Einführung: Warum ist KI-Qualität so wichtig?
- Definition und Bedeutung von KI für Unternehmen
- Herausforderungen bei der KI-Einführung
- Risiken von KI-Anwendungen
Das risikobasierte Framework für KI-Qualität
- Die 6 Säulen der KI-Qualität:
  Sicherheit. Cybersecurity. Compliance.
  Ethik. Leistung. Nachhaltigkeit
- Risikobewertung
- Reifegradanalyse zur KI-Qualität
KI-Readiness der Organisation
- Übersicht über die ISO/IEC 42001
- Erwartungen des Kontextes
- Compliance:
  Rechtliche Vorgaben. Standards und laufende Regulierungsaktivitäten
- KI-Strategie
- Erforderliche Fähigkeiten und Kompetenzen
- Anwendungsbeispiel: Reifegradprofil eines Unternehmens
KI-Systeme
- KI-Referenzarchitektur:
  Kernbereiche (D…

Gesamte Beschreibung lesen

Frequently asked questions

Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!

Sofort buchen

Noch nicht den perfekten Kurs gefunden? Verwandte Themen: Vorschriften & Compliance, Selbstorganisation, Risikomanagement, Datenschutz und Recht.

Einführung: Warum ist KI-Qualität so wichtig?
- Definition und Bedeutung von KI für Unternehmen
- Herausforderungen bei der KI-Einführung
- Risiken von KI-Anwendungen
Das risikobasierte Framework für KI-Qualität
- Die 6 Säulen der KI-Qualität:
  Sicherheit. Cybersecurity. Compliance.
  Ethik. Leistung. Nachhaltigkeit
- Risikobewertung
- Reifegradanalyse zur KI-Qualität
KI-Readiness der Organisation
- Übersicht über die ISO/IEC 42001
- Erwartungen des Kontextes
- Compliance:
  Rechtliche Vorgaben. Standards und laufende Regulierungsaktivitäten
- KI-Strategie
- Erforderliche Fähigkeiten und Kompetenzen
- Anwendungsbeispiel: Reifegradprofil eines Unternehmens
KI-Systeme
- KI-Referenzarchitektur:
  Kernbereiche (Datenqualität. KI-Modelle. Training der KI).
  Integration (Ausführung. Kontrollfluss).
  Überwachung (Testing und Kontrolle)
- Infrastruktur
- Anwendungsbeispiel: Reifegradanalyse eines KI-Systems
KI-Prozesse
- KI- & Daten-Lebenszyklus - Phasen und Qualität
- Wechselwirkung zwischen KI- und Daten-Lebenszyklus
- Risikomanagement über den gesamten Lebenszyklus
- Validierung und Verifizierung:
  Methoden zur KI-Erklärbarkeit
- Cybersecurity -
  KI-Sicherheit. Angriffe und Abwehr
- Anwendungsbeispiel: Reifegradprofil von KI-Prozessen
Planung eines Managementsystems für KI-Qualität
- Roadmap zur Einführung

Teilnehmerkreis:

Geschäftsführerende und IT-Verantwortliche
KI- und Software-Ingenieure
Datenanalysten und Softwareentwickler
innen
Compliance- und Qualitätsmanager
innen
Berater
innen und alle KI-Fachexperten. die KI-Projekten betreuen

Abschluss: Zertifikat AI Coordinator - TÜV der TÜV SÜD Akademie

Sofort buchen

Es wurden noch keine Bewertungen geschrieben.

Schreiben Sie eine Bewertung

Haben Sie Erfahrung mit diesem Kurs? Schreiben Sie jetzt eine Bewertung und helfen Sie Anderen dabei die richtige Weiterbildung zu wählen. Als Dankeschön spenden wir € 1,00 an Stiftung Edukans.

Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!