (Black-Box, White-Box, Stresstests)
Nutzung technischer Tools (Auditsoftware, Log-Analyse, Code-Review)
Sammlung, Validierung und Strukturierung von Auditbelegen

Auswertung und  Bericht (ca. 2 Tage)
Aufbau eines Auditreports mittels Prompting
Risikogerechte Darstellung von Schwachstellen
Maßnahmenvorschläge und Follow-up-Strategien

Projektarbeit, Zertifizierungsvorbereitung und Zertifizierungsprüfung „KI-Auditor:in mit TÜV Rheinland geprüfter Qualifikation“ (ca. 3 Tage)



Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.