Modul 1 – KI- Governance und Risiko
A – KI-Modelle, Überlegungen und Anforderungen
- Arten von KI
- Machine-Learning /KI-Modelle
- Algorithmen
- KI-Lebenszyklus
- Geschäftliche Überlegungen
B – KI-Governance und Programmmanagement
- KI-Strategien
- Rollen und Verantwortlichkeiten im KI-Umfeld
- Richtlinien und Verfahren für KI
- Schulungs- und Awareness-Programme zu KI
- Metriken zur Erfolgsmessung von KI-Programmen
C – KI-Risikomanagement
- Identifikation KI-bezogener Risiken
- Bewertung von KI-Risiken
- Überwachung und Steuerung von KI-Risiken
D – Datenschutz und Daten-Governance Programme
- Daten-Governance
- Datenschutzaspekte
E – Best Practices,Ethik, Standards und Regularien für KI
- Relevante Standards, Frameworks und Regularien zu KI
- Ethische Überlegungen beim Einsatz von KI
Modul 2 – Betrieb von KI-Systemen
A – Datenmanagement für KI
- Datenerfassung
- Datenklassifizierung
- Datenvertraulichkeit
- Datenqualität
- Datenbalancierung
- Datenknappheit
- Datensicherheit
B – Entwicklung und Lebenszyklus von KI-Lösungen
- Entwicklungsprozesse, -methoden und Lebenszyklus
- Privacy- und Security-by-Design
C – Change Management für KI
- Änderungsmanagement im Kontext von KI
D – Überwachung von KI-Lösungen
- Verantwortung und Kontrolle menschlicher Aufsicht („AI Agency“)
E – Testverfahren für KI-Systeme
- Klassische Softwaretest-Techniken für KI
- KI-spezifische Testverfahren
F – KI-Bedrohungen und Schwachstellen
- Arten KI-bezogener Bedrohungen
- Kontrollen gegen KI-Bedrohungen
G – KI-Incident Response Management
- Vorbereitung
- Identifizierung und Meldung
- Bewertung
- Reaktion
- Nachbearbeitung
Modul 3 – Prüfmethoden, Techniken und Werkzeuge für KI-Audits
A – KI-Auditplanung und -design
- Identifikation von KI-Assets
- Arten von KI-Kontrollen
- Anwendungsfälle für KI-Audits
- Interne Schulungen zum KI-Einsatz
B – Test- und Stichprobenmethoden
- Gestaltung eines KI-Audits
- Testmethoden für KI-Audits
- KI-Stichproben
- Prüfung von KI-Ergebnissen
- Beispiel-Ablauf eines KI-Audits
C – Techniken zur Beweissammlung
- Datenerhebung
- Walkthroughs und Interviews
- Tools zur KI-Datenerfassung
D – Datenqualität und Data-Analytics im Audit
- Bewertung der Datenqualität
- Datenanalyse
- Datenberichterstattung
E – KI- Auditberichte und Ergebnisse
- Erstellung von Berichten
- Audit-Follow-up
- Qualitätssicherung und Nachverfolgung
SEKUNDÄRE KLASSIFIKATIONEN – AUFGABEN
Auswirkungen, Chancen und Risiken bewerten, wenn KI-Lösungen in den Audit-Prozess integriert werden.
- KI-Lösungen einsetzen, um Audit-Prozesse (Planung, Durchführung, Berichterstattung) zu verbessern.
- KI-Lösungen bewerten, um das Unternehmen zu Auswirkungen, Chancen und Risiken zu beraten.
- Auswirkungen von KI-Lösungen auf Systeminteraktionen, Umwelt und Menschen bewerten.
- Rolle und Auswirkungen von KI-Entscheidungssystemen auf Organisation und Stakeholder bewerten.
- KI-Richtlinien und -Verfahren der Organisation inkl. gesetzlicher/ regulatorischer Compliance bewerten.
- Überwachung und Berichterstattung von Kennzahlen (z. B. KPIs, KRIs) speziell für KI bewerten.
- Prüfen, ob Verantwortlichkeiten für KI-bezogene Risiken, Kontrollen, Verfahren, Entscheidungen und Standards definiert sind.
- Data-Governance-Programm der Organisation speziell für KI bewerten.
- Datenschutzprogramm der Organisation speziell für KI bewerten.
- Problem- und Incident-Management-Programme speziell für KI bewerten.
- Change-Management-Programm speziell für KI bewerten.
- Configuration-Management-Programm speziell für KI bewerten.
- Threat- und Vulnerability-Management-Programme speziell für KI bewerten.
- Identity- und Access-Management-Programm speziell für KI bewerten.
- Anbieter- und Supply-Chain-Management-Programme für KI-Lösungen bewerten.
- Design und Wirksamkeit von Kontrollen speziell für KI bewerten.
- Dateninput-Anforderungen für KI-Modelle (Angemessenheit, Bias, Datenschutz) bewerten.
- System-/Business-Anforderungen für KI-Lösungen prüfen, um Ausrichtung auf die Enterprise-Architektur sicherzustellen.
- Lebenszyklus der KI-Lösung (Design, Entwicklung, Bereitstellung, Überwachung, Stilllegung) sowie Ein-/Ausgaben auf Compliance und Risiko bewerten.
- Algorithmen und Modelle bewerten, damit KI-Lösungen Geschäftszielen, Richtlinien und Verfahren entsprechen.
- Auswirkungen von KI auf die Belegschaft analysieren und Stakeholder zu Training, Weiterbildung und weiteren Maßnahmen beraten.
- Prüfen, ob Awareness-Programme mit den KI-bezogenen Richtlinien und Verfahren der Organisation übereinstimmen.
