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 Compliance-Kenntnissen (inkl. AI Act), 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

Einführung in die professionelle Kommunikation mit KI (ca. 3 Tage)
Strategien und Arten des Prompting
Schlüsselkomponenten für effektives Prompting
Prompting in der Textgenerierung vs. Prompting in der Bild- und Videogenerierung
Prompting in der Recherche, der Textgenerierung und mit KI-Agenten
Aufbau einer internen Prompt-Bibliothek

Rechtliche Grundlagen und Compliance für KI im Unternehmen (ca. 4 Tage)
Einführung in die Rolle der/des KI-Beauftragten
(Aufgaben, Abgrenzung zu anderen Rollen)
Überblick über relevante Gesetze und Vorschriften
(DSGVO, AI Act, Produkthaftung, Urheberrecht)
Nationale und EU-Regelungen (inkl. AI Act)
Compliance-Strategien
Governance-Frameworks
Dokumentations- und Transparenzpflichten

Risikomanagement und Datenschutz in KI-Projekten (ca. 3 Tage)
Risikoarten (Bias, Fehler, ethische Risiken)
Risikobewertung
Risikomatrix
Maßnahmeplanung
Datenschutz und Datensicherheit
Datenethik
Transparenz

Projektmanagement und Qualitätssicherung für KI-Projekte (ca. 3 Tage)
Projektmanagement-Methoden für KI
Qualitätssicherung und Abnahmeprozesse Testverfahren
Stakeholder-Analyse
Kommunikationsstrategien
Schulungskonzepte für Mitarbeitende

Datenmanagement und -governance in KI-Projekten (ca. 2 Tage)
Datenqualität, Datenintegrität
Verantwortlichkeiten im Datenmanagement
Aufbau eines Governance-Frameworks 

Changemanagement und Schulung für die KI-Einführung (ca. 1 Tag)
Umgang mit Widerständen
Schulungskonzepte für Mitarbeitende
Entwicklung eines Change-Management Plans

Erstellung einer Roadmap zur Skalierung von KI-Projekten (ca. 1 Tag) 
Langfristige Strategien
Skalierbare Infrastruktur
Kriterien zur Toolauswahl

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



Künstliche Intelligenz: KI-Manager:in

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, Datenqualität 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)
Operative Risiken: Bias, Fehler, ethische Risiken, Datenschutz
Qualitätssicherung: KPIs, Monitoring, Abnahmeprozesse
Managementsystem gemäß ISO 42001 und rechtlicher Rahmen
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 Change-Management (ca. 3 Tage)
Analyse von Unternehmensprozessen
Reifegradanalyse, GAP-Analyse
KI-Governance und Strategieentwicklung
Aufbau einer tragfähigen Organisationsstruktur
Verantwortlichkeiten und Rollenverteilung
Kommunikationsstrategien
Schulung von Mitarbeiter:innen
Umgang mit Widerständen
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

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. 4 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)
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 (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse



Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.