Künstliche Intelligenz

Überblick

KI-Governance beginnt bei dem, was bereits läuft

Organisationen sind oft weiter in der KI, als ihr Inventar sagt. Modelle kommen in eingekaufter Software mit, Teams führen Assistenten ohne Beschaffungsschritt ein, und eine Nutzung, die letztes Quartal ein Pilot war, trägt in diesem Quartal bereits die Last. Die erste ehrliche Frage ist nicht, welche Steuerungsmassnahmen anzuwenden sind, sondern was tatsächlich läuft, wer es verantwortet und was es entscheidet.

Diese Lücke zu schliessen ist grösstenteils Buchführung, und das ist der Teil, der übersprungen wird: ein Inventar, das gepflegt statt einmal erstellt wird, eine Folgenabschätzung, die auf die betroffenen Menschen sieht und nicht nur auf das Risiko der Organisation, und Steuerungsmassnahmen, die einen Wechsel von Modell oder Lieferant überstehen. Das meiste davon ist Governance und nicht Data Science, weshalb es üblicherweise bei Menschen landet, die keine Modelle bauen.

Lehrgänge

Die Lehrgänge von Halderstone sind modular aufgebaut. Sie legen zuerst ein belastbares, rollenspezifisches Fundament über die Fachbereiche hinweg, das dann auf den gewählten Fachbereich angewendet wird.

Künstliche Intelligenz · ISO/IEC 42001ISO/IEC 42001 AuditorKI-Management jenseits von Richtlinien und Prinzipien auditieren◎Diploma in Management System Auditing◎Halderstone Certified ISO/IEC 42001 Auditor21 Module · Abschlussprojekt · PrüfungZum Lehrgang →

Künstliche Intelligenz · ISO/IEC 42001AI ManagerKI als gesteuerte Fähigkeit etablieren, nicht als unkontrolliertes Risiko◎Diploma in Management System Management◎Halderstone Certified AI Manager24 Module · Abschlussprojekt · PrüfungZum Lehrgang →

Trainingsmodule

Jedes Modul lässt sich einzeln belegen und trainiert die Entscheidungen, die eine Fachperson ohne Aufforderung treffen muss. Dies sind die Module, die diesen Fachbereich unterrichten; der fachbereichsübergreifende Kern, den jeder Lehrgang teilt, steht im Katalog.

HAM-AI-S-03 · Künstliche IntelligenzBetriebliche Steuerung von KI-SystemenSteuerungsmassnahmen für KI-Systeme über Einführung, Änderungen und Überwachung hinweg definieren, umsetzen und wirksam haltenDetails ansehen →

HAM-AI-DF-02 · Künstliche IntelligenzGrenzen & Fehlermodi von KIFehlermodi in prädiktiven, generativen und workflowbasierten KI-Systemen praxisnah erkennenDetails ansehen →

HAM-AI-S-02 · Künstliche IntelligenzKI-RisikomanagementKI-Risiken aus Einsatzkontext, Betroffenen, GenAI und Agency bewerten und in Behandlung, Monitoring und Restrisiko überführenDetails ansehen →

HAM-AI-DF-01 · Künstliche IntelligenzKI-Systeme & ArchitekturenPraktische KI-Kompetenz zu KI-Typen, Bereitstellungsmodellen, Agentenmustern und aktuellen TrendsDetails ansehen →

HAM-AI-S-01 · Künstliche IntelligenzLebenszyklus & Inventar von KI-SystemenKI-Systeme abgrenzen, Lebenszyklusgrenzen festlegen und ein KI-Systeminventar nach ISO/IEC 42001 pflegenDetails ansehen →

HAM-AI-A-01 · Künstliche IntelligenzManagement der Risiken & Auswirkungen von KI auditierenSchadensbeurteilung, Wirkungs- und Risikologik, Ausrichtung auf die vorgesehene Verwendung und Rückverfolgbarkeit von Entscheidungen beurteilenDetails ansehen →

HAM-AI-A-02 · Künstliche IntelligenzSteuerung von KI-Lebenszyklus & Data Governance auditierenSteuerungsmassnahmen im KI-Lebenszyklus und in der Data Governance von Beschaffung bis Überwachung und Änderungen bewertenDetails ansehen →

Beratung

Wir helfen Organisationen, eine praktikable Governance für künstliche Intelligenz aufzubauen, über Strategie, Risiko, Steuerung, Rechenschaftspflicht und Assurance hinweg. Dazu gehören der Aufbau von KI-Managementsystemen, die Verankerung der Aufsicht im Lebenszyklus der KI und der Aufbau von Dokumentation und Nachweisen, die verantwortungsvollen Einsatz, interne Governance und externe Überprüfung tragen.

Die vier Phasen unten sind das Leben eines Managementsystems, und ein Mandat kann bei jeder von ihnen beginnen.

1. 01

   Gestalten

   Klare Strukturen und Rechenschaftspflicht schaffen

   –Rahmenwerk und Politik für KI-Governance, einschliesslich KI-Managementsystemen (AIMS) nach ISO/IEC 42001

   –Festlegung von Rollen, Verantwortlichkeiten und Entscheidungsrechten

   –Klassifizierung von KI-Systemen und Risikokategorien

   –Integration in bestehende Managementsysteme (z. B. ISMS, QMS)

   –Gestaltung von Dokumentations- und Nachweisstrukturen

2. 02

   Betreiben

   KI-Governance im Alltag wirksam machen

   –KI-Risiko- und Systemfolgenabschätzungen

   –Operative Prozesse für das Lebenszyklusmanagement von KI

   –Steuerungsmassnahmen für Datenqualität, Modelländerungen und menschliche Aufsicht

   –Behandlung von Vorfällen und Problemen bei KI-bezogenen Risiken

   –Befähigung der Schlüsselrollen (Führung, Product Owner, Compliance)

3. 03

   Absichern

   Sicherheit geben und Auditbereitschaft herstellen

   –Unabhängige Überprüfungen der KI-Governance und der AIMS-Strukturen

   –Prüfung von Wirksamkeit und Umsetzung der Steuerungsmassnahmen

   –Ausgelagerte interne Audits nach ISO/IEC 42001

   –Beurteilung der Zertifizierungsbereitschaft

   –Überprüfungen von Lieferanten und Dritten im KI-Umfeld

   –Vorbereitung auf interne und externe Audits

4. 04

   Weiterentwickeln

   Governance wirksam halten, während Technik und Regulierung sich ändern

   –Beobachtung regulatorischer und technologischer Entwicklungen

   –Szenarioanalyse für künftige KI-Anwendungsfälle

   –Reifegradbeurteilungen und Verbesserungsfahrpläne für das AIMS

   –Sparring mit der obersten Leitung zu strategischen KI-Entscheidungen

   –Integration neuer Anforderungen in bestehende Systeme

Audit

Ein Audit der KI-Governance fragt, ob die Aufsicht greift: ob die erkannten Risiken die sind, die die eingesetzten Systeme tatsächlich erzeugen, ob die Steuerungsmassnahmen einen Wechsel von Modell oder Lieferant überstehen, und ob es jemandem auffiele, wenn sie aufhörten zu wirken.