Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Was sich ändert, wenn Entscheidungen modellgesteuert werden

  • Von Regeln und menschlicher Urteilsfindung zu bewerteten Optionen
  • Tempo und Umfang automatisierter Aktionen
  • Neue Fehlermuster und Lücken in der Verantwortlichkeit

Bestandsaufnahme der Entscheidungen und Risikoklassifizierung

  • Erfassung automatisierter Entscheidungen
  • Wirkung, Rückholbarkeit und betroffene Parteien
  • Risikostufen und Erwartungen an Kontrollen
  • Verantwortlichkeit pro Entscheidungsklasse

Verantwortlichkeit und menschliche Aufsicht

  • Substanzielle vs. nominelle menschliche Überprüfung
  • Autonomie-Schwellenwerte als Governance-Entscheidungen
  • Eskalationspfade und Reaktionszeiten
  • Verantwortlicher Eigentümer und Freigabe (Sign-off)

Entscheidungsprotokolle und Erklärbarkeit

  • Inhalt eines verteidigungsfähigen Entscheidungsprotokolls
  • Aufbewahrung von Konfidenz, Optionen und Kontext
  • Nachverfolgbarkeit von Modell und Version
  • Erläuterung einer Entscheidung gegenüber Kunde oder Regulierer

Steuerung von Richtlinien und Grenzen

  • Genehmigte Optionensätze und Change Management
  • Governance von Schwellenwerten und periodische Überprüfung
  • Verbotene Entscheidungen und harte Stopps
  • Richtlinien als Code neben dem Modell-Output

Regulatorische Erwartungen

  • Pflichten aus dem EU AI Act für Entscheidungssysteme
  • Branchenspezifische Regeln in Finanzwesen, Versicherung und Gesundheit
  • Datenschutz und Rechte bei automatisierten Entscheidungen
  • Dokumentation und Konformitätsnachweise

Risiken durch Anbieter, Lizenzen und Herkunft

  • Hosted-Entscheidungs-APIs vs. offene Gewichte
  • Lizenzbedingungen für abgeleitete und eingebettete Modelle
  • Abhängigkeit von Lieferanten und Abbruchsrisiko
  • Integrität der Gewichte und Versionsfixierung

Verzerrungen, Fairness und Ergebnisüberwachung

  • Ergebnisungleichheit zwischen Gruppen
  • Proxy-Variablen und Rahmung der Optionen
  • Signale aus Einsprüchen und Beschwerden
  • Periodische Fairness-Überprüfung

Reaktion auf falsche Entscheidungen

  • Erkennung systematischer Entscheidungsfehler
  • Eindämmung und Aussetzung der Autonomie
  • Abhilfe und Entschädigung für Kunden
  • Ursachenanalyse und Aktualisierung der Kontrollen

Sicherstellungsprüfung einer Entscheidungsebene

  • Nachweise, die ein Auditor anfordern sollte
  • Testen von Präzisions- und Kalibrierungsbehauptungen
  • Stichproben von Entscheidungen und Überschreibungen
  • Berichterstattung der Befunde an den Vorstand

Voraussetzungen

  • Vertrautheit mit KI- oder Automatisierungsprojekten im Unternehmensumfeld.
  • Verständnis von Risiko-, Compliance- oder Auditprozessen.
  • Keine Programmiererfahrung erforderlich.

Zielgruppe

  • Fachkräfte für Risiko, Compliance und Modellrisiko
  • Interne Auditoren für automatisierte Entscheidungen
  • Leitende für KI-Governance und Datenschutz
  • Produktverantwortliche für automatisierte Workflows
  • Architekten, die Aufsichtsmechanismen in Agentensysteme integrieren

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien