Aus KI-Anfängern Fachleute machen, die mit KI-Fragestellungen souverän umgehen möchten, auch ohne technisch „vom Fach“ zu sein. Was bedeuten die gängigen Begriffe, was sind die hinter ihnen stehenden Vor -und Nachteile und welche wichtigen Querbezüge zu vernetzten Themen und Teamaufgaben muss ich kennen, um bei betrieblichen Entscheidungen vorausschauend und mit kaufmännischer Sorgfalt zu agieren?
KI-Bedarfsanalyse (KIBA), Datenstrategie und Daten-Governance
Formulierung der Zielvorgabe, um eine Verselbstständigung der KI zu vermeiden
Umgang mit externen Daten bei der KI-Datensatz-Konfigurierung und Umgang mit Diskriminierungen
labels, tokens, weights und bias: wofür stehen sie, wie interagieren sie, wie lassen sie sich gewichten
Handhabung der Verantwortung zu KI in schuldrechtlichen Verträgen
Reporting und Meldepflichten, sobald via KI projektbezogene Daten in Echtzeit zur Akte gelangen
KI Sicherheit allgemein, insbesondere
Abläufe beim KI-Monitoring, Darstellung alternativer bzw. additiver Wege zur Gewährleistung des kontinuierlich fehlerfreien Laufs der KI-Modelle / Umgang mit Anomalien
Kollateralschäden beim Launch eigenverantworteter KI und ihre Vermeidung
Wer sind die Stakeholder meiner KI-Anwendung; Methoden zur Einbeziehung der divergierenden Interessen in die KI-Rechenmodellarchitektur.
Dauer/zeitlicher Ablauf:
2 Tage
Zielgruppe:
Geschäftsleitung und Abteilungsleitende, Mitarbeitende mit KI-Projektverantwortung.
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern.
Diese Cookies werden nicht automatisiert gesetzt.
Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren.
Weitere Informationen finden Sie hier.
